腾讯云tdsql的简单介绍

本文目录：

• 1、云服务器去哪买便宜
• 2、五大赛道、八位专家，银行局中人眼里的AI江湖
• 3、关于数据库，你可能最想知道的几件事
• 4、银行科技投入最新动向

云服务器去哪买便宜

腾讯云云服务器 腾讯云2核2G轻量应用服务器,带宽4M,月流量300GB,新用户50元每年。 腾讯云2核4G轻量应用服务器,带宽6M,月流量1000GB,首单120元每年。 腾讯云tdsql-C 1核1G,储存空间50GB,新用户19.9每年。

华为云云服务器 1核2G S3云服务器,带宽1M,时长1年仅需45元左右,可以节省1265元。 2核4G S3云服务器,带宽1M,时长1年仅需249元左右,可以节省2020元左右。 1核2G S3云服务器,数据中心香港,带宽1M,时长一年需要99元。

阿里云云服务器 ECS共享型n4 1核2G,带宽1~5M,高效云盘20-40G,新用户3个月起购需要130元左右。 ECS突发性能型t4 2核2G,带宽1~5M,高效云盘20-40G,新用户3个月起购需要106元左右。

五大赛道、八位专家，银行局中人眼里的AI江湖

谁说大象不能跳舞？

2020于全体银行而言，是一场无预告的终极考验，一轮最直观的金融 科技 对决。疫情让网点流量骤降到接近于0，全方位挑战银行线上服务水平，检验那些连年增加的 科技 投入，有多少真正变作数字化、智能化的一点一滴。

踏进2021，银行们迎来周密复盘、整装待发的最好时间节点。

在过去这一年，银行更努力地摆脱大象转身的刻板印象，告别以往被各路创新推着走的窘况，试图在金融 科技 和数字新基建的浪潮里承担更主动、开放的角色，以轻快敏捷的步伐持续向前。

没有一家银行不想拥抱AI，没有人愿意错过数智化转型的未来。在梳理数十家银行AI全布局，以及 「银行业AI生态云峰会」 多位嘉宾的分享过程中，我们逐渐发现银行业AI的那些挑战和困境，那些艰险之处同样是机遇所在。

数据安全与隐私保护

银行业AI，首先被AI本身正面临的数据困境，和日渐收紧的数据监管尺度拦住。

在技术维度不断向前奋进的同时，银行必然要思考的一个议题是：业务创新与隐私保护如何兼顾？

雷锋网AI金融评论主办的 《联邦学习系列公开课》 曾对这一问题展开过系统深入的探讨。第一节课上， 微众银行首席人工智能官杨强 就直接点明：“人工智能的力量来自于大数据，但在实际运用过程中碰到更多的都是小数据。”

平安 科技 副总工程师王健宗 也在课上指出，“传统的AI技术必须从海量的数据中学习或者挖掘一些相关的特征，利用数学理论，去拟合一个数学模型，找到输入和输出的对应关系，比如深度学习中训练网络的权重和偏置，模型效果与数据量级、质量、以及数据的真实性等有着密切的关系。”

一个典型例子就是银行信贷风控：现在大部分AI应用都由数据驱动，信贷风控更需要大量数据训练，但大额贷款风控的案例又非常少。“要是来做深度学习模型，只用少量这种大额贷款的样本远远不够。”杨强解释。

小数据需要“聚沙成塔”，同时又面临侵犯隐私的可能。为此，网络安全与数据合规领域的立法进入了快车道，滥用数据和爬虫也受到过严厉整治。

虽然目前《数据安全法》还只是处于草案的状态，但是草案明确提出要关注数据本身的使用，需要在保护公民组织、相关权益的前提下，促进数据为关键要素的经济发展。

数据被称作是新时代的油田，但银行该怎样通过AI摸索出更高效、更合规的开采工具？

在「银行业AI生态云峰会」第一场演讲中， 微众银行区块链安全科学家严强博士 就对银行必备的数据安全与隐私保护思维，进行了深入讨论。他指出：

在数字经济时代下，银行业AI发展 必须要尊重“数据孤岛”作为数据产业的原生态，隐私保护技术则是打破数据价值融合“零和博弈”的关键，需要打通隐私数据协同生产的“双循环”。

而 区块链 是承载数据信任和价值的最佳技术，对于隐私计算和AI应用中常见的数据品质等难题，都可以通过区块链进行互补或提升效果。

联邦学习、TEE可信计算、安全多方计算等多个AI技术路线也正尝试落地于银行的核心业务场景。

AI金融评论了解到，除了微众银行， 江苏银行 2020年也已开展联邦学习方向的 探索 ，他们与腾讯安全团队合作，基于联邦学习技术对智能化信用卡经营进行联合开发和方案部署，在联邦学习技术支持下进行金融风控模型训练。

银行数据库

以“数据”为线，银行前中后台的升级轨迹清晰可见。

如果说前些年的银行 科技 ，讨论度更集中在前台智能化应用，那么如今中后台建设开始更多地来到聚光灯下，讨论它们为银行数字化转型呈现的价值和意义。

这当中的一个重要模块，就是 银行数据库 的改造升级。

我们曾经报道，Oracle自进入中国市场以来，在银行数据库市场，一直具有压倒性优势，也是许多银行的采购首选。

由于长期使用Oracle，不少银行形成较严重的路径依赖。平安银行分布式数据库技术负责人李中原也曾向AI金融评论表示，系统迁移和重新建设需要大量成本，从单机变为多机群体，故障发生的故障发生的概率和维护成本都会加大，对整体系统运维将是巨大挑战。（详见 《银行业“求变”之日，国产数据库“破局”之时》 ）

但随着银行业务创新需求愈发复杂，传统数据库在技术边界、成本、可控性方面越来越不相匹配；采购数据库的来源单一也让银行陷入非常被动的处境。

而云计算的出现，让Oracle在数据库市场接近垄断的地位有所动摇，各大互联网云厂商杀入战场。

腾讯云副总裁李纲就表示，云化数据库胜在成本低、易扩容两大特点，任意一台X86的PC服务器就可以运行，理论上也有着无限的横向扩展能力，这都是Oracle等传统数据库难以企及的优点。

中国数千家银行由此获得更多选择余地，开始从集中式数据库迁移到分布式数据库，一场事关“大机下移”的漫长征途就此展开。

这场变革已有先行者，例如 张家港行 在2019年就将其核心业务系统放在了腾讯云TDSQL数据库上，传统银行首次为核心系统选用国产分布式数据库；2020年，平安银行信用卡的核心系统也完成切换投产，新核心系统同样采用了国产数据库。

在「银行业AI生态云峰会」上， 腾讯云数据库TDSQL首席架构师张文 就深入分享了张家港行和平安银行这两个典型的数据库迁移转型案例。

以 平安银行 为例，其体量之大，意味着应用改造更具挑战性。张文解释道，为了配合此次改造，应用引入了微服务架构对应用进行了拆分和解耦。对账号的分布进行了单元化划分，以DSU为一个逻辑单元，单个DSU包含200万个客户信息，单个DSU同时处理联机和账务两种业务。

但国产分布式数据库也同样还在成长当中，张文也指出了目前金融级分布式数据库面临一系列挑战点，除了有可伸缩、可扩展的能力，更要解决高可用性、数据强一致性，同时 探索 更具性价比的性能成本，以及为金融机构打造更易上手的、更产品化的成熟解决方案。

中台建设

“中台建设”这个热门关键词，不再是互联网公司的专属。银行也不例外，甚至更需要中台。

银行这样的大型机构，架构极其复杂，还有跨部门多团队的协作，海量数据日积月累之下如同年久失修的危楼，更需要及时、持续的治理。

在看来，银行拥有大量的数据、技术和人才，资源却往往“各行其是”，部门之间没有配合意识、独立造烟囱；技术流于表面，无法链接、深入，这造成了银行资源的大量浪费。

中台 的体系化建设和顺利运转，才能将这庞大体系中的“死结”一一梳开。

建设银行 监事长王永庆就曾指出：中台建设是商业银行数字化经营转型的关键环节，认为商业银行数字化转型的必然归宿是生态化、场景化。

尽管商业银行在多年经营过程中沉淀了一定的竞争优势，形成了各具特色的内部生态系统，但目前仍是封闭的、高冷的，还无法满足数字经济对开放式生态化经营可交互、高黏性、有体感、无边界的要求。

因此，建行也已在数据中台先行一步，其落地上概括为5U（U是统一的意思），包括统一的模型管理、统一的数据服务、统一的数据视图，统一的数据规范以及统一的数据管理。

为求轻松支撑亿级用户，实现高时效、高并发场景化经营， 招商银行 近两年也在中台和技术生态体系的建设上持续发力。去年年底发布的招商银行App 9.0，迭代需求点超过1800项，“10+N”数字化中台建设就占据了相当的比重。

如何构建金融机构需要的数据中台？

在「银行业AI生态云峰会」上， 360数科首席科学家张家兴 就用“三通三快”概括了数据中台的标准：

金融机构面对着海量用户、复杂业务，一个优秀的数据中台，必须是达到多业务打通，内外数据互通和用户关系连通，同时还要做到数据的实时处理快、使用快、需求响应快。

他进一步强调，数据与AI融合得非常紧密，如果数据中台和AI中台各自建设，两者之间将不可避免地存在割裂的现象。

基于此，360数科也推出了自己的数据AI融合中台，将最上层数据平台，到中间数据服务支撑的平台服务，再到整个数据资产的管理，到最下面整个数据技术架构的设计都进行调整，并且将自身沉淀的AI能力嵌入其中。

张家兴也在云峰会的演讲上透露，360数科研发了一项联邦学习技术——分割式神经网络，通过神经网络在高维空间，Embedding不可逆的特性，使得不同参与的数据合作方只需要传递Embedding向量，见不到原始数据，但最终可以使模型产生目标效果。

银行信贷智能风控

而在过去一年里，银行信贷风险管理，仍然是最引人关注的方向之一。

关注度一方面来自于，受疫情影响而剧增的贷款逾期和坏账风险，如何借助技术手段“端稳这碗水”，把握好信贷支持尺度，成为银行、消金公司和风控技术服务商们的开年大考。（详见 《信贷战“疫”：一场给风控的开年大考》 ）

而另一方面，2020年下半年起，针对金融 科技 或是互联网金融的监管“红线”逐渐清晰。例如《商业银行互联网贷款管理暂行办法》，其中就明确提出了对商业银行的风险管控要求，和对合作机构的管理规范。

尽管结合AI、大数据的智能风控在银行 科技 应用中不再新鲜，但这并不意味着智能风控已经足够成熟—— 数据资源壁垒、自有数据累积、数据特征提炼、算法模型提升 ，被认为是大数据风控目前所面临四大困境。

某商业银行负责人就曾表示，在模型建设和模型应用过程中普遍存在数据质量问题，包括外部数据的造假（黑产欺诈）和内部数据的滥用等，在模型迭代方面，很多银行只追求迭代的速度和频次，而忽略了最终效果。

前百度金融CRO、融慧金科CEO王劲 进一步指出，数据规范和治理体系不健全，数据质量差且缺失率高，技术能力不足，复合型 科技 人才匮乏等因素都是银行等金融机构无法做好模型的重要原因。

王劲曾在有着“风控黄埔军校”之称的美国运通工作17年，负责过全球各国各类产品相关的700余个模型提供政策制度和独立监控。在云峰会上，他也结合自身二十余年风控经验，剖析了金融风险管理中的那些理念误区。

“很多人并不是特别理解，风险管理永远是一个寻找平衡点的科学。”王劲认为，风险管理平衡有着这样的核心三问：

他也解析了银行等持牌金融机构做好风险管理平衡的核心要素，谈到风险管理最重要的就是对数据的把控，“金融公司成立之初就要思考数据的生命周期。首先要从对业务产品和客户的选择当中，决定需要什么样的数据。”

数据战略是一个相对长期的落地过程，机构首先要立下数据选择的原则和条件：要考虑的不只是数据的合规性、稳定性和覆盖率，更要考虑数据的新鲜度、时效性和时间跨度。

从模型建设的角度出发，王劲指出，一个卓越的风控模型应当具备辨别力、精准度、稳定性、复杂度和可解释性五大要素，“原材料”数据、模型架构和算法的选择，衍生变量的出现，对模型的监控和迭代，以及对y的定义和样本的筛选，无一不影响模型的“锻造”。

在他看来，银行等金融机构如果能在身份识别和控制、数据安全管理、风险模型管理，和自动化监控体系方面，做到高效完善，将会是非常理想的一种状态。

RPA与内部流程优化

还有一个关键词，在各家银行年报中出现频率越来越高，那就是RPA（机器人流程自动化）。此前AI金融评论也曾举办 《RPA+AI系列公开课》 ，邀请到五位头部RPA厂商高管分享RPA与金融碰撞出的火花。

RPA的定义，很容易联想到2012年左右的“流程银行”转型潮。当时的流程银行，意为通过重新构造银行的业务流程、组织流程、管理流程以及文化理念，改造传统的银行模式，形成以流程为核心的全新银行经营管理体系。

如今银行的转型之战，全方位升级为“数字化转型”，内部流程的优化改造在AI和机器人技术的加持下持续推进，RPA也迅速成为银行数字化转型不可缺席的一把“武器”。

达观数据联合创始人纪传俊 在「银行业AI生态云峰会」上指出，RPA+AI为银行带来的价值，最明显的就是减少人工作业、降低人工失误，提升业务流程效率，同时也提高风险的预警和监控能力。

AI金融评论注意到，已有多家国有大行将RPA投产到实际业务中。

以 工商银行 为例，RPA在工行的应用覆盖了前台操作、中台流转和后台支撑等多个业务场景，在同业率先投产企业级机器人流程自动化（RPA）平台并推广应用，全行累计46家总分行机构运用RPA落地实施120个场景。

建设银行 同样也引入了RPA，建立国内首个企业级RPA管理运营平台，敏捷研发业务应用场景 100 个，实现人工环节自动化、风险环节机控化。

农业银行 方面则透露，农行目前还处于技术平台建设阶段，之后将以信用卡业务、财务业务等为试点落地RPA需求。其实施策略，是建设全行统一的RPA技术平台，面向总分行各部门输出RPA服务。

中国银行 在2017年底，旗下公司中银国际就已有RPA的概念验证，团队成功投产20个机器人，分别在不同岗位执行超过30个涉及不同业务流程的自动化处理工作，也与RPA厂商达观数据展开了合作。

纪传俊也在云峰会上分享了目前AI+RPA在银行各大典型场景的落地：

例如智慧信贷，面向的是整个银行最核心的流程——信贷流程，分为贷前、贷中、贷后三大阶段。其中涉及数据查询、数据处理、财务报表、银行流水等专业环节，需要完成基础信息的录入、尽调报告的审核，而这些环节中的大量重复劳动，可以基于AI、OCR、NLP等技术自动化完成。

关于数据库，你可能最想知道的几件事

作者 | 易璜珵 责编 | 侯淼淼

出品 | 《新程序员》

互联网飞速发展的时代里，数据库、中间件和操作系统并列成为全球三大基础软件技术。而随着AI、5G和云计算技术的不断迭代，数据库的发展多面开花，越来越多的高校毕业生及资深技术人纷纷投身于数据库产业。其中，自行业互联网化和数字化加速以来，越来越多的用户选择上云，国产数据库市场迎来了新机遇。然而在一片光明的景象下，大家是否真的足够了解数据库呢？

CSDN经过海量用户、专家调研，收集汇总了十个开发者关心的数据库技术问题，并邀请腾讯云TDSQL技术负责人、首席架构师雷海林作出解答，希望为越来越多投身数据库的技术人才提供参考。

1、数据库产品在面向企业时（涉及负载均衡、数据传输、运营平台、故障发现分析和治愈、发布系统、冷备系统等等），核心服务有哪些？

数据库是一个复杂的技术系统，真正在业务中投产，要求同时满足稳定、高性能、一致、高可靠、易运维等特性，缺一不可。也就是说，从数据库设计到数据库引擎的运营、迁移，再到数据安全等。包含数据全生命周期在内的每一环都需要考虑。

例如，计算和存储都需要实现独立弹性扩展，保障系统的事务处理与分析查询能够稳定、高效地完成。而在云时代，保障跨城、跨中心大型集群的高可用比以往集中式数据库更复杂，因此自动化运营以及智能运维、智能监控等能力，是提升日常运营效率的关键，也是故障识别、全局仲裁、自动资源配置和调度，以及保障系统稳定、高可用的关键支撑。

2、数据库迁移怎么做？

针对高性能的优化可通过并发控制机制、有序消息并发重放、并发解析机制等方案来实现。数据一致性可通过消息异常检测、自动化切换、自动化冲突检测与恢复等技术机制来保障。服务高可用可以基于自动化扩容感知、多机容灾保护等能力实现。

3、实时计算大行其道，数据库如何应对？

随着技术的发展，物联网、大数据和互联网监控等拥有海量时序数据、需要实时数据做决策的场景越来越广泛，这些新兴的场景都是云计算、“产业互联网+”深化发展的必然结果，也是数据库等基础数据技术需要提前应对布局的技术场景。

针对实时计算场景提出的要求（比如大量数据输入、秒级别计算响应），数据库技术需要具备高性能服务、低成本存储、超强聚合分析能力等基本特性。而这些要求，时序数据库产品能够很好地满足。

随着未来场景特征的融合，实时计算的需求也将可能出现在各行各业的实际场景中。因此作为底层技术，数据库也将走向满足多种计算能力要求的多引擎融合发展， 用强大的底层能力支撑通用场景应用。这也是我们应该 探索 的方向。

《新程序员002：新数据库时代软件定义 汽车 》，由50位行业顶级学术专家和知名企业技术专家合力成书，图文与视频多媒体呈现。50多位专家倾心奉献。随书附赠《2021数据库全景图V1.0》和《2021 汽车 技术与产业生态全景图V1.0》，同时内含《2021年度数据库发展研究报告》和《2021年软件定义 汽车 研究报告》。

数据库作为核心技术三大件之一，我们从新型数据库普及、数据库开源趋势、数字化转型实现，以及资本助力产业等角度，邀请到27位数据库行业专家，共著非关系型数据库、文档型数据库、分布式数据库、混合式数据库、时序数据库、图数据库等的理论技术及行业实践，让数据库开发者快速提升。

智能驾驶作为人工智能的顶上皇冠，我们以技术和商业融合创新为主线，邀请到23位 汽车 领域专家，从开源系统、车路协同、数字孪生等不同视角分析了云计算、人工智能、物联网等技术给 汽车 行业带来的影响和机会，让 汽车 从业者深入了解产业动态。

本书高屋建瓴的产业分析和趋势预判适合中高端从业人员参考决策。同时，多位专家亲历的入门和实践之旅也为初学者提供了可借鉴的专业路径。

银行科技投入最新动向

银行逆势加大 科技 投入的主要方向，是金融新基建与新连接。

本文由「轻金融」出品

作者：李静瑕

一边是罕见的业绩“寒冬”，一边是如火如荼的线上化与 科技 创新，银行业正在上演“冰与火之歌”：

如果单看主要业绩指标，2020年上半年银行业可谓一片惨淡，15家全国性上市银行的净利润全部出现负增长，其中10家银行上半年净利润下降幅度在10%以上，占比达2/3。

而如果看 科技 创新和投入，似乎又是另一番完全不同的景象，利润大幅下滑并没有影响到上市银行的IT投入。华创证券统计发现，2020年半年报显示，大部分上市银行的IT相关投入都在上升。

另据轻金融统计，2019年16家全国性银行 科技 总投入超千亿，总计1034.1亿元。银行金融 科技 投入有何新动向？在打造金融新基建与数字化银行的过程中，银行的突破点又在哪里？

银行逆势加大 科技 投入

2020年以来的金融业务全盘线上化、零接触金融，既是银行业加大数字化的契机，也在一定程度上暴露出当前的问题即金融产品与服务同质化严重，银行业需要打造差异化、具有地域特色的创新产品和服务。

而银行业之所逆势增加 科技 投入，也是因为层出不穷的新技术，为传统银行的发展模式赋予了新的突破路径。在消费端，5G、IOT等给客户体验、场景创新带来了变革；在产业端，区块链、数据智能等新技术帮金融机构提升信用评估、风险监控等能力。

从全球领先银行的动作来看，通过借助数字化打破同质化、提高效率。麦肯锡一份报告显示，数字化转型对银行业的净资产收益率影响幅度在40%-49%，数字银行比传统银行在效益上平均提升17%，同时银行的成本也急剧下降。

这方面，国内大型银行已经建立了自身的领先优势。从2019年各家银行金融 科技 投入来看，建行与工行都在150亿以上， 科技 资金投入的绝对数量不分伯仲，招行也逼近百亿元，同时各家银行的 科技 投入都有较快增幅。

目前，银行业 科技 投向主要集中于两大方面，一是拓宽业务与应用场景，加大 科技 与金融业务融合的 探索 ；二是强化基础技术平台建设，融入分布式架构带来的系统革新。

以某股份行为例，2019年 科技 总投入41.2亿元，其中系统开发项目投入14.58亿元、电子设备采购投入3.55亿元、基础设施建设投入3.2亿元、信息 科技 咨询投入4022万元。可以看出，系统开发项目投入占了较高比例。

不过，银行数字化创新是一项长远的系统性工程，即便大型银行资金实力更充足，建立了强大的自有平台和 科技 优势，但不同银行仍面临金融 科技 定制化难题；而中小银行 科技 实力不足，数字化经营能力与线上渠道欠缺。

银行业转型的方向在哪里？“未来金融的核心要点，是打造新基建和数字新连接。”腾讯金融云总经理胡利明指出。

金融新基建：把金融 科技 的底子打牢

“下一步，我国大型银行的转型方向主要是数字化，”9月14日，银保监会大型银行部主任王大庆表示。这是监管最新对银行数字化的定调。

不过，要做好数字化，银行需要找准突破口。

如果要找近几年银行业创新标杆，微众银行无疑极具代表性，微众银行就全面采用分布式的IT架构来打造银行核心系统。

备受同业羡慕的是，通过部署在腾讯云提供的金融合规云机房里，按需使用，按量付费，微众银行单IT运维户均成本只需3.6元，不到传统银行的十分之一。其中，因为采用了腾讯云分布式数据库TDSQL，在数据库方面相比传统银行就节约了50%以上的成本。

自从14年支撑微众银行全面采用云架构上线业务以来，腾讯云从金融云的底层的基础设施打造出金融新基建全栈解决方案：1个自主可控的分布式云平台；移动中台、业务能力中台、数据中台、AI中台四大中台。

作为底层核心的分布式云平台，腾讯云已经服务于建行、中行、中国人保、中国银联、微众银行、中银证券等众多大型金融机构，比如2020年腾讯云帮助人保集团打造了多地多中心的全分布式了超大规模的集团云，能够使IT成本相对传统架构降低约80%。

数字化时代，手机银行App成为银行的主战场，不过“重开发轻运营”是不少银行存在的问题。腾讯云基于腾讯移动互联网产品开发和运营能力打造的移动端技术平台TMF，就旨在解决这一难题。

最新的案例是，2020年7月北京银行全新上线的手机银行APP“京彩生活”，就基于腾讯云移动金融开发平台TMF开发，新版APP对200余项存量业务流程进行了重构，是该行最大的一次手机银行迭代升级。

在开发过程中，腾讯云TMF提供的多项移动端开发运营关键服务，提升了业务响应与交付能力，研发效率提升至少1倍，业务交付能力提升至少1.5倍，给用户带来了更好的体验。

腾讯云联合长亮 科技 推出的分布式核心业务系统TDBF，采用业务流程和核心能力预置的方式，极大提高业务系统建设和扩展的效率，真正做到金融业务系统即服务。同时，该方案还率先支持了单元化、跨机房的分布式部署模式；腾讯神盾联邦计算目前已经落地多家合作银行，助力风控效果提升30%。

数字新连接：最大流量机会在微信端

在移动互联网时代，大部分银行都面临强烈的拓客需求，但是事实上银行业并不缺客户数。

在多年的发展过程中，银行业在C端市场沉淀了大量的存量客户。据轻金融此前文章，2019年末14家全国性银行零售客户加总总数高达40.5亿户。

不过，银行业的C端客户运营与拓展存在两大问题。

一方面，存量客户的活跃度远远不如金融 科技 共识，如何经营好已有存量客户是未来的关键；另一方面，在开拓外部客户方面，金融机构通过APP获客非常有限，目前流量成本越来越高，获客效果不明显。

金融机构获取新增流量还有机会吗？答案是肯定的。

胡利明认为，最大的流量机会和红利其实在微信端。“在金融行业，哪一家公司能够把微信端的私有化的流量池用好，将会是行业里面下一个‘拼多多’，具有巨大的潜力和机会。”

有这样一个代表性案例，在今年疫情期间，腾讯云帮助某大行的分行持续地进行营销的展演，累计生产了差不多超过100多场营销的活动，带来了超过31万的微信新客户的获客，平均贷款的进件转化率高达13%。

2020年以来，腾讯金融云充分发挥腾讯在用户连接方面的优势，将数据新连接打造为战略拓展的重点方向。

比如在数字渠道方面，帮金融机构建立微信小程序门户，作为自己流量阵地；同时，帮金融机构客户经理打造一体化客户运营工具，主要包括社群通和获客通，实现一切沟通内容数字化。

面对蓬勃的零接触金融服务需求，腾讯金融云在2019年就联合合作伙伴推出虚拟营业厅产品，实现了7×24小时的移动视频营业厅，支持超过100多种业务。截至目前，金融移动营业厅、金融的虚拟营业厅已经在57家银行落地。

在数字新连接方面，腾讯云提供基于微信生态的微金融渠道、云景开放金融平台、云霖产业金融平台等渠道升级解决方案，并打造了智能营销和风控支撑平台，为业务开展提供支撑，助推金融机构实现数字化渠道转型。

在风控方面，腾讯云也通过依托风控决策、机器学习、区块链及AI工具箱，以及覆盖超过2400个产业链、超过3500个的风控变量为金融业务的开展提供企业风险画像、产业链分析、全网舆情及产业智能风控服务，降低业务不良风险。

过去5年多，腾讯云服务的金融领域客户已超过万家，帮助大量金融机构通过数字化弯道超车。

如今，腾讯云瞄准新基建和新连接两大方向，提供从最底层的基础设施延展到业务赋能工具，极大契合了金融机构的转型需求。这一布局可谓精准，腾讯云也成为助力银行数字化的“破局者”。

本文来源：https://www.yuntue.com/post/149982.html | 云服务器网，转载请注明出处！