精彩内容即将上线...

过去几年中，随着行业的广泛关注和实践，区块链技术有了长足的发展，本次演讲介绍 FISCO BCOS 区块链技术社区通过“技术研究、应用落地、社区协作”多方面的努力，解决一系列区块链领域的“概念晦涩、架构复杂、应用落地难”的问题，并展望未来发展，探讨技术如何助力多方参与者实现互信对等的高效合作，令现有商业模式走向“分布式”成为可能。

内容大纲：

1. 简要介绍微众银行在金融科技和区块链领域的探索经历；
2. 探讨分布式商业的内涵，典型场景以及面临的技术挑战，介绍多个典型场景解决方案；
3. 从性能、易用性、可扩展性、隐私保护等方面深入优化，继续挖掘区块链技术的潜力；
4. 介绍基于区块链的分布式软件开源社区和行业生态的建设。

听众受益：

1. 了解分布式商业和公众联盟网等行业趋势；
2. 了解包括身份管理、数据协作、资产管理等方面的解决方案；
3. 了解区块链在司法、供应链、智慧城市、物联网等行业的应用情况。
4. 了解区块链领域在技术架构、前沿算法、平台建设、应用整合等方面的发展情况；
5. 了解如何从社区如何助力场景快速落地，以及做为开发者为社区做出贡献的方式。

Digital transformation is pushing new generation of banking and financial services platforms to go Open and Agile. The need to accommodate huge volume of data and events generated from mobile apps and IoT platforms is already a great challenge, and yet how can you apply realtime analytics on such data and on hybrid cloud environments?

There are many open banking platforms around the world but when it comes to enterprise grade scalability, extendability and reliability, many of them failed to live up to their expectation in production. What is missing?

Gartner is stressing the importance of event driven business with event driven architecture, why is it also paramount for financial services industry and how can it be done in a cool way?

So can we build a platform to answer the above questions?

内容大纲：

1. Key elements to digital transformation in financial services industry
2. Defining an Open and Agile banking platform
3. Different aspect of a distributed platform
4. Open platform components
5. Edge computing in financial industry

听众受益：

1. What is event mesh and event driven microservices
2. What is a truly distributed banking platform
3. How to apply IoT platform design concept to financial services

共同探讨大数据与机器学习在分期电商、智能营销、智能反欺诈、舆情监控、风险实时预警等金融科技场景中的实践，并介绍支撑各场景的大数据平台体系落地情况。

随着 DT 相关技术的发展，大数据和人工智能正在重构金融科技公司的服务业态。通过大数据驱动业务的理念，金融科技加速向自动化、智能化演进。从实现精准获客、智能营销，到多维度、多层次深挖并识别欺诈用户和欺诈团伙，再到实时舆情分析、实时风险预警，不断优化风险防范策略，形成数据与产品的闭环、数据与风险策略的闭环。大数据平台逐步锤炼为适配金融科技场景和特色的产品。

听众受益：

1. 了解大数据驱动下的智能营销、智能反欺诈、风险预警等实践；
2. 了解金融科技场景中数据标签体系搭建流程；
3. 了解适配金融科技的 Lambda 大数据架构实践；
4. 了解用开源非厂商版 Spark 体系实现高可用数据仓库体系；
5. 了解基于大数据底层技术的金融级数据质量管理流程。