过去一段时间系统的接触了一些产融结合的项目和案例，简单写下点自己的感悟，举的例子只是为概括性的简化的说明问题，不涉及具体实施细节。

文字全原创但图片皆来自网络，存储已久忘了出处实属抱歉，侵删。

*背景之基础设施性能评价

背景当然要从过去几年的本职工作说起。

原油从油田（起点）开采出来通过管道（路径）输送到炼厂（中间点），然后通过卡车（路径）运到加油站（终点），这是一个单条线的石油产业链。

实际上石油行业的产业链，包含有若干油田，经过不同管道，连到各个炼厂，然后进入不同销售终端，各个起、中、终等节点通过不同路径交叉连接，从而形成产业链的宏观网络模型结构。

这个网络从架构上说通常具有这样几个特点：

1多源。网络中含有各种量纲、各种物理意义的数据，不同数据产生的频率、起作用的范围也不相同。

2动态。网络中的各种数据或指标都不是定值，而是随着工作状态变化而时刻波动变化的函数。

3关联。节点的状态变化、是否可靠或异常，直接或间接影响和其相关的路径或节点。（类似参考马尔可夫过程）

4嵌套。节点内部实际上也是一个网络，比如宏观上将炼厂视作节点，而炼厂内部也是由各种设备设施各个小节点小路径组成的网络；再往小说，每一台设备又是自身各个零部件组成的网络。所以整个模型由各层次网络相互嵌套形成。

5反馈。通过总体评价结果回溯寻找网络中的关键或薄弱的节点或路径，通过优化手段有针对性的进行改进，从而提高整体performance。

这样一个复杂的网络架构，每个模块内部和模块之间的计算，需要各种统计、概率、矩阵、积分变换、机器学习等等的基础知识，以及这些基础知识在工业应用范畴里实际物理意义上的投影。

这个网络的正常与否，不光关系百千亿元级基础设施的安全运行，也关系到亿级用户的生产生活保障。哪怕是在大数据这个字眼日渐泡沫的时代，这个网络也配得上大数据这个称谓。

大到宏观的天然气、电力、交通、通信系统，小到企业内部的生产线，大大小小各种流程化的领域也都是类似的逻辑，都可以用类似的网络结构来分析和解释。而且流程化越是正规，组织结构越是清晰，这种网络的分析解释意义就越强，对相关性和结果的预测也就越有效。

*产融结合之产业链信贷优化

个人申请信用卡，银行会考察房产、工资决定授信额度；企业申请贷款，银行会用固定资产、营业额决定授信额度。

银行对个人和企业的信贷，目前来说不论贷前管理多么严格，大多仍停留在用上面这些历史静态指标作风控管理的层面。资金进入个人消费和企业生产环节之后，缺乏动态实时管理手段。个人信贷方面，根据消费行为和场景做数据分析已经在网购等领域先走了一步。相对来说，企业信贷方面，长期来的产融互不了解是实施动态管理的一个重要制约因素。

举个例子：

一个企业家从国外购买原油，途径海运陆运送到炼厂，炼成各种产品之后完成销售。以此项目打包向银行贷款。站在银行来说，开始借给企业家100块，理想情况一切都按计划完成，年底销售回款后企业家还银行110块。万事大吉。

但如果任何一个环节如果出现延迟或暂停，会对收益产生多少的下降或者延迟呢？比如油轮晚到了两天，或是某条生产线突发故障一周，反应在最终的收益上，是变成了105还是80，还是晚了三个月？流程的变化和影响对银行来说完全是黑箱子，就需要一个依据产业链流程的模型来分析评价并量化的给出结果。

之前背景所说的方法中利用不同类型数据将每个环节对相关环节影响的分析评价，从金融角度来看，正好等同于风险控制。

在银行基本的风控模型基础上，融入物流、生产、销售等等一系列数据，通过实时参数指标做修正，就得到单企业用户的动态评价模型。

随着纳入模型的企业用户不断增多，相应的充实上下游市场供需数据、同业数据、反欺诈数据等，可以形成产业链网络的动态评价模型。

之前讨论这个话题，经常会被问到这样的问题：

企业会愿意把自己的数据拿出来么？

没有人会随便把自己的房产证和工资单拿出去给陌生人看，但是去银行办信用卡，这些是必须提交的材料。同理，如果银行认为某些数据是申请贷款征信必需，原则上就不存在愿意与否的问题。

那么这些数据是不是必需呢？

结合上一个问题，答案应该是：取决于银行的意识和理念。

十几年前大马路上摆一张桌子就可以发信用卡，今天敢于这样做的银行恐怕没有多少了。

一方面，2015年万亿量级的不良资产在倒逼风控管理提升，如果可能在项目进展中就另一方面，互联网硬软件和数据技术的发展又给做更高级的风控提供了可能。

第一个提高风控意识撤掉马路上信用卡办理业务的银行短时间内是损失发卡量最大的，长时间看却一定是受由此产生的不良资产所累最轻的。

当然，在企业正常生产运行的海量数据里面，信贷风控所需的并非全部数据。能够既全面到满足风控要求，又精简到不让企业“讨厌”，选取必需数据是需要对产融双方都有深刻理解的关键环节。

*产融结合之运维优化

大型机组是能源行业生产运行的核心设备，其维护费用通常也是企业主要开销之一。目前的现状是，业主一般对设备定期做检查维护修理，但是每台机组不同时间在不同地点都处于不同的工作状态，定期维护是否正确呢？如果机组负荷很低，那么定期维护相当于过度维护，不该修的时候修了，产生浪费；如果机组负荷很高，那么定期维护相当于维护不足，该修的时候没修，产生了运行风险。

因此，结合每台机组的实际工作状态的历史和实时数据，用机器学习的手段在指定误差下训练出模型，得到等效运行时间来代替固定维修间隔，更能反应机组的实际状态。

通过长时间对大量机组维修维护的分析，过度维修是远远多于维修不足的。也就是说，如果用等效运行时间作依据进行维护，更多的情况是将原有的维修间隔（比如上面的红线）延长（比如上面的蓝线），即节省了维修费用。

从企业个体方面来说，同上面案例中的银行一样，是否采用优化运维一样主要取决于自身意识和理念。

大型央企往往担负保供，比如整个冬天某个重要大城市不许出现能源断供，企业经济问题上升到政治问题的时候不可避免牺牲点效率和资源或许情有可原。但是对于越来越多进入能源领域又不承担重大社会责任的民营业主，仍旧抱着定期维护理念，就显得过于浪费了。

优化运维遇到的最大顾虑莫过于，延长的维修时间内万一出现了问题怎样解决呢？

首先，实际情况中，即便定期运维也可能临时出现问题，而往往设计阶段就已经通过已有的物理上的冗余机制来规避单一机组故障对整个产业链流程的影响。

其次，如果只有产的思想，那么解决问题就只有发动技术人员去提高生产和维护水平一条路可走。但是如果可以把产和融放在一起，别忘了有些金融工具是最擅长解决风险问题的了。

维修间隔可以延长百分之多少，这个延长的置信区间是多少，每次维修要花多少钱，延长间隔省了多少钱，期间一旦临时出现故障支付各方面赔偿多少钱，故障出现概率和分布规律是什么样的，以这几个数字为核心就可以设计出相应的工业保险产品。降低运维成本的同时分摊了风险，一举多得。

说到这里，不得不摆出这样一张图。

拿天然气发电来说，主要成本三方面，建厂+烧气+运维。（当然这里我们先不谈税，你懂的。）

考虑到过去两年天然气总体成本下降，这方面的差距在缩小，那么发电的冤枉钱基本花在运维水平低下这件事上。

纯技术上高端装备的制造和维护全面赶上世界先进或许尚需数十年的光景，产融结合的解决方案或许能让雾霾下的肺们大幅缩小这个等待时间。

对票贩子号贩子的打击力度多大也极少能根治问题，是因为市场需求的特点是自己会去寻优。

同样，与其靠行政命令干预强制煤改气，与其乱投医般限这限那就为了保证可怜几天的XX蓝，不如更多的鼓励推广经济上可行的清洁能源实现方案。通过运维优化加金融工具实实在在的拉低清洁能源成本水平，让越来越多的企业和个人有动机去选择清洁能源，恐怕是更功在当代利在千秋的事。

*产融结合之智能投顾

大多在计划经济体系下接受教育的人眼里，能源首先是保证国计民生供应使用的。全世界角度来说能源产品的第一属性更多反映在金融属性上。

于是也可以像研究各种金融投资品那样，去分析能源产品价、量、线等的基本数据，供需、库存等的行业数据，各种利好或利空等的行业事件对能源产品走势的影响，结合量化投资做出专有智能投顾产品。

这部分工作还在推进中，就先不多说，改天再单独拿出来细表。

先卖个关子，下面这两张图，你能从里面读出什么信息呢？如果正好你还会编个机器学习的程序，不妨动手尝试一下：）

顺带说一句，接触量化投资之后发现，传统投资里的操作技巧变成了一种常识，大多可以指令化的安排给计算机，于是对数学的了解就变成了核心。同样道理，真正实现有效的商业智能BI，经济和金融是基础，对相应产业的理解才决定解决方案水平的上限。

*小结

虽然话题全部围绕能源行业，但实际上能源代表的几乎所有传统第一、二产业，同这些年金融行业IT行业比起来，对数据的利用都有相当大的差距。

货币基金是70年代就已经有的金融产品，但是余额宝和微信们在适当的时间借适当的市场机会拿来做工具反过来冲击传统金融行业，不仅抢了银行的储户和支付渠道，而且在某种程度上逼迫银行实现了若干年解决不了的免费转账之后，人家自己开始收费。

同样道理，一、二产业的每个传统行业里面都不乏各种优秀的工具和解决方案，需要在适当的时候借助适当的市场机会来成为搅动原有平衡的鲶鱼，给整个产业链甚至全社会创造更大的价值，而这样的鲶鱼大概率来自既有体系之外。

很早就听人说，越是没人讨论股票的时候，越是应该买入的时候，越是满大街人人谈论股票的时候，就该见好就收了。

上行过程中，恐怕少有人关注风险，少有人考虑优化。

在下行压力下，寻求高效和优化才有了动机，或许才是这方面解决方案的机会所在。

最后，感谢你能花时间一直读到这里。

之所以涉猎到这些领域，根源在于2015年有幸代表某央企赴GE油气集团总部同其开展了一个为期半年的能源行业Big

Data的合作项目。业务水平提高的机会本身就很难能可贵，更重要的是亲身感受到：从idea到solution，从can到be able to，更需要有意识的leverage各种resource--技术的，经济的，市场的，理念的等等方方面面--来实现解决方案，创造价值。

于是就自己来说，既时刻跟踪业务领域前沿，又在每个环节去get hands dirty，同时寻找需求和解决方案的结合，始终会是“不务正业”的兴趣之一。

上面所提到的，不过是过去一段时间接触业务的一部分，短短几千字也不可能做到任何一个话题的面面俱到，所以：

如果你对任何可能产生共同话题的方面感兴趣，都欢迎讨论交流。

如果因为水平不够写的不明白而产生误解或是有反对意见，更希望直接指点。