銀行如何發力數字化轉型

李健　王麗娟

圖/視覺中國

關于經濟規律的研究表明，每一次經濟形態的重大變革，必然催生也必須依賴新的生產要素。隨著數字經濟時代的到來，數據將成為驅動經濟社會發展的關鍵生產要素和新引擎。

2020年3月，中共中央、國務院印發的《關于構建更加完善的要素市場化配置體制機制的意見》正式將數據納入主要生產要素范疇，與傳統的土地、技術、勞動力、資本等并列，并明確提出了數據要素市場制度建設的方向和重點改革任務。2020年5月發布的《關于新時代加快完善社會主義市場經濟體制的意見》，再次提出“加快培育發展數據要素市場，建立數據資源清單管理機制，完善數據權屬界定、開放共享、交易流通等標準和措施，發揮社會數據資源價值”。

加快建立健全數據要素市場已成為中國特色社會主義市場經濟頂層制度設計和全面深化改革藍圖中一項戰略性、前瞻性、基礎性和針對性工作。

數字化降本增效

近年來，商業銀行運用人工智能、大數據、物聯網、云計算等新一代信息技術，不斷推進金融數據治理、安全共享及融合應用，并通過捕捉和利用經營全流程中的數據資產要素拓展業務、管控風險，提升自身的核心競爭力;同時，商業銀行還通過利用數據資產不斷深化數字化轉型，降低運營成本，提高運營效率;此外，商業銀行還不斷拓展數據資產的運用領域和范圍，構建場景生態，積極踐行“以客戶為中心”的服務理念。

第一，利用數據要素提升核心競爭力。商業銀行在拓展業務中積極利用數據要素，有效提升了核心競爭力。

在個金業務條線，利用數據要素推動全量客戶規模和資產有效增長。商業銀行依托客戶數據資源，通過打造“智能識別、智能配置、智能推送、智能監測”的數字化服務模式，為客戶提供更加精準的服務方案，提升了全量客戶規模、全量客戶金融資產及個人業務在全行的貢獻度。

在對公業務條線，利用數據要素提升服務實體經濟能力。一方面，商業銀行聚焦企業自身價值鏈，依托企業資金管理、投融資管理、供應鏈管理等各類場景數據，為客戶提供智能化的解決方案。另一方面，商業銀行依托核心企業和上下游企業的信息流、物流和資金流等信息，積極發展供應鏈金融，助力緩解中小企業融資難、融資貴的問題。

在中間業務條線，利用數據要素提升中收貢獻度。一方面，商業銀行在支付結算、跨境清算、信用卡透支、線上代理銷售理財產品等各類中間業務中，更加重視利用數據資源升級完善客戶體驗。另一方面，商業銀行緊抓財富管理市場發展機遇，積極發展人工智能技術，通過智能投顧等方式為海量客戶提供“千人千面”的個性化資產配置服務。

在風險防控方面，利用數據要素構建以大數據風控為基礎的數據融資模式。商業銀行利用大數據、風險計量模型和IT等技術，從超大規模的數據中提取風險因子，持續拓展風險數據智能應用場景，積極推進風險數據治理工作，構建了以大數據風控模型為基礎的數據融資模式。

第二，利用數據要素提高運營效率。近年來，商業銀行積極尋求網點變革新路徑，通過對網點功能、布局和管理流程等的優化，不斷降低運營成本、優化用戶體驗，運營效率得到了大幅提高。

從中國銀行業協會“陀螺”評價結果可以看出，近年來隨著商業銀行數字化轉型的深化，商業銀行成本收入比在穩步下降，以18家全國性商業銀行為例，2018年，18家全國性商業銀行平均成本收入比為32.55%，2019年，下降為31.52%，2020年，進一步下降到31.14%。

具體來看，商業銀行利用數據要素提高運營效率至少體現在以下三個方面。一是降低獲客成本。商業銀行通過線上渠道獲取用戶的基本屬性、客戶交互數據等信息，通過對數據清洗、整合和處理后，可對客戶進行精準畫像，進而判斷客戶類型，降低獲客成本。二是降低營銷成本。商業銀行可依托積累的數據信息，向客戶推送定制化服務信息，以較低成本提升營銷轉化率。三是降低運營成本。一些商業銀行積極構建“數據中臺”，通過建立面向具體業務場景的數據集市和標準化流程，便利業務的銜接和推進，降低了商業銀行的運營成本;同時，可通過數據管理平臺將“沉沒信息”轉化為“生產要素”，更好地提升運營效率。

第三，利用數據要素打造場景生態。當前，我們正在進入一個從競爭向競合、從博弈向共贏、從單體成長到群體進化轉變的時代，而數據資產則為不同機構合作共贏帶來了無限可能。我們看到，一些商業銀行從客戶日常生產、消費需求出發，從特定非金融服務切入，圍繞其衍生的金融服務痛點融入相應金融產品，打造了金融與非金融服務組合的場景生態。如部分銀行通過自建生態平臺，面向開發者開放包括消費貸款、賬戶管理、代收付、信息查詢等API，同時嵌入繳費、跨境電商、記賬服務等應用，深度融入用戶高頻生活場景，取得了良好成效。

中國銀行發布的《金融場景生態建設行業發展白皮書》顯示，全球最具價值的前100家銀行中，70%以上已通過建設開放銀行平臺等模式投入到場景生態建設浪潮中。

應用中的三個問題

在商業銀行利用數據要素進行實踐探索的同時，我們也注意到銀行業目前在數據治理、數據應用、數據安全等方面還有待進一步提升。

一是數據治理問題。商業銀行在向數字化轉型的同時，數據增長的規模化、結構類型的復雜化、數據分布的零散化等特征也給銀行業數據治理帶來了挑戰。如銀行數據分散在不同業務系統中，呈現零散式分布，橫向縱向割裂，部門之間、條線之間對客戶數據配置水平比不一致，加大了后續數據整合和應用的難度。

二是數據應用問題。從一些銀行實踐看，核心系統與數據集市建設主要是便于科技部門對數據的管理，而較為忽視業務部門對數據的應用，制約了數據的應用范圍。同時，公共部門等外部數據資源與金融數據的融合有待進一步加強，以便更好地發揮“1+1>2”的價值。

三是數據安全問題。當前，金融數據作為有價值的資產，在數據的采集、傳輸、存儲和共享等各個環節面臨著安全風險與挑戰，數據跨境傳輸還涉及國家安全等問題，商業銀行需統籌好數據的開發利用和安全。此外，隨著數據利用的深入，也容易暴露出一些侵犯個人隱私問題，隱私數據泄露事件時有發生，數據安全保護問題依然任重道遠。

賦能實體經濟要略

近年來，商業銀行不斷拓展數據使用的深度和廣度，創新推出了多種類型的金融產品，使得實體經濟的金融獲得感和滿足度不斷提升?！笆奈濉睍r期，隨著實體經濟的高質量發展，商業銀行需認真貫徹新發展理念，進一步深挖數據要素的價值，做好對科創、普惠、綠色、數字等重點領域的金融支持。

第一，充分發揮數據要素在科創金融中的作用。在構建新發展格局、完善國家創新體系的背景下，科創金融是銀行業轉型的制高點和發展新藍海。商業銀行可依托數據要素從以下至少兩個方面著手進一步完善金融支持創新體系，促進金融、科技、產業良性循環。

一方面，積極對接外部數據資源，探索建立科技企業評價機制和授信模型?？蓢@科技等部門所掌握的企業研發投入、實驗室建設、人才庫等數據信息，市場上的VC、PE等機構的投資信息，對科創企業進行全景刻畫，探索建立一套適合科創企業特征的評價指標體系和授信模型，實現從傳統的重抵押、重擔保的授信模式轉向以數據為重要載體的授信新模式。

另一方面，充分激發商業銀行金融資源和社會資源連接優勢，以線上+線下的方式，不斷豐富科技創新服務場景，構建多層次的金融服務體系，如積極開展知識產權質押融資、供應鏈融資等金融業務，有序貫通科技企業不同發展階段資金需求，形成服務科技企業創業、研發、成果轉化的全周期孵化融資鏈條。

第二，充分發揮數據要素在普惠金融中的作用。近日，為進一步提升銀行業金融機構中小微企業金融服務能力，強化“敢貸、愿貸、能貸、會貸”長效機制建設，央行印發了《關于深入開展中小微企業金融服務能力提升工程的通知》。結合通知要求，商業銀行至少可圍繞以下三個方面強化數據要素價值，提升普惠金融的服務能力。

一是利用數據要素增強對信用貸款的支持。商業銀行應加大與地方征信平臺、融資服務平臺、第三方征信機構的合作，充分運用稅務、工商等非信貸信息以及在本銀行的交易結算等信息，綜合評價中小微企業信用水平，提高信用貸款的發放比例。二是利用數據要素構建“敢貸、愿貸、能貸、會貸”的長效機制。要做到“敢貸”，需要商業銀行充分利用大數據等手段，做好風險控制，同時立足行內過往數據制定針對性的盡職免責和糾錯容錯機制，免除員工后顧之憂;要做到“愿貸”，需要商業銀行進一步完善績效考核機制，強化差異化考核;要做到“能貸”，需要商業銀行進一步優化普惠金融的資源配置，內部資源上加大對小微企業的傾斜力度等;要做到“會貸”，需要商業銀行結合自身資金成本、業務成本、風險成本，綜合考慮客戶的綜合貢獻、客戶關系等數據要素，設計最適合中小微企業的金融服務和產品。三是利用數據要素助力社會治理。商業銀行應積極對接鄉村振興戰略，主動服務于農村建設、社區建設等，為社區和農村居民提供日常生活所需的社區管理、政務、金融、便民、物業等服務，夯實基層治理。

第三，充分發揮數據要素在綠色金融中的作用。自2020年中國首次提出要在2030年爭取實現碳達峰、2060年實現碳中和后，“雙碳”目標受到各界高度關注并于2021年全國“兩會”正式寫入政府工作報告。結合“十四五”規劃綱要提到的“大力發展綠色金融”，商業銀行至少可從以下四個方面做好數據要素的利用，助力“3060”目標。

一是依托數據資源創新綠色產品種類。圍繞碳排放權、排污權、可再生能源補貼等環境權益加快綠色金融產品和服務創新，以更加靈活的方式、更大的力度、更多種類的產品支持綠色項目，提高綠色產業企業的融資能力。二是做好碳數據的信息披露。按照境內外監管信息披露要求，特別是有關碳達峰、碳中和、碳排放等信息的進度指標，分周期、分層次、分領域、分專題，通過公開或半公開的形式披露ESG相關信息和數據，不斷提升環境信息披露質量，助力探索建立全國性的碳核算體系。三是為配合央行有序推動碳減排支持工具，商業銀行也要做好內部系統及制度的建設，有效開展客戶選擇、資源配置和風險把控，更好地支持清潔能源、節能環保、碳減排技術的發展。四是做好風險防范，商業銀行應全面掌握存量客戶、高碳資產的底數，防范“灰天鵝”風險;同時，做好氣候風險測算，防范“綠天鵝”風險。

第四，充分發揮數據要素在數字金融中的作用。近年來，中國數字經濟增長迅猛，與國民經濟和社會發展各領域融合的廣度和深度不斷拓展。2020年，中國數字經濟占GDP比例已超過三分之一。伴隨著數字經濟的蓬勃發展，數字金融在用戶規模、應用場景等方面也走在了全球的前列。后續，商業銀行至少可從以下三個層面進一步發揮數據要素作用。

一是深化數字化轉型。結合“十四五”規劃綱要提出的“穩妥發展金融科技，加快金融機構數字化轉型”，商業銀行應持續加大金融科技投入，加快數字化轉型，夯實數據互聯共享的基礎。二是深化科技業務融合。及時跟進人工智能、區塊鏈、大數據、云計算以及向深度應用演進的沉浸式媒體、量子科技等前沿技術，不斷探索和研究新型技術與金融服務的有機融合，推動技術服務產品化精品化。三是搭建數字金融場景生態平臺。搭建金融、非金融服務生態平臺，增強場景平臺內建外連，實現衣食住行、政務、機構、三農、企業等全場景覆蓋;利用數據要素持續增強場景運營能力，以快速迭代敏捷創新能力持續支撐場景平臺運營和不斷升級的需要，搭建數字化經營的生態閉環。

釋放數據要素生產力的建議

商業銀行要抓住產業數字化、數字產業化的機遇，加強數據治理和開放共享，進一步釋放數據要素生產力，提高服務實體經濟能力。

一是建立分級分類數據流通機制。進一步落實新發展理念，針對公共數據、個人數據、產業數據等進行分級分類治理，暢通數據要素在金融機構內部和公開交易市場的流通，并做好不同數據間的“風險免疫”。

二是暢通數據開放共享機制。在銀行各種業務數據模型中只有海量用戶數據積累迭代，通過多重數據源進行交叉校驗才能提升模型精準度，減少風險錯報，銀行業金融機構必須破除內外部各種有形和無形壁壘，暢通數據開放共享機制。在銀行內部通過數據倉庫、數據集市等手段整合分散在各部門的數據，提升數據治理能力，完善數據供需對接機制，制定數據共享責任清單和需求清單，建立跨部門、跨層級的數據共享協調機制。

三是加強數據風險管理。隨著業務線上遷徙進程加快，金融機構對大數據依賴程度不斷提升，不可避免需要面對潛在風險敞口擴大、風險鏈條拉長、風險洼地效應顯現等風險問題，應把風險關口前移，用更先進的防控技術、更完善的安全體系，堵塞安全漏洞，從事前、事中、事后主動加強數據風險管理。

四是加強對大數據領域復合型人才培養。據報道，美國五大行的成本在最近一個季度躍升了逾66億美元，由于新的金融科技競爭對手的威脅越來越大，人才爭奪戰愈演愈烈，美國銀行業高管們被迫加大了人力成本支出。同時，由于數字技術更新迭代快、專業性強，其對人才專業性、復合性和實用性水平的要求較高，并且還要求具備全局視角、戰略思維、深度分析能力等特質，這就要求中國銀行業應加快科技領域復合型人才的培養和儲備，為進一步釋放數據要素生產力提供智力保障。

（注：本文為作者的學術思考，不代表所在單位意見。作者供職于中國銀行業協會研究部;編輯：袁滿）