对新技术在创新产品和服务模式上进行局部范围的试验或试用，及时发现并规避产品缺陷和风险隐患，并及时预警。深入掌握新技术创新本质，提高对金融创新影响现有产品和服务的预判能力。（4）对下：技术输出①金融云在国务院《关于促进云计算创新发展培育信息产业新业态的意见》、原银监会《中国银行业信息科技“十三五”发展规划监管白皮书》等政策推动下，云计算加速向金融行业渗透。
同时，“互联网 金融”时代对金融行业的信息化基础提出了新的要求，产品迭代越来越快、交易量峰值无法预测等挑战要求金融行业必须尽快利用云计算技术提升信息化水平，“银行上云”已是趋势所向。目前银行业主要有两种金融云构建模式，一类是银行集团内部自建，另一类是其他银行或专业机构输出的金融云服务。中小金融机构因为技术能力不足，资金有限，自建金融云条件不成熟，需要通过整合外部资源降低科技成本，实现跨越式发展。
银行系金融科技子公司对中小银行进行金融云输出将是未来重要的发展方向。在金融云的基础上，将全面衍生出金融超市、资金存管、线上信贷、聚合支付、资信证明、电子钱包等业务模式，形成一个完整的商业生态闭环。②开放银行开放银行是银行系金融科技子公司未来重要的探索方向。在原有金融云业务、技术和客户积累基础上，基于模块化的开放API，银行系金融科技子公司将在金融机构和商业生态之间，以“第三方开放银行平台”的模式，架起中间桥梁，帮助金融机构有效对接各类商业生态，利用场景创新能力获客导流，同时帮助各类商业生态参与者快速利用金融机构的专业能力，为客户提供切合需求的、合规的金融服务。
数据科学和金融行业的交界岗位有哪些呢？
我知道的并不是全部的情况，不过应该有一些职业可以作为备选：（1）信用建模类。通过用户的历史数据进行用户信用的评级和分析，适用于开展借贷等业务的金融公司，尤其消费贷更加合适。目标公司主要是拥有较多用户数据的企业，例如：蚂蚁金服、银联、京东金融等，这类企业拥有大量用户数据，并可以结合第三方数据对用户的信用情况进行画像，可以说是数据分析和金融结合较为紧密的一个领域；另外还有接近于此类的就是互联网金融（或者p2p领域）（2）量化。
这个领域实际上也需要大量的数据以及模型测试等，不过总体上对于金融方面的知识技能要求会高于对数据分析类技能的要求，同时一般量化涉及的数据量级和维度并不会非常大，因此对数据分析的技能要求没有那么高了，倒是对统计模型的要求会更高，不过数据分析肯定也学习了很多统计学，所以也可以作为一个方向；暂时想到这两类，如果后续还有想到的话继续补充。
