年前去了次香港，有幸和目前许多FINTECH领域的创业公司交流了各自做的事情和对FINTECH的见解，过年正好忙里偷闲把一些有意思的想法整理出来和大家分享一二。
首先我们来扫扫盲什么叫”FINTECH”，这个词是在2017年火起来的，而且一发不可收拾，它来源“FINANCE”和“TECHNOLOGY”，本意是借助technology来革新finance领域，甚至颠覆。目前主要在金融领域以银行为代表掀起了一波不小的浪潮和讨论，不过银行一般自身对外界的反应比较保守和缓慢，这也就给了不少创业公司白手起家的机会与可能。
FINTECH翻译成中文叫“金融科技”，对于technology翻译过来叫“科技”，大家一般没有异议，譬如以ABC为代表（A：AI人工智能，B：Block chain区块链，C：Cloud云计算）的各种新的IT技术或基础平台，而对于finance的翻译就比较有意思了，按照金融科技的整体翻译，finance翻过来是金融，这本没有错，也是为什么目前大家都热衷于把各种新技术引入金融领域，给银行提供各种服务，毕竟银行有钱嘛。但是finance其实还有另一种官方翻译叫财务，准确的说是“企业财务”，这就是我们今天要讨论的主角：企业财务的FINTECH
其实企业财务领域这几十年变化比较少，基本上除了一个不太好用的ERP就只剩下excel了，财务人员通常excel都特别牛，基本上所有的工作都可以通过大量的excel手工迭代合并分解完成。那么当大家都在热炒金融FINTECH的时候，我们是不是可以理性的思考一下企业财务FINTECH是否也同样有被革新或者颠覆的需求与可能？
现实中金融之所以会成为各种新技术的试验场是因为它在资金杠杆下的大资金量可以去分摊昂贵的人力成本和技术革新的试错成本。然而从逻辑上，金融是不可能脱离实业长期单线程进步的，一个低效低质量的企业财务基本面是无法托起高速成长的金融，所以企业财务早晚会变成FINTECH的兵家必争之地。
AI人工智能同样也是2017最火的技术，而且它不像区块链还停留在概念或者验证阶段，从历史至今AI已经经历了3波浪潮，客观的说AI的绝大部分技术和算法在20年都已经成熟，前两波没有起来主要是受限于硬件的计算能力和数据的收集能力。硬件的突飞猛进使得原来只停留在理论上的算法走向了实践，而恰巧我们正处于一个数据爆发的年代，企业财务也处于一个财务数据爆发的年代。
另一方面从逻辑上AI天然就适合服务于企业财务，无论是记账还是对账财务本身就是既有一定规律可循，又经常性重复，这对于AI来说是具有极大的技术优势的，在数据的积累过程中AI是可以不断自我学习优化，从自动化走向智能化的。当然AI真正的强项还不是记账和对账，而是分析。
财务分析是每个企业都需要也应该设立的岗位职责，然而现实生活中除了那些跨国集团，绝大多数企业主的经营还是依赖于过往个人经验而非数据分析支持，这当然有部分原因是因为能分析的员工不好找而且贵，但更深层次的原因是分析确实是需要大量过往经验积累。而AI为广大企业的财务分析提供了另一种可能，所谓的经验积累其实就是数据积累，或者说企业的经营状况以财务数据为载体日复一日的沉淀积累，通过数据的横向和纵向的比较分析，AI可以自动的对现有的经营状况甚至未来的潜在风险做提前的预警和分析。之前其实有过类似的工具称为BI（Businesses Intelligence），主要是以SAP为代表的构建在ERP数据之上的BI分析层，不过这么多年来一直不温不火和ERP一样，最终只是沦为了只是一些跨国大公司的财务分析人员的分析工具而已。
这里面可能最重要的失败原因就是BI的分析层是构架在ERP的数据之上的。本来分析层架在ERP上并没有什么不妥，毕竟SAP自己就是做ERP的，从它自有业务做纵向延伸是一个很自然的选择。但是一旦分析架在了ERP之上就带来了三个问题：1）ERP数据质量随着日积月累参次不齐；2）ERP里的数据主要是企业内部数据；3）使用ERP的企业本来就不多，雇不起财务分析专人的通常也都没有ERP。这三个问题其实都导致了一个结果：BI的分析仅限于企业内部，无法向外延伸或交互，并且其分析能力在上线的刹那就已经被代码写死了。而AI的分析则截然不同，首先它会随着数据的积累，捕捉人们的行为自我学习优化，夸张的说AI的分析能力具有无限潜能，其次AI的数据分析可以不架构在ERP之上，如果选择银行流水作为数据源的话，AI的分析甚至是可以和行业外部产生交互的，譬如分类，譬如交易黑名单，这些规则都是可以和其他企业共享的，这种共享式的分析也自然会帮助AI自我升级学习，从而让企业内部的信息和外部信息产生碰撞，在企业没有财务分析专员时完成财务分析的职能。
最后敲敲黑板总结一下：
