关于银行业保险业数字化转型的指导意见.pdf

专家洞察 数据要素视角下的 商业银行数字化转型 行动方略关于银行业保险业数字化转型的指导意见深度解读IBM 商业价值研究院主题专家马勇 IBM Consulting大中华区金融核心锐变服务总经理，合伙人陈玉茹 IBM Consulting大中华区副合伙人，金融行业高级客户合伙人张玉明 IBM Consulting大中华区金融核心锐变服务数据战略与转型负责人，副合伙人王莉 IBM 商业价值研究院高级咨询经理nMsNnQsQpOoMnOpMsRnOrQ9P8QbRpNnNnPmOkPrRqOeRmOqP7NnPpONZmMmQwMnNpQ目录引言.1战略篇：大海航行靠舵手.2 （一）坚持一体的企业级转型战略.2 （二）价值导向，量化数字化本身.2 （三）“涌现模式”下的组织变革.3 （四）科技专才入阁.4业务篇：长风破浪会有时.5 前台业务数字化转型.6 （1）产业数字金融.6 （2）个人金融服务.8 （3）金融市场交易.10 （4）金融服务生态.11 中台业务数字化转型.13 （5）运营服务体系.13 （6）风险控制能力.14能力篇：问渠那得清如许.15 （一）数据能力建设.15（1）打造领先的数据要素创新能.15（2）实现智能的数据服务能力.15（3）构建一体的数据运营能力.18（4）提升全面的数据管理能力.18（5）构筑长效的数据续航能力.19（二）科技能力建设.20（1）建设绿色高可用数据中心.20（2）布局先进高效的算力体系.20（3）构建智能高效的数字化交付能力.21（4）提高关键技术自主可控能力.21保障篇：风险防范任重道远.22五大风险防范点.22（1）战略风险.22（2）创新业务合规风险.22（3）流动性风险.23（4）操作风险和外包风险.23（5）模型和算法风险.24两大安全防护点.24（6）网络安全防护.24（7）数据安全和隐私防护.25结语.26引言中国银行业发展模式加速嬗变。中国银行业将进入高竞争、高分化、高成本、降增速、数字化的发展阶段，优胜劣汰和兼并重组是未来 10 年的主题。随着中国经济进入新的中速增长平台期，银行业的传统经营管理思维和方法的短板开始显现，银行业亟需摆脱原有的“路径依赖”，在传统业务已经进入“红海”时，寻找到“第二发展曲线”。数字化转型成为新时代银行寻求新增长引擎的必然选择，也是体现银行经营管理能力差异化的试金石。正是基于此背景，银保监会提出了指导意见，要求银行保险机构高度重视数字化转型工作，并提出了三十项指导意见，指明了未来五年的发力方向。IBM Consulting 组织数字化转型专家和数据专家从数据要素视角对指导意见进行解读，梳理数字化转型发展要点和脉络，紧紧围绕一个数字化转型战略、两大数字化转型主攻阵地，数据+科技双套赋能体系和两大风险安全防范点，从数字化业务创新、数据要素价值发挥等维度提出商业银行数字化转型行动策略建议。1（二）价值导向，量化数字化本身什么是以价值创造为导向？在数字化转型的道路上，最重要的是坚持回归本源，服务实体经济，为客户创造价值，并以此反哺业绩增长。案例：曾两次荣获“全球最佳数字银行”称号的某银行，所做的极具创新的事情，就是不仅仅单纯地谈论数字化战略，而是定量展现了数字化对盈利的意义。根据该量化分析，相较于到访分行的传统客户，在该银行进行数字化交易的客户所产生的营业额是其两倍，拥有的存贷款金额也更多。而且获得数字化交易客户的成本比获得传统客户的成本要低出 57，传统客户交易可以赚取 19 的净资产收益率，利用数字化的客户交易可以赚取高达 27 的净资产收益率。（一）坚持一体的企业级转型战略毫无疑问，数字化转型必定是“一把手”工程，需要董事会和高管层将数字化转型作为全行的转型战略，进行全局性、系统性谋划。未来 10 年，数字化转型战略是银行总体战略的最重要组成部分甚至是银行转型战略的全部。当前商业银行需要处理好企业十四五发展战略规划与数字化转型战略两者的关系，应当自觉地将两个战略高度一体化。十四五发展战略的愿景和目标应与数字化转型战略的愿景和目标高度一致。未来资本市场和第三方机构在评估一家银行的市场价值时，将参考“第四张报表”，即银行的数据资产表，银行必须展现出在高质量服务客户过程中所具有的卓越的数据应用能力和良好的数据治理水平。这便意味着，数字化转型不是简单的各业务前台产品的数字化，也不是后台信息技术的“翻新换代”，而是包括前、中、后台，业务条线、数据要素与信息科技“多兵种”协同作战的整体数字化活动。数据和技术要从“支撑赋能”向“价值赋能”变革演变，形成“以数连接、由数驱动、用数重塑”的数字化价值观。指导意见 指出“银行保险机构董事会要加强顶层设计和统筹规划”。战略篇：大海航行靠舵手战略规划与组织流程建设明确强调加强数字化转型的顶层设计和统筹规划，是数字化转型的“舵手”。指导意见 强调“鼓励组织架构创新，以价值创造为导向”。2（三）“涌现模式”下的组织变革指导意见强调“加强跨领域、跨部门、跨职能横向协作和扁平化管理。组建不同业务条线、业务与技术条线相融合的共创团队”。在这样的要求指导下，继续用传统银行经营的严格的、自上而下控制的思想去制定转型战略必然缺乏灵活性、适应性。有必要借鉴复杂系统中的“涌现”规律，在银行内部建立自下而上的、打破部门壁垒的新型组织模式，让“听得到炮声的人”做决策和引领资源配置。一些领先金融机构正尝试建立蚂蚁型组织，通过加强内部跨条线间的合作，形成群体的、分布式的智能形态。例如，荷兰国际集团（ING）从谷歌、Netflix 特别是 Spotify 等企业身上获得启发，对其组织架构进行重组，建立起分队、分部、部落，让来自市场营销、产品开发、数字渠道以及 IT 等职能部门的员工以小型跨职能并行团队的形式进行合作。银行同时赋权这些团队根据各自的特定目标，进行客户流程及产品服务的端到端数字化运营。3指导意见强调“加强跨领域、跨部门、跨职能横向协作和扁平化管理。组建不同业务条线、业务与技术条线相融合的共创团队”。该银行在世界上首次用数字证明了其数字化转型的成果，其做法非常值得商业银行实施数字化转型战略借鉴。数字化战略统筹推进部门应设计科学合理的转型成效评价指标体系，覆盖设计决策、实施运行、考核评测和改进完善不同环节，分部门、分条线、分板块地量化数字化转型成效，以过程管控为牵引形成成效评估闭环，为评估数字化转型投入产出提供客观依据。1实践：为了帮助全球企业掌握自身数字化转型进程和成效，IBM 数字化成熟度评估工具集（DMAT）以三个核心框架为基础，对照现代数字化企业的最佳实践进行成熟度评估,三个核心框架包括数字化重塑、认知型企业和加速产生影响，即动力、目标和过程。难能可贵的是 DMAT 对标分析数据库是目前全球规模最大，拥有来自 36 个国家地区、5000 多个企业的绩效数据，覆盖了 21 个行业，帮助企业进行数字化转型的全球对标和成熟度评估。23（四）科技专才入阁指导意见倡导“鼓励选聘具有科技背景的专业人才进入董事会或高级管理层”。这条指导意见体现出监管部门在数字化转型新形势下对公司治理架构组成的新思路。在国际上不少银行已经设立了首席数字化转型官（CDTO），借助市场化机制吸引一批市场顶尖的新兴技术人才加盟，培养新兴数字化组织文化。例如，日本某大型银行设立 CDTO，作为数字化转型方面的最高负责人。CDTO 不仅熟悉零售和对公业务，同时熟知传统金融系统架构和 GAFA（谷歌、苹果、亚马逊、脸书）等科技巨头的最新技术。日本的各大银行相继任命了 CDTO，被选拔胜任该职位的优秀人才中，许多被认为是下任行长的候选人。指导意见倡导“鼓励选聘具有科技背景的专业人才进入董事会或高级管理层”。指导意见强调“建立创新孵化机制，加强新产品、新业务、新模式研发，完善创新激励机制”。国际大型商业银行普遍采用的孵化创新机制包括：举办黑客马拉松、投资或并购初创公司等方式，调动生态的力量参与数字化转型。对于中小银行，受限于资源投入的约束，比较适合的方式是参与行业联盟进行共创。案例：某亚洲国家银行建立了一个数字化工厂，实现了体内的创新孵化。该数字化工厂最初有 400 多人，包括 100 多人的客户旅程数字化小组、15 人的专业顾问团队以及超过 250人的系统集成团队。这个数字化工厂已从初建时期的 400 多人增长到现在上千人的规模，成为该银行重要的全行创新战略业务的孵化基地。而它本身也从原来专注于零售业务，不断向对公、新的业务拓展。由此，借力数字化工厂敏捷迭代、独立沙盘的架构特点，推动该银行的全面数字化变革和创新发展，慢慢重塑一个新的银行。指导意见强调“建立创新孵化机制，加强新产品、新业务、新模式研发，完善创新激励机制”。4图 1数字化转型的六大突破方向业务篇：长风破浪会有时业务经营管理数字化明确了数字化转型的六大突破方向，是数字化转型的“航标”(见图 1)。.个人金融服务.金融市场交易.金融服务生态.运营服务体系.风险控制能力.产业数字金融数字化转型来源：IBM 商业价值研究院分析。5前台业务数字化转型公司银行、零售银行、金融市场交易和金融服务生态构成了商业银行前台业务数字化转型的第一阵地。（1）产业数字金融在这方面，领先的商业银行应当借助自身数字化技术优势打造具有鲜明特色的产融服务平台，实现“产业+金融+科技”融合，将数字科技融入产业金融，赋能实体企业，帮助“重大项目、重点企业和重要产业链”解决融资难题、降本增效。同时商业银行借助产融数字化平台，积累全链路、高质量的产业数据，提升精准授信和产业链服务能力。国内的金融科技公司在探索产业与金融融合发展落脚点方面为商业银行提供了可借鉴的实践。例如，云趣数科区块链产业金融云针对供应链金融市场上存在的信息孤岛、数据壁垒、信任无法有效传递等痛点，通过区块链技术构建可信、可共享、可交换的分布式存储基础设施，打造多中心、统一的数字身份标识，以及银行金融机构间可信高效的系统直联与数据交互联盟链，实现企业-平台-金融机构产融生态圈合作共赢模式下的价值互联网新基建。通过建立以区块链技术为支撑的供应链金融平台，让数据在链上实现可信流转，传递核心企业信用。登记在区块链上的可流转、可融资的确权凭证，使得核心企业信任能沿可信的贸易链路传递，整个凭证的拆分、流转过程可溯源，并提供可信贸易数据，使得链上的中小企业得到核心企业的信用背书，且更便捷、成本更低，并可实现合约的自动清算4。随着工业 4.0 向纵深发展，传统产业链上下游企业将通过数据信息深化联结，垂直分工将更加明显，垂直产业链将逐步成为主流产业模式，这意味着针对垂直产业专属的行业服务平台将成为数字产业链建设的重要方向。在新的平台上，过去供应链传统的“1+N”模 式 也 将 发 生 变 化，众 多 的 企 业 基 于 垂 直 产 业链“N”对“N”在统一的平台上交易，新模式下传统产品意义上的核心厂商将不复存在，形成更加开放的产业联盟，为商业银行在新平台上拓展金融业务创造新机遇。在产业数字金融领域，商业银行需要突破传统的信贷领域同质化竞争，不仅满足产业链企业的支付交易需求、融资需求、风控需求，还要满足办公自动化、客户关系管理、人力资源管理、进销存管理等非金融需求，把金融服务更好地与非金融服务结合起来，不断提升客户黏性，扩大客户覆盖面，巩固提升金融业务市场竞争力和盈利能力。值得注意的是，未来开放银行必将成为主流，商业银行不管是主动或被动，都无法回避。开放银行数字化程度越高的银行，在存贷款定价和客户依赖度方面的市场竞争力就越强。指导意见指出“积极支持国家重大区域战略、战略性新兴产业、先进制造业和新型基础设施建设，打造数字化的产业金融服务平台”。6发展绿色金融已经成为双碳战略下银行竞争新的制高点。5在气候变化下，现有的基于巴塞尔资本协议 III 的风险管理框架会发生变化。第一支柱的最低资本要求要考虑提高碳资产和绿色资产的不同风险权重。第二支柱的外部监管鼓励开展气候变化和碳中和相关的压力测试。第三支柱的市场约束要强化信息披露。为了做好迎接碳中和的挑战，商业银行必须在绿色金融数字化技术和基础数据采集、分析方面提前布局，未雨绸缪。案例：香港金融管理局在 2020 年邀请部分本地银行参与气候风险压力测试的试验计划，整个压力风险测试过程依赖数据的准确性、完整性，并基于此构建定量、定性的分析模型，从目前披露的信息来看，银行内部数据会包括系统中相关贷款、债券与股票的投资组合的客户或交易对手的行业信息、财务报表、内部评级；银行外部数据会包括 NGFS 的情景指标、可持续发展报告、国家统计局/香港政府统计数字、世界银行发布的数据、绿色债券数据以及气候政策。在开发压力传导模型时，需要现有物业的地理位置信息、地图经纬海拔数据、天文台气象情景数据等。6在绿色金融服务领域，多数商业银行仍然围绕着提供绿色信贷、绿色债券等传统金融产品，未意识到“双碳”战略实施将对未来金融服务格局带来根本性变革。下一个代际的银行不仅管理着客户的资金账户，还有可能管理着个人消费者或企业的“碳账户”，围绕着碳账户的构建和运营，客户与银行的交互关系将发生改变，客户会更加青睐提供绿色金融服务的银行。为此，银行需要利用 5G、物联网、边缘计算等新技术采集和管理客户的碳足迹数据，并将这些数据转化为客户的碳积分，通过公开的碳交易市场帮助客户实现碳资产的获利。根据 IBM Consulting 的预估，未来商业银行将建设至少六大类绿色金融数字化平台以实现绿色金融的彻底转型。这六大平台包括：绿色金融产品服务平台、绿色消费者碳账户平台、企业碳运营管理平台、绿色金融风险管理平台、绿色金融监测和信息披露平台以及绿色金融智库。指导意见强调“鼓励银行保险机构利用大数据，增强普惠金融、绿色金融、农村金融服务能力”。7（a）培育超高净值客群以私人银行业务为代表的财富管理在推动商业银行中间业务增长和战略转型上的作用将日益凸显。国内私人银行业务竞争激烈，已有五大国有银行、8 家股份制银行等多家城商行推出了私人银行业务。对于后来者或者追赶者，应加快利用大数据和数字化技术，提升净值化产品开发和服务能力，将产品服务链延伸到客户需求的各个层次，挖掘高净值客户“衣、食、住、行、医”全方位需求。加大信息技术和金融科技投资力度，打造私人银行专属移动智能客户终端，利用大数据分析技术为高净值客户提供实时、实景、定制化、综合化、全球迅达的资产配置服务，满足客户的财富管理需求。案例：IBM 帮助某国内领先的私人银行部门建立高净值客户流失预警分析体系。将客群划分为快速流失客户、快速增长客户、资产正常波动客户，分别建立预警模型。模型采用机器学习算法，近 1000 余个衍生指标参与计算，极大提高了模型预测的准确率和覆盖率。在模型应用阶段，模型提升度达到 6 倍，模型区分能力强且较稳定，成为该行数据分析部门实时动态监测客户状态变化的数字化利器。指导意见在个人金融服务领域提出了面向不同客群差异化服务的总体要求，这些客群包括普通的个人客群、互联网客群以及数字弱势客群。（2）个人金融服务传统的注重增加机构、人员数量的外延式发展模式将在市场竞争中逐渐被淘汰，注重运用新的大数据分析技术和金融科技手段、以价值为基础的内涵式数字化、智能化发展模式将成为零售业务发展的主要方向。零售银行经营理念上从以客户为中心向以用户为中心转变，这就要求商业银行通过大数据技术强化大数据精准营销，注重全量客户管理，针对不同层次的客户提供量体裁衣式的贴身服务。产品创新上加快从单一产品向组合产品转变，并在产品中融入更多的跨界元素，强化金融科技对产品创新的赋能。通过前台业务智能化、网点轻型化、多渠道交叉共享等方式，打造全渠道、全天候零售金融运营体系。注重融合传统业务模式和金融科技，强化与 C 端（客户）、B 端（企业客户）和 G 端（政府部门和机构客户）的联动，构建全新的零售金融服务新生态。在这三类客群基础上，有两类细分客群值得商业银行关注，也是目前各大银行角力的战场，亟需数字化技术带来服务质量的提升。8随着我国监管部门对互联网巨头进入金融领域实施更为严格的准入和限制，商业银行迎来短暂的“喘息期”。大洋彼岸的美国金融业正悄然发生变化，亚马逊正在借助强大的云计算、物流配送和场景支付能力，打造银行 4.0 时代的“亚马逊银行”（见图 2），8 未来会以虚拟货币为核心拓展亚马逊的规模经济，这意味着零售银行业务发展的模式将发生根本性转变，个人金融服务智能化、数字化、无界化成为一大趋势，这是值得我们关注的颠覆力量。（b）培育城镇老年客群我国部分经济发达城市已步入老龄化社会，老年客群的资产保值增值诉求和养老金融诉求持续增长，推动老年财富管理市场的长期繁荣。一方面，围绕老年金融消费和投资特点，开发相应的金融科技和服务手段，强化老年金融产品和服务的关键功能及使用的便捷性。另一方面，老年客群的数字化渗透率逐年提升，支付宝发布的2020 老年人数字生活报告7 显示过去 3 年，支付宝老年用户数量翻了 4.5 倍，三线以下地区增幅更高，达 5.5 倍。该报告还显示，在支付宝的各项服务中，老年人最钟情的服务是理财、社交、支付。同时，访问量增长最快的则是医疗健康、黄金理财、电子社保卡。商业银行应根据老年客群在数字化生态中的需求属性，提供有别于他行的养老金融服务产品，确立养老金融特色品牌。图 2以亚马逊银行为核心的层次结构金融服务零售娱乐出行服务智能家居其他服务“结算”“银行”“物流”“云计算”Amazon Pay（各种支付）Amazon Alexa（语音支付）Amazon Go（物联网支付）亚马逊银行FBA（亚马逊物流）AWS（亚马逊网络服务）来源：IBM 商业价值研究院分析。9首先，云计算被定位为所有业务的基础架构。云计算将发挥亚马逊银行的大脑功能，并对外公开亚马逊银行的 AI 银行专业技术。这是亚马逊银行积累起来的，作为其新技术基础的专业技术。位于云计算之上的是物流部门，也是电子商务零售的命脉。随着亚马逊银行的开展，商流、物流和资金流将会得到三位一体的精准控制。亚马逊银行在承担整个亚马逊资金流的同时，还负责连接各种支付触点，包括 Amazon Pay、Amazon Alexa（语音结算）和 Amazon Go（物联网结算）。作为亚马逊银行客户接触点的结算部分，Amazon Pay、Amazon Alexa 和 Amazon Go 将能够吸引客户使用亚马逊提供的各种产品、服务和内容。这些服务包括：银行、证券、保险等金融服务，电商、零售、娱乐，配有 Amazon Alexa 的移动服务以及将 Amazon Alexa 引入生态系统的智能生活服务。亚马逊形成独有的生态系统源自其一直追求的卓越的客户体验，也就是“最以客户为中心”的愿景。亚马逊银行正在以“感觉不到在进行银行交易的舒适体验”为口号来开展业务，这是国内银行开展零售金融业务时值得借鉴的实践。（3）金融市场交易一方面商业银行需要加快场外衍生品业务线上化、数字化程度，实现直通式交易，减少手工数据录入和传输，强化交易系统与数据中台的对接直连；另一方面商业银行要强化人工智能在金融市场业务领域的应用，打造生态化和线上化获客能力，提高金融产品交易投资和管理水平，通过强大的客户关系管理和数据支撑体系建设，提升金融市场业务的投研、风控和数据治理能力。与国际领先的资产管理公司相比，国内银行在智能投研、多资产智能交易、全场景风控、综合投后管理等方面的数字化程度有待提升。尤其缺少自主研发可控的投资交易数据平台，能够与外围交易系统进行联通，汇聚投资组合数据、交易数据、结算数据、市场因子数据、估值数据、舆情数据、风险事件等所有影响投资组合表现和收益的信息。指导意见指出“建立前、中、后台协同的数字化交易管理体系，有效提升投资交易效率和风险管理水平。建立统一的投资交易数据平台，提升投资组合分析及风险测算能力”。10案例一：阿拉丁平台是国际顶尖资产管理公司贝莱德自主研发的核心系统，可实现风险管理、组合管理、交易、结算等业务的流程、数据、信息在平台上完美融合。该系统占用 6000 余台服务器，由 2000 余人负责全天维护，其基础是一个大型历史数据库，依据历史信息，通过蒙特卡洛法则生成大型随机样本，构筑未来可能出现的多种情形，以此建立统计模型，揭示在一系列未来条件下所有种类金融资产的表现。1999年上线时仅作为数据中心分析债券风险，随着业务版图扩张、技术升级等，现已成为基于历史数据和金融模型来预测债券、股票等金融产品价格等并相应给予客户投资建议的平台。9案例二：现已被标普全球收购的 Kensho，试图构建全世界最大的国际事件数据库及知识图谱模型，来解决当今投资分析的“速度、规模、自动化”三大难题。其开发的 Warren 分析软件通过大数据搜索和分析经济报告、货币政策、政治动向、自然灾害等所有对资产产生影响的资料，在几分钟内完成分析过程，为用户提供投资建议。以英国退欧为例，Kensho 的数据库在几秒钟内，就根据民粹主义的投票结果预测，英镑短期内的任何复苏都将是脆弱的，Kensho 的算法准确预测了英国脱欧后所发生的走势。Kensho 的出现让复杂的量化投资分析不再为少数人掌握，从而实现大众普及化。10（4）金融服务生态近年来国内很多商业银行都将场景生态建设作为数字化转型战略的重点突破方向。商业银行拓展场景金融，基本的逻辑就是要把场景作为客户流量的入口，从场景到流量，从流量到金融服务，从金融服务到创造利润的过程。过去十年，场景金融服务的重点主要集中在消费领域。但是，一个趋势性的现象正在发生：金融与科技的融合正走出零售金融的服务范畴，向 B 端企业、G 端政府等对公业务强势挺进。针对产业赋能的金融服务，需要深入具体产业开展针对性研究。对不同产业场景，银行融入的方式不同，并且这些场景建设的思路和逻辑很难复制推广。商业银行应坚持“深挖产业、按需定制”的原则，针对每个产业的供应链模式、盈利模式、资金需求、周期特点，为其量身定做金融服务，提供更加灵活和个性化的供应链融资、投融资等产品。指导意见指出“与相关市场主体依法依规开展合作，创新服务场景，丰富金融服务产品与渠道”。11案例：2019 年末，为解决跨境交易场景中的信息不对称和交易成本高的痛点和难点问题，某国有四大行之一创新推出了智能撮合平台，为具有跨境贸易、投资、合作诉求的境内外企业搭建数字化平台，支持跨境项目、服务和商品的商机发布和精准匹配。该平台支持 14 个语种访问的医疗防疫专区，开通了医疗物资供需跨境对接快捷通道，支持境内外政府、医疗机构、生产和贸易企业实现防疫物资、原材料、生产线等线上智能对接。通过该平台，银行将持续构建获客、活客、留客新渠道，不断释放业务增长新动能，开启国际业务和海外业务发展的第二曲线，实现从传统的“支付中介”“信用中介”到“信息中介”的跨界转型。11场景金融构建离不开开放的技术架构体系的建设和支撑。无论 G 端、B 端还是 C 端，涉及的场景非常复杂，对开放平台的技术架构设计和开发提出了极大挑战。目前在实践过程中，商业银行亟需构建一体化的开放平台技术架构体系以及制定清晰的技术发展演进策略。开放平台技术架构体系至少包含云原生的微服务技术架构、开放银行 API 架构、区块链架构、数字货币架构、边缘计算架构、隐私计算架构等多种架构体系。基于这些架构体系所构建的场景金融应用需要建立完备的安全防护机制，防止出现违规开放或数据滥用等情况。应针对数据的全生命周期和全产业链条进行分级分类保护，加强对内部人员的教育和约束，从内到外保障数据隐私的安全。其次，应当对第三方机构进行适当的资质准入管理。在技术方面，只有获得金融监管机构许可的第三方供应商在向银行提供电子身份证明后且在消费者要求时，才能被授予访问账户的权限。第三，商业银行应在监管部门的指导下明确针对不同阶段或者不同目标群体的数据开放范围，在法规允许的前提下分步骤推进数据开放，持续推进开放生态的建设。指导意见还强调“建立面向开放平台的技术架构体系和敏捷安全的平台管理机制，对金融服务价值链中的关键活动进行有效管理和协调”。12中台业务数字化转型运营服务体系、风险控制构成了商业银行中台业务数字化转型的第二阵地。（5）运营服务体系前文谈到金融服务生态重在场景金融的构建上，场景建设好后，想要持续保证流量，并将流量转化为利润，就需要建立线上互联网运营体系。商业银行尤其要重视线上运营，以用户为中心，加强“流量资产+数据资产+品牌资产”的建设，以“扩流量，拓生态，沉数据，优体验，促转化”为发力方向，以掌银 APP 为核心阵地，实现获客、活客、价值转化的目的，最终实现 MAU 向 AUM 转化的目标。在内容运营方面，内容设计要与用户画像相匹配。用恰当的渠道、恰当的表现方式持续创造内容。内容要有助于推动产品服务销售，最终促进盈利。在活动运营方面，主要是围绕拉新、促活、留存、转化、引流、黏性等相关指标设计，根据每个活动的实际情况进行具体量化。在客户运营方面，把精细化运营做到极致，实现对全量客户无限分类，精细到对每一个客户提供不同的针对性服务，这就必须靠人工智能的支撑，建立对客户体验的预测性分析监测体系。指导意见指出“建立线上运营管理机制，以提升客户价值为核心，加大数据分析、互联网运营等专业化资源配置，提升服务内容运营、市场活动运营和产品运营水平”。案例：国内大部分银行都设立了官方抖音账号，但是运营情况参差不齐。根据央视市场研究 CTR 的报告，在2021 年 12 月银行机构官方号榜单中，榜单前十名被股份制银行和民营银行包揽，其中股份制银行占据 7 席，排名前三甲的分别是招商银行信用卡（短视频指数 75.33）、浦发银行信用卡（短视频指数 73.77）、招商银行（70.63）。排名前十的民营银行包括微众银行、网商银行、百信银行。通过数据可以看出，信用卡中心为广泛推广零售业务，普遍将抖音号作为品牌和产品营销的重要渠道。值得注意的是，2021 年第四季度浦发银行信用卡大幅提升 23 名，跃居第二，崭露头角，这得益于它快速调整用户定位，以高颜值的主播视觉冲击第一时间抓住眼球，并利用极具亲和力和感染力的笑容迅速俘获用户好感，从而留住用户，提升完播率，稳准狠地把握住了抖音官方号的流量密码。1213（6）风险控制能力与数字化转型相匹配的风险控制体系应具备四大能力，即产业融合能力、信用感知能力、全链路嵌入能力、和模型管理能力。在产业融合能力建设方面，部分领先银行已经能够基于人工智能技术，借助产业链数字化平台对供业链数据、企业数据、市场数据以及银行数据进行深度分析与实时计算监测，使银行能及时获取企业资金需求，并精准认知企业经营能力与风险状态。在信用感知能力建设方面，当前领先的商业银行依托大数据和先进的科技风险控制模型已经能够解决无信用评分无信贷记录用户的风险识别问题。在全链路嵌入能力建设方面，领先商业银行针对不同业务类型建立数字化决策平台，打通内外部数据，全方位收集客户信息、建立大数据风评模型。在贷前、贷中、贷后的每一个关键节点上自动匹配和触发相应的商业流程和风险管理流程。在模型管理能力方面，当前商业银行对模型的依赖度不断提高，据统计，大型金融机构的模型数量每年都会增加 10%25%。成熟的模型开发和验证管理模式是模型风险管理的核心要素。一方面，模型规划与开发工作应该在全行层面进行统筹协调，模型开发部门应与验证部门保持相对独立性，同时又与模型验证部门紧密合作。另一方面，由于模型数量以及对模型质量要求的不断上升，通过优化模型验证方法，可以有效实现成本节约。值得注意的是指导意见特别指出“将数字化风控工具嵌入业务流程，提升风险监测预警智能化水平”，足以看到数字化风控，无论是信贷业务还是资产管理业务，正从事后管控向事前实时管控转变，从人工风险控制作业向自动化智能作业转变。案例：某国内领先的证券公司风险管理部通过提供智慧审批智能准入服务，覆盖信用债、可转可交债、逆回购等 8 类业务投前流程，将黑灰名单、过剩行业、族谱管控等实现 16 个大类 50 余细项风险准入管控规则、10 个交易管控维度全量高效自动归集、一键智能判断。同时打通风险系统与交易系统的交互，提供智能准入服务接口，直接系统嵌入 6 类业务的选券、排券、入池、交易等环节，实现实时投前自动管控。信用债准入预判耗时单笔债券减少至少 3 小时；逆回购准入预判耗时日均可节省 0.5 人天；日均提供系统间接口服务3万余笔。大幅提升准入判断效率的同时，实现前置风控管理，降低了操作风险，助力投资端快速决策和风险点筛查。13指导意见指出“加快建设与数字化转型相匹配的风险控制体系”。14能力篇：问渠那得清如许如果说前台业务和中台业务是数字化转型的前方阵地，那么数据能力和科技能力便是后方的炮兵阵地，为前方源源不断的输送火力支援。（一）数据能力建设结合商业银行当前在大数据建设体系实践中面临的挑战，商业银行应多举措实现数据要素创新能力、数据服务能力、数据运营能力、数据管理能力和数据续航能力在内的“五位一体”的数据战略发展目标，以数据资源先发优势带动企业整体竞争力提升，牢牢把握发展主动权。（1）打造领先的数据要素创新能力数据要素市场化进程势不可挡，具备数据要素资源禀赋的金融企业未来应加快推进数据要素市场参与度，发挥不同市场参与者角色功能：资源禀赋高的商业银行通过深加工创造出差异化的数据产品，通过交易实现要素收入；创新能力强的商业银行也可作为要素市场第三方机构在数据资产估值服务、数据资产质押融资、数据资产证券化、数据信托、数据银行等领域加快研发创新性高的数据要素市场定价、融通和货币化工具。为了提高商业银行主动参与数据要素市场化能力，应加速自身的数据资产化、资产要素化进程，运用科学方法对商业银行自身的数据资源进行全面的盘点和梳理，将规范类数据、基础类数据、集成类数据、衍生类数据、数据产品类数据等内容纳入数据资产管理范畴，形成企业级统一的数据资产目录，掌握数据内容，厘清数据之间的关系，确定数据依赖，让数据形成有机的网络。（2）打造领先的数据要素创新能力领先商业银行未来应着力打造数据服务对内和对外的双供给模式。在满足商业银行自身数据需求方面，建立“1+N”共享共建的数据服务模式，构建一套完善的、体系化的数据需求识别分析及服务流程：“1”代表建设统一、集中、共享的数据服务能力，实现跨业务条线、跨业务领域的数据整合，致力于共享性、复杂数据服务的设计和实现。应建立标准化的数据服务供给流程，打造立体式、工厂式、流水线式的数据服务新模式，支持数据服务全生命周期管理与运营。“N”代表专业化的数据服务能力。基于数据中台、数据沙箱等先进技术和环境，为业务部门提供自主、灵活、敏捷的数据分析支持，通过数据分析师体系建设，最大化赋能业务部门。指导意见强调“全面深化数据在业务经营、风险管理、内部控制中的应用，提高数据加总能力，激活数据要素潜能。加强数据可视化、数据服务能力建设，降低数据应用门槛”。15根据指导意见的总体要求，数据应用应与业务经营、风险管理与防范和内部控制的业务发展目标紧密结合，特别需要将数据服务和产品嵌入到产业金融、个人金融服务、金融市场交易、场景金融服务、资产管理、产品运营、风险控制等业务经营主阵地中去。基于 IBM 在银行业多年的数据应用实践，建议商业银行可以选择以下七大应用领域作为数据服务建设的发力点（见图 3）。图 3数据服务的七大应用领域对公客户服务客户服务与线上运营个人金融服务信贷管理金融市场交易银行卡业务资产管理（）个人金融服务 全量客户智能化营销，包括 One ID 客户视图构建、个人客户贡献度量模型、超深度客户细分、个人客户生命阶段洞察、个人客户金融方案个性化配置、营销策略智能推送等；互联网客群分析，包括典型客群客户旅程分析、客户发展潜力分析、客户社交行为分析、客户需求与兴趣点发现等；私人银行客户服务，包括高净值客户关系图谱、易流失客户预警、高净值客户资产配置模型、理财产品评价与研发指导模型等；（）对公客户服务 对公客户智能感知，包括投资偏好洞察、资金需求洞察、企业关系图谱、企业财资配置感知、企业资金流向监测、重大舆情监测等；智能产品推荐，包括基于企业分群的产品推荐、基于企业关系的产品推荐、基于公私关系的产品推荐和基于强业务规则的产品推荐等；普惠金融客户的自动化获客，包括构建小微企业知识图谱、基于外部数据的小微优质客户精准获客、普惠资格智能审查等；普惠客户智能化风控，包括小微企业大数据信用评估、小微企业风险定价、小微企业违约风险预警以及小微企业贷后额度重估等；来源：IBM 商业价值研究院分析。16（）客户服务与线上运营 远维客户服务与营销，包括客户之声分析、投诉升级预警、话术推荐、营销策略助手、坐席排班优化、客服质检等；线上运营，包括标签体系构建（覆盖用户、产品、活动、内容、商户等对象），运营指标监测（例如留存分析、漏斗分析、成分分析、用户路径分析、资源位归因分析、LTV 分析、惊喜时刻分析等），推荐与商机整合引擎、用户特征分析（例如用户活跃度分析及提升、休眠用户预测与唤醒、流失用户预测与挽留、用户生命周期分析）等；（）金融市场交易 金融市场交易作战平台，包括实时客户活跃度地图、日间交易时段交易量大盘、全景客户画像、特殊事件预警等；贵金属数字化平台，包括品牌舆情与竞争者情报站、购买动因预测与产品推荐、忠诚客户分析与再购营销、客户投资助手等；（）银行卡业务 银行卡客户精准营销，包括信用卡客户分层与差异化服务、个性化优惠活动推荐、信用卡分期需求实时响应、分期意图精准识别、提额智能分配等；银行卡产品研发，包括信用卡个性化设计与渠道适配、商户合作与营销策略支持等；银行卡风险控制，包括申请反欺诈、不良回收概率预测、共债风险评估与管控、催收评分卡模型等；（）信贷管理 贷前审核，包括智能反欺诈、智能信审、基于客户行为的信贷风险预警、企业信用评估等；贷中管理，包括智能信用评分、智能风险定价等；贷后监控，包括客户违约风险预警、基于外部数据的贷后风险监控、贷款客户贷后额度重估、不良资产存量化解等；（）资产管理 资产管理智能化，包括新规净值型产品需求预测、投资者客户画像、智能投研体系、投资产品组合配置模型等；17（3）构建一体的数据运营能力商业银行应开展专业化的数据服务运营，对数据服务目录进行有效管理和运营评价。建立数据服务管理与评价机制。实现数据服务目录上线、发布、订阅的统一管理。通过定量和定性相结合的方式，对数据服务的活跃度、准确度、满意度进行持续跟踪分析和评价。领先商业银行应加快制定可落地执行的数据要素价值计量方法，从成本角度、收益角度、市场竞争力角度建立起量化的价值评估方法，并形成可计量结果。指导意见强调“通过数据驱动催生新产品、新业务、新模式。提高大数据分析对实时业务应用、风险监测、管理决策的支持能力。加强对数据应用全流程的效果评价”。（4）提升全面的数据管理能力领先的商业银行应采用企业级架构设计方法构建更为规范的数据架构，建设企业级数据模型，建立数据字典统一管控体系，建立数据生命周期管理机制，建立企业级元数据体系。制定统一的数据标准，推进数据标准贯彻落地，实现“源头管控、过程布控、全局智控”的数据标准价值管理新模式，保持企业级数据标准的权威性。建立闭环的数据质量管理。打造完备的数据质量检查规则库，建立覆盖数据全生命周期的数据质量监测、整改、评估管理机制，形成各部门各负其责、协同配合的管理闭环，持续推动数据质量的提升。案例：2021 年 IBM 与国内领先的大型银行开展数据治理深化合作。经过近一年时间的深化设计和实施，使得这家大型银行的企业级数据治理保障体系、数据质量、数据标准、主数据和数据安全管控等能力得到有效提升，夯实了数字化转型基础，并帮助该行成为首家通过数据管理能力成熟度（DCMM）评估最高等级（5 级）认证的金融机构。14指导意见指出“构建覆盖全生命周期的数据资产管理体系，优化数据架构，加强数据资产积累加强数据源头管理，形成以数据认责为基础的数据质量管控机制。建立企业级数据标准体系”。18指导意见尤其强调“运用科技手段推动数据治理系统化、自动化和智能化”。国内多数商业银行相继建立了数据治理类系统或平台，能够实现对数据标准、数据质量、元数据等治理要素的管理和服务。领先商业银行未来会广泛运用大数据和人工智能技术实现数据治理的智能化，一方面利用科技手段降低人工时间