招商银行评论（招行真垃圾啊）

本文目录

• 招行真垃圾啊
• 信用卡哪几个银行的最值得留
• 五大赛道、八位专家，银行局中人眼里的AI江湖
• 招商银行面试

招行真垃圾啊

利息是没有办法，这个是无论如何都要还得，滞纳金和你的欠款有关，所以不好评论高于不高。但是我当时在工行2000元忘记还款1天，滞纳金罚了我100+元呢，我那个时候才是郁闷的不得了。
在中国，你就尽量适应吧，目前的跨行取款都调整了，也没见的什么动静，银行协会还说是合理的。
如果你不能改变环境，那么你就适应环境吧。
希望能对你有所帮助。

信用卡哪几个银行的最值得留

我认为注销一些卡是对的，一般用户保留4-5张即可。信用卡主要考虑权益和额度，建议保留浦发银行、工商银行和招商银行

1、浦发银行额度较高，可以申请运通AE白，屌丝三百之一，每年有一次权益升级，非常给力。另外浦发的万用金贷款，对于有资金需求的用户非常好用。
2、招商银行，只要正常使用，提额很快，另外消费、餐饮等活动比较丰富，可以养卡到50000之后，申请经典白。

3、工商银行，宇宙行作为行业标杆，只要资产或信用良好，提额无上限，并且网点多，使用方便。

其余的可以根据日常的需要，按卡权益来选择。比如：车主卡、里程卡、商超卡，等等。
我认为最值得留的卡（提额又快又稳定的信用卡）是招商银行，农业银行，浦发银行和民生银行原因如下:
一、招商银行信用卡（附简单提额方法）
招商银行信用卡提额周期是很稳定的而且提额又高

招商信用卡喜欢小额刷卡，你刷的次数越多招商越喜欢，招商信用卡喜欢分期，分期周期控制在3到6个月就行，招商信用卡还喜欢信用卡提现，如此操作不想提额都难（招商喜欢的商户餐饮 娱乐 类商户）

招商银行每周三五折的活动也很给力
二、农业银行信用卡
农业银行是四大国行里提额最稳定的每三个月提额一次，农行喜欢大额消费（餐饮 娱乐 类），农行近几年来的活动也不错，也值得保留

农行切记不要用临时和提现
三、浦发银行信用卡
浦发银行这些年的活动非常给力，经常送刷卡金，积分，商家活动也不错，而且浦发银行有张卡加速白是5倍积分，积分很给力，可以兑换里程，喜欢坐飞机旅行的朋友有福了，可以免费坐了。

浦发喜欢大额分期，只要你敢分期他就敢给你提额
四、工商银行信用卡
工商银行信用卡喜欢大额消费（非常耐撸），要想提额其实非常简单，提额又快又高。

工商银行有名的刷星级提额法，买理财5万起步，刷到双7星，在申请一张工商银行信用卡，额度和提额是非常高的基本上都在5万以上。
喜欢的朋友可以关注一下，有大小机需求的朋友或者有什么不懂的可以私信下！不定期与大家分享信用卡知识！欢迎更多小伙伴加入卡农大家庭，更多内容会让你受益的！
跟上面几位大老板比不了，我是 社会 底层人士，额度很低。

建行：18 000

中行：3 000

邮储：9 000

招行：26 000

光大：6 000

浦发：27 000

工行：48 000

交通：16 000

我也想注销几张，太多了，但经不起诱惑，别人叫我申请，我就去申请，结果越来越多，还好大部分是免年费的。

觉得最值得保留的是工行和招行吧。

楼主厉害。

我认为注销掉一些卡是很对的，可以把额度集合起来。最值得留的

1.工行

宇宙第一行，贷款利息低。

2.招行

额度批得好，最容易提高额度。

3.其他的，浦发，额度高可以留。交行，实力好，较稳定。

其中，中信银行，我被他降过额度，无缘无故的，所以印象不好。中行，属于功能性银行，对零售客户不咋地。建行农行我没有，不评论，民生不好，额度低。

本人用信用卡已接近15年，应该算是比较早的吧，从04年刚上大学开始办理的一张招行young卡开始，初始额度3000。到目前手上有5张信用卡（总额度才13.7万，实际7张，注销了2张），应该也算是用卡也比较早的吧，其实自己用卡一点也不专业，没有养卡的意识，下面只是说说自己的心得体会跟建议。

用招行的过程中办过建行和兴业银行的信用卡，没两年就被我注销了。

上班之后有一次跟老婆逛街，大概14年吧，沃尔玛超市门口有办交通银行联名信用卡的，当时在国企上班，下卡额度20000，下卡之后基本没怎么用，结果半年之后额度自动涨到40000，怪不得网上都说要冷落交行一段时间，额度就自动涨了，实践证明确实是，现在也基本没怎么用。听说风控很严，很容易降额封卡。

下面说说宇宙第一大行，大妈行，大妈行作为宇宙第一大信用卡发行行，申请信用卡与众不同，没有任何工作也可以申请，17年本人辞职，网申了一张工行 星座 金卡，以自由人身份申请，结果下卡额度20000，出乎我的意料，听说大妈行额度涨的很快，目前正在养卡中，另外大妈行分期费率宇宙最低。
另外还有一张民生银行的15000，农行的5000，均为激活。

综上，招行肯定是很值得拥有的信用卡，大妈行那就更不用说了。
自身需求
首先，你要明白你办理信用卡是为了什么，资金周转还是纯粹的薅羊毛，每个银行的喜好不同。

招商，提额块、贷款高，餐饮类活动比较多

浦发，提额块，贷款利息高，活动相对来说比较少

中信，公认的铁公鸡，但是贷款额度给的非常高，动不动二三十万的给，养着不动后期会打折

交通，公认的风控大哥，交通以其风控能力被称为第五大银行，主要活动是红色星期五，因其风控，尽量不要作为资金周转使用。

民生，三个月可提一次额度，活动也没多少。

四大行，建议最少持有一张，持有四大行的卡，后期办理其他业务，风控会相对轻松一点。

你可以根据自身情况，选择比较合适你个人的卡片，再选择其他的注销。

目前有11张卡

广发白金11万，储备资金。

浦发白金9万，储备资金，积分加倍。

民生白金5万，资金储备。

中信白金3.5万，看imax电影。

交通金5万，买菜。

招商金6万，购物，活动多。

光大金6万，储备资金。

农行ETC金4.5万，交过路洗车。

北京白金1.3万，专吃五星酒店自助餐买一送一。

汇丰白金2.3万，看九元电影用。

中国银行2万，鸡肋的存在，准备销卡。

我说说我本人的给您参考一下。

1.招商银行2015年1月份激活初始额度6000，现在额度56000；

2.光大银行2015年4月份激活初始额度5000，现在额度20700；

3.交通银行2015年7月份激活初始额度14000，现在额度66000；

4.建设银行2015年7月份激活初始额度15000，现在额度还是15000；

5.广发银行2015年9月份激活初始额度15000，现在额度86000；

6.广州银行2017年5月份激活初始额度30000，现在额度68000；

7.浦发银行2017年7月份激活初始额度45000，现在额度90000；

8.平安银行2017年8月份激活初始额度30000，现在额度30000。

从上面的时间跨度，审批额度，以及最终额度可以分析得出，建设银行、光大银行和平安银行的信用卡从额度上看并不是那么好用，但是光大银行信用卡有个好处，它的积分值钱，可以用来兑换商品不花一分钱；招商银行、交通银行、广发银行、广州银行、浦发银行的信用卡都是不错的，额度总体来说比较容易提，额度也较高，招商银行提额快，3个月一提，多用多刷很快就提起来了，还有，浦发银行我就用过一次它的万用金，感觉“唰”的一下，额度一下子给我提到9万了。交通银行最初我以为不好用，提额非常慢，但后来多用刷的金额大，它的后发力就爆起来了，额度也很快给我提到6万6。

以上就是本人的用卡经验分享，喜欢的给个赞呗

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。

招商银行面试

根据当时的客观情况和环境而定，听说比较难。
1.开始面试时即进入一种轻松的注意力集中状态。 这种状态是杰出的网球运动员、篮球运动员或花样滑冰运动员在开始比赛时所具有的。你可以在开始面试前通过沉思和冥想来去除心中的杂念，把注意力集中在当前的面试上，从而使你不至陷入紧张、自责和自我怀疑的状态。
2.要表现自然。 这种自然来自于你面试前的充分准备。要表现出真实的自我，表现出自己的专业性，与面试者诚实地对话。面试前，应与你的家人或朋友做几次模拟面试，就像期末考试前设想可能出现的试题一样。
3.为面试定下目标。 要做到在结束面试前尽可能多地向面试者介绍自己的技能、能力、经历和成就。如果有什么误解的地方，在离开前一定要澄清。如果你感到面试者没有问到你认为很重要的问题，直接或间接地引导其提出这些问题并给出圆满的回答。在面试中一定要提出你自己的问题，并尽可能争取第二次面试。
| 4.明辨问题背后的问题。 事实上，所有的问题最终都归结为这样一个问题，即："为什么我们应该雇佣你？"有些问题实际上是想了解你的个人生活，担心你的家庭是否会干扰你未来的工作。这时你应该有意识地避免给面试者造成这样的印象。
5.面试后马上给面试者发一封感谢信(Thank-you letter)。 感谢信一定要精心写就，这是你推销自己的又一次机会。在信中，你可以进一步发挥你们在面试中讨论过的主题，提出建设性的建议以证明你对雇主来说是有价值的人才。精心写就的感谢信将使你在众多候选者中鹤立鸡群。
6.站在面试者的立场考虑问题。 面试者的责任重大，她所选择的必须是众多候选者中最棒的。"你确实有能力做这份工作吗？"" 你有什么独特的地方吗？"" 你能融如我们公司的文化氛围吗？"这些问题时常萦绕在面试者的脑海中。作为候选者，你不仅应该表现得刚好合格，还应该超越工作所要求的最低标准。
7.对常见问题的回答要充分准备。 "请介绍一下你本人的情况(Tell me about yourself.)"，这是每个面试者都会被问到的问题。你的回答应该围绕这样一个问题来展开，即："为什么我们应该雇佣你？"面试前详细准备好这个问题的答案，一定要包括有你过去工作经历中的例子，并尽量与你当前申请的工作的要求相吻合。因此，事前尽可能多地了解你所求职的公司的情况必不可少。
8.把握好自己的身体语言。 据专家分析，口头语言只表达了我们要交流内容的30%-35%，而其余的是靠面部表情和身体动作来传达的。以一种自信的姿态走进面试者并就座，向面试者稍微倾斜上身以显示自己的兴趣和热情，保持眼睛接触，说话时语调自然而略带兴奋以显示你是多么渴望得到这份工作。
9.小心有关薪酬的问题。 不要过早地提出自己的薪酬要求以免落入陷阱，过高或过低地的薪酬要求都可能使你得不到那份工作。你可以询问这个工作的薪酬范围，尽量推迟讨论有关薪酬的问题，直到你对这份工作的职责范围有了充分的了解。
10.避免说多余的话。 不要有意暴露自己的内心世界，谈论与面试无关的人和事。以正面的态度谈论自己过去的经历。即使你与过去的老板有过节，也应尽可能地表达你对过去工作的热情。在面试中，你对任何人或事所做的负面评论都会使你显得像是一个难以与人相处的人。