_原题是：《中国金融》|徐瀚：银行数字化转型的认识与实践
作者|徐瀚‘中国农业银行副行长’
文章|《中国金融》2021年第2期
【中国金融杂志|农行副行长徐瀚：银行数字化转型的认识与实践】新一代信息技术加速发展 ， 引发了全社会思维方式、经营管理模式、市场发展格局的深刻变革 。 国家持续加大5G、云计算、超算中心等新型基础设施建设力度 ， 数字经济迅猛发展 ， 战略机遇百年难遇 。 在这个大变革、大发展、大融合的时代潮头 ， 商业银行纷纷推进数字化转型 ， 意在于市场竞争中赢得先机 。 但是 ， 当前银行业对数字化转型的认知仍然存在较大差异 ， 数字化转型的最终表现形式是什么、应该怎么做以及如何检验等问题亟待解答 。 对此 ， 银行业需保持独立思考和冷静判断 ， 从更深层次去研究 。
商业银行数字化转型的新认识
数字化转型是商业银行调整生产关系适应生产力发展的内生选择 。 生产力决定生产关系 ， 当新的生产力产生的时候 ， 就需要调整旧的生产关系 。 对于商业银行来说 ， 算盘时代有算盘时代的生产关系 ， 数字化时代就应该有数字化时代的生产关系 ， 数字化转型就是调整生产关系以适应生产力的过程 。 随着设备小型化、计算能力快速提升和成本大幅下降 ， 以及存储、通信等基础技术的不断发展 ， 促使了大数据、人工智能、云计算、移动互联等新一代信息技术迅速发展并进入成熟期 ， 引发了商业银行服务方式、管理模式和竞争格局等方面的深刻变革 ， 催生了商业银行的全面数字化转型 。 商业银行是主动还是被动调整劳动组合、业务流程、规章制度等生产关系来适应生产力发展 ， 是数字化转型快与慢、好与坏的分水岭 。
数字化转型的本质是用新技术对传统银行经营管理进行解构与重塑 。 数字化转型的本质就是通过对传统业务、流程等解构 ， 再采用新理念、新技术、新方法对其进行重塑 。 在这个过程中 ， 传统业务、流程等的要素没有减少 ， 发生变化的只是结构、方式和方法 。 例如 ， 传统信贷中往往依靠各类报表、关系维护、押品管理等发放贷款 ， 而在数字化时代 ， 不仅可以依靠各类报表 ， 还可以利用税务数据、进出口单据、水电煤数据等 ， 通过算法规则进行授信测算和风险管控 。
数字化转型的过程是在全渠道、全场景、全链路下实现业务数据化和数据业务化的螺旋式上升 。 全渠道、全场景、全链路是指线上线下全渠道一体化 ， 包括C端、B端、G端全部场景 ， 覆盖业务拓展、市场营销、产品研发、风险管控、运营管理和资产保全等各个环节 。 在数字化转型的过程中 ， 数据是关键 ， 所有业务均要产生、沉淀数据 ， 各类数据都要为业务发展赋能 。 全渠道、全场景、全链路下的业务数据化和数据业务化可以实现数字化转型工作从单点突破到全局优化 。 进一步地 ， 将全渠道、全场景、全链路下银行与客户的每一次交互抽象为一个触点 ， 客户或员工在每个触点交互沉淀数据后 ， 通过决策算法生成日常经营中的作业或任务 ， 再将作业或任务进行部署、执行或监控 ， 最后回收 。 这个过程中 ， 还会产生实时数据支撑业务发展 ， 最终形成循环往复的闭环 。 目前大多数商业银行对数字化转型的认知和实践还主要停留在“业务数据化”上 ， 在“数据业务化”方面的谋划和探索明显不足 。
数字化转型的最终表现形式是人机协同下的“数据+算法” ， 人机协同中“数据+算法”比例越高 ， 数字化程度越高 。 数字化银行是由人和机器组成的一套流水线 ， 机器由“数据+算法”组成 。 人定算法 ， 机器形成决策 ， 人机协同执行决策 。 商业银行正在由基于主观经验的滞后离散经营管理转向基于数据智能的实时连续经营管理 ， 而“数据+算法”是实现数据智能的关键 。 数据基础再好 ， 没有算法便无法创造价值；只有算法 ， 没有高品质数据也无法产生智能决策 。
数字化转型的检验标准是“多快好省准” 。 数字化转型的最终目的是创造价值 ， 如果数字化转型没能给客户带来好处 ， 没能给商业银行带来质效提升 ， 那么披着“区块链”“大数据”等技术外衣的创新都是伪创新 。 从客户来看 ， 商业银行应该秉承金融科技为民服务 ， 为客户提供收益更多、流程更快、体验更好、费用更省的产品和服务 ， 在每个触点上 ， 给予客户“多快好省”的极致服务体验 。 从银行来看 ， 应该秉承金融科技提质增效 ， 利用数字化工具为员工赋能 ， 在触达客户更多、服务效率更快、资产质量更好、经营成本更省的“多快好省”基础上再加一个“准” ， 即管理决策、营销决策和风险决策更准 。分页标题#e#
数字化转型给商业银行带来的转变
商业银行在深刻理解和认识数字化转型的基础上 ， 要科学研判内涵外延、思维模式、经营模式、销售模式、运营模式、风控模式等方面的新特征和新趋势 ， 顺势谋变 ， 精准把握数字化发展新机遇 。
内涵外延：从传统认知向数字化理念转变 。 随着信息化技术与金融服务融合的不断深化 ， 商业银行在客户、产品、渠道等方面的内涵外延不断拓展 。 在客户方面 ， 传统银行主要以账户或产品划分客户 ， 视角相对单一 ， 难以实施差异化管理策略；而在数字化时代则是用户概念 ， 可以对客户进行360度立体评价 ， 实现差异化全生命周期管理 。 在产品方面 ， 与传统银行产品同质严重、客户体验重视不够相比 ， 数字化银行更加注重族群化和服务体验 ， 并针对特定客群提供一揽子金融解决方案 。 在渠道方面 ， 掌银、微银行等线上渠道快速发展并成长为数字化时代的主渠道 ， 与线下物理网点协同配合、融合发展 ， 这与传统模式下以物理网点为主渠道的单线单点的管理模式形成鲜明对比 。
思维模式：从人力思维向数据思维转变 。 随着算力的大幅上升 ， 大数据分析应用快速拓展 ， 为认知世界提供了新视角 ， 也为商业银行产品创新、营销获客、风险管理和决策分析等提供了重要支撑 。 商业银行的传统思维边界被逐步打破 ， 人海战术、经验主义等人力思维难以为继 ， 数据驱动发展、数据创造价值的数据思维将成为主流 。
经营模式：从分散向集中转变 。 在数字化转型背景下 ， 商业银行加速了业务流程、规则、活动等内容的数字化表达 ， 业务逻辑得以系统化解构与重塑 ， 一定范围和一定程度的统一数字化处理成为可能 。 数据的集中管理、服务的共享复用、系统的互联互通 ， 使得远程协同工作能力快速提升 ， 在系统研发测试、数据分析应用、线上经营管理等方面实现集中 。 这种集中 ， 更强调的是逻辑集中 。 物理上 ， 人员是否集中视各自情况而定 。 对大型传统商业银行而言 ， 以逻辑集中在总行 ， 物理集中在分行 ， 或物理相对分散为宜 ， 这样可以吸收数字化转型带来的冗余人员 。
营销模式：从面对面营销向线上闭环营销转变 。 5G技术与VR/AR、AI数字人等智能技术的融合应用 ， 不断拓展商业银行线上营销的深度和广度 ， 为获客活客留客提供了新的赛道 。 商业银行的营销模式向实时的线上化交互和用户个性需求的智能化感知发展 ， 全渠道、多策略闭环管理的智慧营销体系将会加快建立 。 传统人力消耗较大的厅堂营销和上门获客方式逐步被智能手机、轻量化金融终端以及开放场景的线上触点所取代 。
运营模式：从人工服务向智能服务转变 。 随着OCR、RPA、NLP等技术智能处理水平的快速提升 ， 商业银行传统经营管理中标准化程度高、人力耗时多的大量工作被智能外呼、智能客服、智能催收、云质检所取代 ， 业务运营的集约化与自动化程度显著增强 。 在这个过程中 ， 长尾客户覆盖率大幅增加 ， 服务标准更加规范 ， 运营成本更加低廉 。
风控模式：从人为辨识向智能控制转变 。 海量数据的沉淀与风控算法的发展推动了智能风控在商业银行的进一步应用 ， 商业银行应对欺诈风险、黑产攻击的能力以及风险洞察与智能决策的水平不断提升 。 在传统面谈面访、专家经验等人为辨识的基础上 ， 增加生物识别、规则模型、交叉验证、态势感知等控制手段 ， 为商业银行风控实践提供了有益补充 ， 促使风控体系向智能化发展 。
商业银行数字化转型的着力点和关键点
为了能在数字化转型这场系统性、深刻性革命中抓住本质 ， 制定正确的战略目标和实施路径 ， 商业银行应该牢牢把握调整生产关系去适应新的生产力这一根本原则 ， 从组织架构、财务核算、数据应用、科技能力、文化再造等多方面统筹考虑、全面布局 。
调整组织架构与人员结构 。 国内商业银行传统组织架构下 ， 前中后台各部门之间协同效率不高 ， 难以形成数字化转型合力 。 商业银行可以借鉴“中台”共享复用的思想 ， 根据反康威定律 ， 通过系统中心对业务中心进行整合 ， 建立与用户中心、客户中心、产品中心、营销中心、风控中心、运营中心等相匹配的组织架构 ， 以快速支撑产品、营销、风控、场景等前台活动 ， 提高响应效率与能力 。 需强调的是 ， 那些希望用通过研发新系统来弥补不合理组织架构缺陷的想法是不切实际的 。 同时 ， 商业银行应不断优化线上线下人员结构 ， 提高产品经理、数据分析师、IT人员占比 ， 增强银行从业者数据思维和分析应用能力 。 可以断定 ， 未来银行从业人员如果没有数据思维能力 ， 就像30年前进银行不会算盘、20年前进银行不懂计算机 ， 将被历史淘汰 。分页标题#e#
实现财务核算的精准化 。 在数字化转型过程中 ， 要从价值创造、绩效管理出发 ， 在客户、产品、渠道、机构、客户经理、营销活动等各个维度强化财务精准核算的能力 ， 为算法确定“标尺”和“准星” ， 使得各类模型产生的决策 ， 不仅可以为客户提供最佳匹配的产品和服务 ， 还可以满足银行经营管理的成本收益要求 。 同时 ， 商业银行还应将财务精准核算能力嵌入数字化转型的战略规划、执行、控制和评价等各环节 ， 形成以财务为中心的管理闭环 ， 充分发挥考核“指挥棒”作用 。
优化运营流程与制度规则 。 新技术为传统业务流程提供了新的业务模式 ， 对前台营销直至后台运营带来了全方位的影响 。 为筑牢数字化转型基础 ， 巩固数字化转型成果 ， 相应的运营流程、制度规则必须同步调整 。 目前 ， 部分传统银行的制度规则已成为阻碍数字化转型的拦路石 ， 亟待优化 。 例如 ， 在贷款通则里 ， 存单质押贷款必须早于到期日前一天 ， 这明显是算盘时代的做法 ， 在计算机网络时代 ， 只要逻辑上有前后即可 ， 无需再区分一秒还是一天 。
加强数据资产的管理和应用 。 2020年4月发布的《中共中央、国务院关于构建更加完善的要素市场化配置体制机制的意见》中 ， 已将数据作为新型生产要素 。 当前商业银行拥有大量数据 ， 但是在完整性、准确性、及时性方面存在很大的改善空间 ， 甚至直接影响了数据的使用 。 如何实现数据资产的管理和应用、让数据真正创造价值是其面临的重要课题 。 在举措方面 ， 一是明确所有者及其职责 ， 建立健全数据采集、管理、应用的制度和流程 ， 尤其要加强数据归户管理、用户和员工的行为数据采集、外部数据引入等；二是培养数据思维 ， 尤其要提升业务人员善于运用数据设计产品、营销运营、决策管理的能力 ， 提升对数据的敏感性；三是提升数据便捷服务能力 ， 提供产品化、工具化、平台化的数据服务 ， 实现数据应用的“托拉拽” ， 增加业务人员使用积极性；四是建立企业级数据标准体系 ， 破解“数据孤岛”难题 ， 将数据汇总到数据中台 ， 统一对外提供服务；五是持续强化基础设施建设 ， 加强大数据平台、数据集市、数据中台等基础设施的建设 。
提升科技的支撑能力 。 吉姆·海史密斯等在其2020年著作的《价值驱动的数字化转型中》中指出：“在这个充斥着数字化颠覆和不断变化的世界中 ， 必须敏捷起来才能蓬勃发展 。 ”商业银行推动数字化转型 ， 首先要建立和强化敏捷开发、快速交付的能力 ， 在保证质量的前提下围绕“快”做工作 。 一方面 ， 要研究构建高效能的DevOps工具链与CI/CD流水线 ， 建立模块化、组件化、参数化的研发架构 ， 以及全行标准化、协同统一的技术管理体系 。 另一方面 ， 要不断强化产品经理的技术、数据思维能力 ， 准确切分需求 ， 加快迭代交付 。 推进“业、技、数”融合的工作模式创新 ， 优化激励机制设计 ， 让团队的共同目标成为每一位成员的目标 。
培育数字化的创新文化 。 当下 ， 商业银行亟须打破惯性思维 ， 培育与数字化转型相适应的创新文化 ， 尤其要营造鼓励创新、敢于领先、包容失败的文化氛围 。 在向先进学习过程中 ， 要更强调对标行业而非同业 ， 但也要知道 ， 所有的最佳实践都是事后总结出来的 ， 使用“拿来主义”时一定要结合自身情况因地制宜做二次创新 。 当今外部环境加速变化 ， 其方向难以精准预测 ， 转型的设计者和操作者也无法做到永远正确 ， 必须给予容错空间和试错成本 ， 才能保护各方面的创新积极性 。
生产力的发展是不以人的意志为转移的 ， 历史潮流总是浩浩荡荡不断向前推进 。 在“数字中国”“网络强国”建设的大背景下 ， 商业银行必须主动调整生产关系去适应生产力的发展 ， 充分认识数字化转型这场革命的系统性、深刻性 ， 在战略上布好局 ， 在关键处落好子 ， 切实做到数字化转型“为民服务”“提质增效” 。
责任编辑：潘翘楚

来源：(未知)

【】网址：/a/2021/0127/kd648213.html

标题：中国金融杂志|农行副行长徐瀚：银行数字化转型的认识与实践