身處為金融業提供服務的數據行業(及供應鏈管理行業，深切感到國內金融業正在新一輪細分中。
面向客戶管理的銷售崗位和麵向資產端的產品崗位，細分的節奏完全不同，以我服務的供應鏈金融業務而言，商業銀行多半隻理解到經營貸、擔保質押貸款、保理或票據層面，對於供應鏈運行中需要用到的多層級多形態金融業務組合基本是一臉懵。
我是一個信奉拿來主義的人，在新疆庫爾勒曾經把多項現成的銀行存貸業務根據業務體系需要組合成一個包、跟四大行在當地的州分行對接，對方大客戶部或企業銀行部的負責人都表示沒有這種組合先例，實施有難度。
不僅如此，我在給多傢俬募股權基金和產業基金介紹業務體系時，機構的投資經理也體會不到供應鏈金融與產業基金、併購基金之間的結合點。
從那時起我就覺得，是不是中國銀行業和金融業普遍到了服務能力的瓶頸期、尤其是不能從供應鏈視角來理解金融集成對於供應鏈成本和效率的優化能力？
因此，我覺得金融職業只有更加專業化的細分才不會邊緣化，以及更凸顯稀缺化。
尤其是我對供應鏈金融的發展趨勢判斷，是供應鏈管理將全面由供應鏈金融驅動，這種認知還需要我做許多工作來和各種相關金融機構一同學習、與之分享行業獨特訴求，我相信這個過程也會催生出新的工作崗位，這需要我堅持做時間的朋友。
為什麼要花大力氣跟你講職業選擇問題呢？
原因很簡單：普通人財富累積的主要來源就是職業收入。
不管是中國還是美國，居民可支配收入大約有70%都來自“勞動性所得”。
更何況，一個職業、一個行業的寬度和深度，其實決定了一個人發展的上限和下限，那種“上升期”的行業，即使是普通崗位，也是個人上升的巨大槓桿。
比如說，80年代時國營大工廠的採購員，90年代的外貿業務員、外企白領，2000年代初的銀行業務經理，2010年後的BATJ的IT工程師等等，這些都是令人豔羨的好工作，不僅薪水高，而且這些行業裡的機會讓很多人挖掘到了第一桶金，從而從“人賺錢”進入到“錢賺錢”的階段。但是你要是將這些職業（行業）選擇倒一下時間順序呢？
結果就完全不一樣了。
2020年前後，中國的經濟增長和財富邏輯會發生重大變化，全球也處在從“信息化”向“智能化”轉變的技術革命拐點：這些大轉折使得“好職業”和“壞職業”呈現出了和以前不一樣的特徵。
一、2020年，金融行業還是好選擇嗎？
想學金融不奇怪。過去一二十年，金融行業絕對處於職業鏈的頂端，很多家長和年輕人都擠破頭想進金融行業。各大高校的金融專業的錄取分數總是最高的幾個。
但這個邏輯以後不再是絕對真理了。未來十年，很多金融行業的員工都面臨很高的失業風險：
比如說，銀行櫃員、大堂經理這些傳統基層崗位就會大量消失。像中國四大行這幾年已經裁了近8萬人，為什麼？因為銀行實現網點智能化，各種智能機器現在已經可以承擔90%以上的業務。
原來最風光的信貸員也面臨下崗風險。像阿里巴巴旗下的網商銀行，一年服務上千萬家小微企業（2018年是1227萬），使用的全是基於大數據和人工智能技術的零人工干預的放貸流程，可以做到3分鐘內完成申請，貸款10秒鐘內到賬。整個銀行沒有一個信貸員。
還有，投行交易員，甚至數據分析師也要失業。高盛用軟件工程師替代交易員，大約1個軟件工程師能代替4個交易員。現在這個趨勢還在蔓延，有研究估算，從2020年到2025年的5年內，華爾街大約有10%的崗位要消失掉。
這些都不是個案。很多人沒有意識到，金融其實是人工智能替代概率很高的行業。
牛津大學的Frey和Osborne兩名學者做了一項研究，他們將不同行業可能被人工智能替代的概率算了出來。根據他們的數據排名，金融行業的人工智能替代概率平均高達69%。
除了信貸員以外，金融行業裡有不少工作，比如預算分析師、保險承保人、會計師、稅務稽查員，這些職業被人工智能取代的概率都超過了90%。相比之下，服務業被人工智能替代的概率平均才不過43%。
二、金融行業的職位大多是“可編碼”工作
流水線工人被機器人取代，這好理解，但為什麼像金融這樣高學歷、高門檻的行業也會是人工智能時代的高危行業呢？
這其實就是人工智能這次技術革命很不一樣的地方。之前幾次技術革命大多是以機械取代人力，完全沒有涉及我們人類最引以為傲的“腦力”活動。所以，基於“讀寫算”這些能力的職位大多是上個時代大家心目中的“白領高端工作”。
但是“人工智能”的出現開始入侵到人類腦力活動了。
人工智能的本質其實是“數據智能”，意思是人類找到行為中的規律，編出算法，然後依靠海量的大數據，讓計算機去學習和模擬這個過程，然後作決策。
所以，任何一類職業，只要工作內容裡有很多可重複的細節，有明確的任務目標，那就很容易被計算機算法進行編碼，形成程序——這種工作就叫做“可編碼”工作。
而未來，在這些工作中，計算機會利用強大的計算能力，通過海量數據的學習，快速掌握並優化這些技能，將人類遠遠落下。
比如說資料閱讀、記憶、複述、數據分析、總結——這些原來都是高門檻的人類技能，但在人工智能的衝擊之下，這些技能會迅速貶值，相關職業的技能護城河會被轉瞬沖垮。
很不幸，金融行業大量崗位都是這種“可編碼”的工作。櫃員、理財經理、信貸審核員這些職業，工作內容都是看材料、查報表、打電話、審核信息、按照模型評估風險這些高度“程序化”和“流程化”的工作，人工智能對他們的衝擊，比我們想象的大得多。
三、金字塔型職業v.s.扁平型職業
那這是不是意味著以後孩子就不要學金融呢？
回答卻是：不是這樣的。
因為金融是個大行業，細分職業很多，各個細分職業的人工智能替代概率的差距也非常大：金融行業裡，大約有60%的職位人工智能替代概率極高，超過90%，但是也有25%的職位人工智能替代概率很低，不到30%。
實際上，像金融這樣的行業，各種細分職業呈現的是一種“金字塔”的形狀：大部分基層到中層崗位都是可編碼型的，而處於金字塔頂尖的少部分職位反而更加“不可替代”，行業的財富會更加向這部分職位傾斜。
比如說俗稱的銀行家，他們的工作大部分是“找資源，協調關係，平衡利益”——這些頂層的職位，不是“數據驅動”，而是“以人為本”的，而這些技能，恰恰是最不可編碼，也無法程序化的。
再比如說優秀的基金經理，即使是量化基金經理，也不是像很多人以為的“依賴數據”，數據只是他們的工具和參照，他們的決策依靠的是經驗、直覺、決斷力、判斷力的綜合體，這種能力，也是不會被取代的。
說到這裡，其實你就明白了——像金融這種金字塔型的大類職業在人工智能的衝擊下，會呈現出兩副面目，一方面大量可編碼的職位會被取代，另一方面金字塔尖的職位會獲得更高收益。
但是要注意的是，這些職位因為具有稀缺性，自然就有了更高的門檻——學歷、學校背景、家庭背景都有很大影響。
美國研究表明，商科和經濟類專業，只有考入排名前25%的大學，薪水才有顯著提高，其餘金融畢業生的薪酬就和其他專業沒有顯著差異了。
中國基金經理中，87%都畢業於北大、復旦、清華、上財等12所高校。頂尖私募、投行的高級職位更是常春藤、清北復交的專利。
所以，到底要不要讀金融？我的答案是：
如果家境非常優越，或者能考上清北復交、常春藤學校，那麼學金融仍然是好選擇，但如果是普通一本，甚至在二、三本高校就讀金融，那麼畢業後大概率會做基層“可編碼”的重複性工作，未來的職業危險度可能就比較高。
除了金融以外，還有一些職業也屬於這種“金字塔型”，也就是整個行業的人工智能取代指數高於50%，但細分職業差距很大，少數頂尖位置有美好未來。比如說法律、商業、銷售，都是這種類型。
和“金字塔型”相對的，就是更“普適”的大類職業——“扁平型職業”。
這些行業的人工智能替代率都低於30%，整個行業的差異也相對小。比如說社區和社會服務、管理、醫療保健執業醫師和技師、計算機和數學分析等等，對於普通人來說，這些行業（職業）會更有未來。
所以，如果再有人問你金融是不是好職業，或者其他“金字塔型”的行業是不是好職業，你要怎麼回答？一定是先看在細分職業上是否可編碼。
如果可編碼，那麼未來就非常有可能被人工智能所替代。當你選擇職業或者給親友提供建議的時候，希望你也能擺脫對傳統“高大上”職業的迷戀，牢牢地記住這一點。
我個人一直覺得，金融是一個很殘酷，更新迭代很快的行業，競爭激烈、全拼實力。
尤其是涉及操盤投資的。如果你的決策是錯的，你的收益很差，你就被淘汰了，你的經驗積累幾乎都是0價值，這非常的殘酷。
但是，金融應該作為通識科普，作為每個人的基本盤。尤其進入萬元美金社會，只有自己懂金融，才懂決策，不至於被騙被忽悠。
金融是個好職業嗎？
我覺得，並不是，要做金字塔尖的佼佼者，鳳毛麟角，實屬不易；但是，金融應該是每個人的必修課，這關係到每個人的切身財富。無論哪個行業，只要做到足夠優秀是不會被取代。
互聯網行業：
1、運營：如果是基礎的運營專員，每天確實會做一些流水線的工作，他們的未來確實被人工智能取代的概率很高。但是如果你是作為一位運營的總監，你所處理的事情，有可能每天是有差異的，都是需要自己經過思考，權衡各方面利弊去處理事情，那麼被取代概率很低。
2、產品經理：如果是普通的產品經理，其實每天也就是拿其他的產品去模仿，沒有什麼創造力。哪怕人工智能不取代你，下一代的年輕人也一樣取代你。但是如果是高級的產品經理和產品總監，那麼他們所做的產品，都是需要經過自己的思考，利用自己的創造力來打造一些爆款，所以被取代的概率也就更低了。
3、程序員：這是個比較特殊的職位，因為技術不斷更新迭代，之前公式使用php編碼，現在改為jave編碼，如果對於jave不夠熟練，那麼很可能就面臨裁員風險，這也側面放映出中年危機。但是如果足夠強大的技術背景，一樣可以做到高級的技術管理層，那時候你的核心競爭力將會是技術+溝通+管理，那麼替代的概率就低了。
本科是生命科學類的，進入實驗室也發表了幾篇sci，說說這方面的感受。
現在有一些科學家是依靠挖掘基因相關性來發表文章的，隨著未來大數據的互聯互通，人工智能的強大算法，依靠這種方法將會面臨強大的挑戰。
而一些依靠獨創性地發現新想象，能有效將人工智能作為工具的科學家，將會引領下一個科學界。
一句話，你需要足夠優秀，站在整個行業的頂端。
閱讀更多 凌風商業手記 的文章
