中新经纬客户端3月1日电 题：《曾刚：银行数字化发展的实际》
作者 曾刚(上海金融与发展实验室主任)
一个真正的数字银行 ， 是秉持“以客户为中心”的服务理念、依托先进的数字技术 ， 不断完善系统架构、优化业务流程、提升运营管理、强化风险控制、丰富场景生态 ， 为客户提供便捷、高效、普惠、安全的多样化、定制化、人性化金融产品和金融服务的新型银行 。 而数字化转型的过程 ， 就是基于新兴科技基础 ， 围绕数字营销、数字运营、数字风控等领域展开 ， 通过重塑组织与人的关系、构建数据驱动的能力来由内而外地进行变革 ， 由内部管理运营向外部客户服务进行延伸 ， 拓展营销渠道 ， 提高客户体验 ， 实现与经济数字化相适应的业务增长的过程 。 与传统银行相比 ， 数字银行有着以下几个方面的重要特点 。
一、适应数字经济的企业文化
1、塑造企业文化
科技在银行中的地位、科技人员的占比、技术创新对业务的推动力和创新速度、任何一个新的想法的决策和执行速度、最后再到银行内部数字化的管理和资产的数字化 ， 各方面合在一起构成了数字化的银行 。 真正的数字银行绝不是靠传统IT信息化建设模式 ， 科技部门被动支撑业务发展、业务外包和现有业务流程支撑新业务能够短时间脱胎换骨的 。 也不是靠单纯地使用云计算、大数据和各种开源技术 ， 因为这些技术的使用并不难 ， 难的是去形成相应的价值观、文化和整体机制 。
在银行内部仅仅靠推动新技术落地来实现数字化转型 ， 实施过程中非常容易停滞 ， 推动难度也很大 。 厘清现状如何 ， 仔细分析当前的现状 ， 明晰业务需求 ， 梳理监管要求和行业领先者的做法 ， 将银行的顶层业务战略方向和科技结合起来 ， 设计转型的蓝图、路径 ， 快速迭代 ， 不断试错 ， 充分发挥自有优势 ， 确定符合自身特点的发展路径 ， 并不是盲目地追随 。
2、创新组织架构
传统银行数字化转型中面临一个主要挑战是其组织架构很难支撑敏捷反应和快速决策 ， 因此需要建立起安全稳定与市场创新并存的多元化组织架构 。
首先 ， 需要考虑成立什么样的组织结构来推动数字化转型 。 数字化浪潮在改变传统业务模式的同时 ， 也在改变着银行内部的管理模式 。 “数字化”一方面拉近了银行前中后台组织之间的距离 ， 另一方面也使得“业务”与“科技”的边界愈发模糊 。 因此银行需要考量如何将业务、管理和科技的人合理分配 ， 在保障安全、稳定、高效的同时 ， 最大化发挥“数字化”创新能效 。
【业务|曾刚：银行数字化发展的实际】其次 ， 在数字化转型过程中会面临“治理”的问题 。 数字化最先改变的是决策流程和组织形态 。 在大数据时代 ， 银行的全面数字化 ， 不仅是通过移动互联网的方式与客户产生链接 ， 也意味着所有的决策要以数字化的方式开展 。 原本以部门为节点 ， 凭经验做决策的方式将被打破 ， 取而代之的是“数据+算法”的决策方式 ， 全面提升企业、员工的工作效率与工作能力 。
3、敏捷、稳定的技术架构
在新一代信息技术 ， 以及“互联网+”、大数据等国家战略推动下 ， 当前银行业面临着服务升级、精益管理、转型优化的新阶段 ， 众多金融机构都开始尝试推行“稳态”“敏态”并行的信息科技战略 。 一方面 ， 银行业的监管要求、风险控制和传统开发特性决定了保留其传统稳态业务的必要性；另一方面 ， 互联网模式兴起导致竞争日益激烈 ， 需求的变化频率增高 ， 以及对业务的响应速度也提出了新的要求 ， 催生了银行业敏态管理发展的必要性 。 稳态业务与敏态业务在金融业将会长期并存 。 这两者的科技模式差异较大 ， 需进行分类管理 ， 分别采用不同的运作模式、组织模式、技术架构 。 必须要从战略层面把握好“传统业务”与“创新型业务”之间的有序平衡 。
4、科技发展战略
随着银行业务线上化、场景化、智能化等趋势的发展 ， 高并发、高可用、高性能、扩展能力、迭代能力等互联网架构的能力成为银行所关注并重点建设的内容 。 银行在传统的稳定性、可靠性的基础上 ， 逐渐探索如何快速创新、灵活扩展、提升体验 。 分布式、微服务架构的弹性扩展、敏捷部署、灵活资源调度能够助力银行解决业务发展瓶颈 ， 提升客户服务体验 。 随着客户需求的变化以及市场的快速发展 ， 银行推出金融产品的速度也需要快速提升 。 银行需要构建敏捷的开发、测试、运维能力的全周期研发协同能力 ， 打造持续集成、持续部署、自动化运维等研发运维平台 。 实践中 ， 商业银行在数字化转型中采用了“稳态IT”和“敏态IT”双态并行、双线布局的发展模式 。 对于传统业务 ， 以“稳态”作为科技的定位 ， 长期实现业务伙伴 ， 融合发展；对于创新业务 ， 探索“敏态”的创新发展 ， 长期实现战略推动型 ， 创新引领 。分页标题#e#
5、科技治理模式
稳态化科技治理模式 ， 对于金融业IT部门而言是一个持续不断优化的过程 ， 例如如何控制IT项目的有序推进 ， 如何与业务部门分工合作 。 在这个过程中 ， 业务部门和IT部门的分工非常清晰和明确 。 敏态化科技发展的关注重点不是IT本身 ， 而是业务模式、业务特点以及日后运营和考核指标 。 针对敏态科技治理 ， 一方面关注对业务需求的快速响应 ， 另一方面关注的是构建一个优秀的产品团队 ， 将IT、业务、推广运营有机地融为一体 。
6、完善的数据资产化能力
经过多年运行 ， 商业银行已积累了大量的数据 ， 充分挖掘应用大数据的价值 ， 开始成为许多商业银行的战略方向 。 随着银行IT基础机构的不断完善 ， 数据治理能力的逐步提高 ， 银行正尝试通过大数据驱动业务更加精准、运营更为高效 ， 并实现全行资源的优化配置 。 随着2018年《银行业金融机构数据治理指引》的出台 ， 数据不但再次明确了自身作为未来银行核心资产的地位 ， 也成为监管机构统一了解和管理银行的切入点 。 如何合规地获取数据、做好数据存储与管理、深度挖掘数据价值 ， 是银行在进行数据治理时需要主要思考的问题 ， 也是银行实现数据资产化的重要组成部分 。
7、数据治理
数据治理是数字资产化的核心问题 ， 它是组织中涉及数据使用的一整套管理行为 ， 需要厘清谁能根据什么信息 ， 在什么时间和情况下 ， 用什么方法 ， 采取什么行动等问题 。 在银行数字化转型过程中 ， 首先需要管理层认识到数据治理的重要性 ， 并做好这是一项长期的、投入效果显现较晚的工作的心理准备 。 其次是制定治理规划 ， 划清部门权责 ， 确认主导治理的团队 ， 并协调各部门积极配合 ， 同时 ， 对新产生的数据务必要严格按照数据标准进行管理与存储 ， 做到历史数据追溯治理、新生数据实时管理 。
8、数据挖掘
银行是基于大量信息和数据设计金融产品、提供金融服务的组织 ， 同时 ， 银行在日常经营过程中也会产生大量的信息和数据 。 对于银行来说 ， 通过有效的数据管理及治理 ， 有望形成规范的数据体系与标准 ， 为新兴技术的赋能与实践提供良好的数据基础 。
具体来看 ， 在引入大数据技术赋能业务流程和场景的过程中 ， 数据的量级、结构化程度、完整性是决定大数据模型精准度的重要因素 ， 而大数据算法与模型的使用 ， 将帮助银行实现精准获客、高效管控、全流程风控等目标 ， 这也是数据价值深度挖掘的重要实践环节 。
二、高效的数字化营销和运营能力
1、统一营销渠道与平台
银行借助移动平台技术来提升客户体验、提高服务效率 ， 减少客户去实体营业点路上和线下排队等候的时间耗费 ， 并扩大服务客群的覆盖范围 。 为适应数字经济的发展 ， 部分银行坚持“移动优先”战略 ， 通过移动窗口深入进行业务平台整合 ， 形成金融机构统一营销平台 ， 整合原有的传统线下渠道以及各个新渠道业务能力 ， 同时优化客户体验UI ， 完善客户交互 。
2、提升数字化客户交互
数字化转型过程中 ， 银行可以探索“非接触”服务模式 ， 深化金融科技应用 ， 致力于提供嵌入生活、实时智能响应客户需求的金融服务 ， 提升金融级安全和智能化服务能力 。 通过人脸识别、指纹识别等技术解决线上业务办理 ， 提供金融级别的安全和便捷；通过语音助理、OCR识别、智能客服、VR/AR等技术提升客户数字化交互体验 。
3、数字化客户运营
银行可以从客户体验的角度 ， 形成与客户实时联动 ， 及时发布产品信息 ， 打通获客渠道 ， 增强用户黏性 ， 实现从获客到活客到获利的全流程管理 。 同时从数据集中化管理的角度出发 ， 建立起高效的贯穿前中后台的业务流程审批、资源配置、线上风控等整个闭环有序的管理体系 ， 实现智能化运营管理 。
通过大数据、AI、机器学习等技术 ， 建立客户的精准画像、智能营销、智能风控体系 ， 实现千人千面的功能、个性化的服务、精准的营销推荐、智能化精细化运营、实时防范线上业务风险 。 利用大数据、人工智能等技术完善全行风险管理与控制能力 ， 建设智能风控管理平台 ， 基于兼顾风险和效益的原则 ， 在保证客户体验基础上 ， 提升风险管理的效率 。
4、建立数字化产品体系
建立数字化产品体系 ， 从产品集中化管理的角度出发 ， 形成全行集中、规范的统一产品目录管理 ， 实现对产品创意到设计、到发布的产品全生命周期过程统一管理 。 通过创新技术建立相关的管理支持平台 ， 按统一的产品标准归集产品管理所需的数据 ， 统一产品分类和标准 ， 构建与产品运营同步的产品目录 ， 统一产品统计、核算口径 ， 实现结构化、标准化的产品描述 ， 形成能够支持客户营销和产品经营与管理的统一视图 。 建立科学创新的产品数据管理目录和管理维护机制 ， 形成全行统一产品信息目录 。 同时全面分析和确定影响产品管理的因素 ， 强化产品创新定价和风险管理能力 。分页标题#e#
三、健全的数字化风险管控能力
1、数据驱动的信用风险管理
贷前、贷中和贷后的“三道防线”是银行通用的内控管理框架 ， 大数据风控主要应用于银行风险管理的第一、二道防线 。 目前 ， 银行风控主要采取信用评分卡方式 ， 具体分为风险评分卡、收益评分卡等 ， 应用于授信业务的不同阶段 ， 构成银行完整的信用评分体系 。 大数据风控可分为个人风控和企业风控 。 个人风控可依托大数据和人工智能技术 ， 对客户风险进行及时有效的识别、预警、防识；企业风控则基于大数据和知识图谱技术 ， 整合企业工商信息、合规情况、关系族谱等信息 ， 来改善企业信用评级的状况 。 大数据风控技术的应用 ， 可以降低银行风控成本 ， 提高征信效率 ， 实现信贷的贷前、贷中、贷后全链条自动化、智能化 ， 提升个人征信的广度和精度 ， 并丰富企业信用体系 。
2、精准的反欺诈识别能力
风险管控的另一个重点在于反欺诈 。 与一般的违约风险不同 ， 欺诈风险主要源于客户故意隐瞒真实身份和违约意愿 ， 因此往往比失去偿付能力的违约客户给银行带来更大的损失 。 目前 ， 很多银行与外部机构合作 ， 利用行内积累客户的基本信息、账户信息、交易记录、客户历史行为模式和正在发生的行为模式等数据 ， 同时结合包括电商、支付、保险、视频、交友、航旅、外卖、物流等诸多平台的海量数据 ， 输入智能规则引擎 ， 识别可能的欺诈行为 。
3、开放的生态(场景)构建能力
如今 ， 不同机构彼此合作形成全新的金融生态 ， 共同分享大数据带来的价值和规模效应 。 在生态构建中 ， 诸多业务参与方在遵循自身经营资质要求和机构间合作规范的前提下 ， 充分发挥各自在业务属性、服务网络、数据沉淀、科技研发、融资渠道等方面的差异化优势 ， 产生规模经济效应 ， 从而为有金融需求的人群提供多元化、价格可承担、体验便捷的金融解决方案 。
一是聚合生态场景 。 一些大型互联网平台需要为其海量互联网用户提供更丰富的金融属性服务 ， 以达到构建生态闭环的目的 ， 银行主动加入这一生态圈 ， 聚合起更多的生态场景 ， 借助互联网的大数据和场景优势 ， 更高效地触达、获取和保留客户 。 生态闭环一旦形成 ， 对外部竞争对手就会产生较强的排他性 ， 其他金融机构将难以复制这一模式 ， 由此形成难以跨越的护城河 。
二是实现金融服务与场景的融合 。 要从场景端而非供给端的需求出发 ， 充分洞悉和理解场景中所有相关方的需求和痛点 ， 以数字化手段对接客户需求 ， 在线提供产品服务和完成业务流程 ， 通过网络化将金融机构与客户更加紧密地连接起来 ， 满足客户各种各样的金融需求 。 从触点转向客户旅程 ， 不断提升客户体验；从交易思维转向价值伙伴 ， 不断提升价值创造和服务边界；从集中转向开放 ， 重新定义金融服务方式 。
三是从提供金融产品到经营生态 。 拓展服务范围 。 同时通过提供非金融类服务场景 ， 来增强客户体验、提升客户黏性、整体打包金融服务 ， 银行定位已经从提供金融产品角色转变为“综合类服务的集成商” 。 场景化金融的在客户每个相关场景中 ， 都能切入其中 ， 进行产品的布点、流量的获取 ， 与合作伙伴互相依赖 ， 成为共生的经济体 。
四是全面构建数字化运营能力 。 通过联动日常运营和场景生态的数据 ， 如产品应用数据、客户体验数据、交易行为数据、市场变化数据、行业趋势数据、宏观环境数据等 ， 可以形成运营全景视图、客户全景视图、产品全景视图、交易全景视图、市场变化及行业趋势全景图等 ， 从而提升金融机构运营效率和风控能力 。 (中新经纬APP)
文章插图
曾刚
中新经纬版权所有 ， 未经书面授权 ， 任何单位及个人不得转载、摘编或以其它方式使用 。 本文不代表中新经纬观点 。

来源：(未知)

【】网址：/a/2021/0301/kd754056.html

标题：业务|曾刚：银行数字化发展的实际