1 今年裁员正酣，以后会好吗？

这两年以来，金融业裁员风暴愈发猛烈：

摩根士丹利：2%员工，1500人

巴克莱：3.6%员工，3000人

法兴银行：2130人

德商银行：18000人

意大利裕信银行：9%员工，8000人

三井住友：5000人

德意志银行：10000人

澳洲国民银行：18%员工，60000人

贝莱德：3%，500人

道富银行：15%

中国全体证券公司：2%，10000多人

中国全体上市银行：约38800人

裁员的直接原因当然是因为经济不景气带来的成本削减、业务收缩，但是当经济复苏后，这些被裁减的岗位是否会回来呢？水哥叔叔的答案是不会。

BCG波士顿咨询预计，“到2027年，中国金融业就业人口可达到993万人，其中23%的工作岗位会受到人工智能带来的颠覆性影响，削减或转变为新型工种。”麦肯锡指出，“目前金融和保险机构中所有工作的43%可通过现有技术实现自动化。”

这些被削减的岗位，将被人工智能加持下的自动化取代。

这不是未来，而是正在发生的事情。咨询公司的一些自动化实践成果表明：

一家全球性银行成功将问题凭单数量减少达 40%，员工满意度提高 95% 以上。

不仅可节省 75% 的成本，还能带来 25-50% 的效率提升。

风险部门28%的受访者预计自动化会降低至少30%的成本，几乎2/3的受访者认为成本至少会降低15%，而且整个投资组合的信用决策时间至少将降低25%。

信用和运营风险职能的全职员工中至少有30%会实现效率提升

德国的一家金融服务供应商仅仅在将首批 10 个计划中的流程实现自动化后,时间效率就提升了 60-80%，同时短期成本削减了 20%。

由于自动化减少了人为错误，新的多渠道监控技术可以提升对员工不恰当行为的监测，因而运营损失和罚款的频率和数量会从目前基准水平下降8%-10% 。

2 金融业的自动化是什么？

在服务业中，没有比金融业更适合自动化的行业了。

金融业的自动化，被称为RPA（Robotic Process Automation，机器人流程自动化）、IPA（Intelligent Process Automation，智能流程自动化）或者R&CA（Robotics and Cognitive Automation，机器人和认知自动化），各大咨询公司叫法五花八门，但是都想表达一个概念：通过人工智能的技术，实现某些工作任务由机器人（指：程序）自动完成。

注：实际上这些自动化技术不仅可以应用于金融业，还可以应用于所有白领工作。如果说白领在格子间的工作就像蓝领在车间里的，那么手机、电脑上的IPA就像是车间里的机床等设备。

2015年，RPA概念进入中国；

2017年，四大会计师事务所将其用于财务领域；

2018年，国内RPA厂商纷纷成立；

2019年，RPA开始铺天盖地宣传起来，立项、招标、宣传、研讨会数不胜数，而且主要在金融行业尤其是银行。

因为金融业强大的监管造就了两大优点：

一是很多流程基本上很规范，规范其实意味着固定，比如每家银行的KYC（充分了解你客户）的要求是几乎一样的，每家证券基金的清算流程是几乎一样的；

二是数据质量比较高、数据的结构化比较好，无论是银行客户的征信数据，还是证券市场的交易数据，都干干净净地存放在关系型数据库中。

流程固定、数据质量高且结构化，构成了RPA的基础。RPA虽然有效，但是只能处理步骤固定、数据干净的流程。例如当一个客户办理某业务时，RPA从多个系统中获取这个客户的数据，把信息综合后给出，省去了柜台或客服人员一个个系统查找对比信息的过程；再比如监管要求的数据报送，RPA也可以实现从各个相关系统中抽取数据，生成报表再上报。

结合了AI人工智能技术的RPA进化成了IPA或者R&CA。IPA中，机器人具备了跟现实世界交互的能力：

阅读——运用光学字符识别技术（OCR）和文本分析，

听力——运用自然语言处理 （NLP） 和语音分析，

交流——运用聊天机器人，

学习、分析、决策——借助统计算法和机器学习预测。

下图展示了部分技术支撑。

来自：《流程自动化演进之路》，IBM

3 自动化之路该如何走？

水哥叔叔把自动化路线概括为三条：一是运营的自动化，二是交易的自动化，三是决策的自动化。它们分属不同的业务场景，难度依次递增。目前IPA业内的语境都是指第一条路，但我相信未来这三条路在技术上一定能并轨。

（1）运营自动化

当前IPA项目的落地场景基本在围绕着运营管理的流程性工作，包括：

数据的输入、提取比如纸质财报的提取校验、纸质发票的录入——使现实世界的非结构化数据转化为结构化数据，

数据的传递比如流水对账，

客户请求的处理比如开户、查询、销户，

合同文本的对比检查，

监管所需报表的生成与报送，

客户信息的查找验证，

IT系统的运维，

等等。

这里放一个保险理赔步骤中自动化替代的案例。

在不久的将来，运营管理岗位的自动化程度将会变得非常高，每种岗位上可能只会留一两位员工以备运维应急之需。

（2）交易的自动化

2016年，下图在金融行业里刷屏，体现的是UBS瑞银集团交易大厅的变迁。其中一个原因是大量的交易员被算法交易取代。

来自：@LizAnnSonders

澎湃新闻也曾经报道：高盛的一处股票交易柜台的交易员从200名下降到2名，剩余的工作被程序所替代。

交易员的工作内容是用一些独特的技巧执行交易指令，以帮助委托交易的对象避免对市场冲击、降低交易成本、隐蔽交易、获取额外收益等。套路其实也比较固定，比如TWAP、VWAP、MOC、Iceberg、Sniffer等等，所以机器可以替代人工执行这些操作，这被称为算法交易。全球外汇交易中的80%（2016年），美股交易中在的50%（2012年），伦敦股票市场的40%（2006年）是算法交易。

这个领域国内目前的瓶颈主要在于监管，如《证券期货市场程序化交易管理办法(征求意见稿)》和《上海证券交易所程序化交易管理实施细则(征求意见稿)》，未来肯定都不是事。

（3）决策的自动化

这条路线可能基本上都是设想层面，只出现在咨询报告上，涉及到的术语有机器学习和高级分析（Advanced Analytics）。

除了运营和交易之外的所有工作都可以称为“决策”：对客户授信的政策如何制定、某产品的费率该如何设计、应该给某个客户推荐哪种产品、构建怎样的资产组合才能对冲现有头寸面临的风险或者实现既定的收益、股票期货采用怎样的策略能实现最大收益、当前各项指标是否满足监管要求及如何调整、该使用怎样的营销手段能够实现最大利润，等等。

时至2019年，高级分析（含机器学习）的应用已经非常广泛。全球前50大银行中 , 有90%以上都在积极使用高级分析技术，在上述场景均有实现。

当前已经有对自动机器学习的研究，主要集中在特征工程、模型选择、算法选择上，比如Auto-Sklearn、谷歌Cloud AutoML、微软CustomVision.AI等。但其实机器学习模型的效果主要依赖于数据质量，业界早已意识到数据科学家40%～70%的工作在于清洗数据，即使在金融业，公司内仍然缺少统一口径和标准的元数据，导致在细颗粒度上各部门的数据对不上。

因此，高级分析的模型仍然需要耗费人力应对业务的变化，难以实现自动迭代，谈不上决策自动化。从中可以推想出：从事决策任务的人员被替代的可能性极低。

我设想，在未来，IPA将从事非结构化数据沉淀和数据治理的工作，届时IPA将助力高级分析的自动化，那时金融服务对个体的反馈将能实现秒级，真正实现金融无感化。但这一天可能还会有相当长的时间才会到来。

4 自动化决心已下

与人们的直觉相反，金融业应用先进技术的速度其实很快。工行原董事长姜建清举例过，1946年电子计算机刚发明，保诚保险公司成为第一批用户；1948年，美国银行已经用上IBM604。中国银行业2000年后即完成数据大集中，建立大型数据仓库，推出互联网银行和直销银行平台。

今年，金融业反应迅速，在运营自动化之路上一路狂奔。当前各大金融机构公开宣布自己已落地RPA技术的已有：

兴业银行集团、工商银行、浦发银行、招商银行、建设银行、光大银行、中国银行、广发银行、平安银行

海通证券、光大证券、东吴证券、华泰证券、国信证券、施罗德基金、南方基金

太平洋保险、太平保险、阳光保险、大地保险、工银安盛人寿

长安信托、云南信托、华澳信托、厦门国际信托、中铁信托、中建投信托

而其他还未宣布自己应用RPA技术的公司也已经被狂轰滥炸过一遍了，因为本土RPA大厂至少都有16家，更不要说很多名不见经传的小公司。

来自：51RPA

5 金融业岗位中的机遇与挑战

2018年，银行对科技总投入同比增长13%，信息科技人员同比增长近10%，一些股份制银行科技人员同比增长超过20%；同年，9分之11的上市券商的科技人员占比也同比增长。对比一下文章开头所说的裁员现状，可见一斑，所以如果你是技术人员，那么去金融业是个不错的选择。

但是，作为金融业中的非技术人员，如何判断自己的岗位是否会被自动化替代呢？

BCG给出了不会被替代岗位的指引：

IBM评估了适合做自动化的流程，虽然不仅限于金融业：

一言以蔽之，如果工作内容是固定模式的重复，那么就很危险了，特别是对于二三十岁的年轻人，当人至中年生活压力最大时，正好赶上自动化全面完成，处境怎一个惨字了得。

ETC的事大家肯定都知道吧，那些面临下岗转岗的高速收费员们（当初进去还得花钱），正是被自动化替代的案例。

所以请不要做一条咸鱼了，其实我知道你本来就厌倦了重复无意义的工作，但岁月的流逝也让你渐渐忘了初心。然而现在外界的压力近在咫尺，拾起由刷剧而消逝的激情，重新思考一下职业方向吧！

参考文献

大摩宣布年底裁员1500人 这场愈演愈烈的裁员潮暗藏哪些风险？，金十数据，2019.12.10

2019年中国就业求职形势：四大行业面临“裁员潮”，你中招了吗？，前瞻产业研究院，2019.03.12

达沃斯特供:人工智能影响金融业劳动力市场的4种方式，BCG波士顿咨询，2018.09.21

麦肯锡中国银行业CEO季刊，麦肯锡，2019冬季刊

运营的未来 – 超越流程自动化，德勤，2019.05

流程自动化演进之路，IBM，2018.01

华尔街用自动软件代替股票交易员，既省薪资又省人力，澎湃新闻，2017.02.07

Algorithmic trading，Wikipedia

自动机器学习（AutoML）最新综述，机器之心，2018.11.07

为金融科技正名，姜建清，2017.07.10

科技引领银行业转型方向， 经济日报，2019.09.09

券商披露最直观 部分机构科技人才占比激增，证券日报 ，2019.03.29

---

水哥叔叔已经把RPA入门的报告打包好了，使用下面二维码关注公众号，回复“RPA入门”即可下载。

更多精彩，请扫描下图：