关于商业银行数字化转型的几点思考

线上化转型是没有选择的选择，客户行为模式的转变使得银行的线上化转型成为必然，信息技术的发展与智能终端的普及，为银行业务全面线上化创造了条件。而场景化转型是差异化竞争的开始，更多的是与异业的融合，比拼一站式消费体验的极致化，通过谋求差异化发展策略共存，避免产品同质化带来的价格战竞争。同时智能化转型是对数据能力的终极考验，数据质和量的积累提升是一个长期迭代、积累的过程，商业银行需要做好充足的准备。

近年来，新一轮科技革命席卷全球，数字化浪潮蓬勃兴起，驱动着金融业在内的经济社会全领域向数字化阶段发展，新冠疫情更是加速了全行业数字化转型进程。在后疫情时代，如何理解数字化转型，如何重构商业银行竞争模式，将是中国银行业思考的焦点。当前，商业银行的数字化转型至少应该体现在线上化、场景化和智能化三个方面。未来，随着数字技术的不断演进、金融与技术持续深度融合，商业银行的数字化转型或将被赋予更多内涵。

线上化转型是没有选择的选择

截至2019年，中国银行业金融机构网点总数已达到22.8万家。尽管如此，网点客户到店率持续下降，超过90%的个人客户不愿意到银行网点办理业务。如果足不出户就能够办成一笔业务，没有人会花费高昂的时间成本，选择到网点取号、排队。客户行为模式的转变使得银行的线上化转型成为必然，信

息技术的发展与智能终端的普及为银行业务全面线上化创造了条件。在商业银行的线上化进程中，上半场比的是迁移率、安全性与稳定性，当前各大商业银行已基本完成业务线上化迁移，系统的安全性与稳定性亦日趋完善。以中国银行为例，截至上半年，中行电子渠道业务替代率已接近95%。但随着银行产品服务同质化趋势日益显著，商业银行的线上化转型已经进入下半场，其核心竞争优势更多体现在客户的使用成本与体验上，比拼的是界面的友好性、营销的适当性和风控的精准性。这将倒逼传统商业银行向互联网企业学习，借鉴全新的实践经验，将大量资源投入到客户行为分析与需求洞察中，为客户呈现良好的交互体验。

场景化转型是差异化竞争的开始

如果说线上化转型是与同业的较量，比拼金融交易体验的便捷化；而场景化转型则更多的是与异业的融合，比拼一站式消费体验的极致化。金融交易处在客户消费场景的最后一个环节，如购物订单生成后才会支付、确定买房之后才会贷款、订好海外旅游行程后才会换汇。这种天然的属性决定了银行必须要将自己的产品服务融入到商场、4S店、售楼部等客户聚集的非金融生活场景中去。随着大量非金融生活场景由线下迁移至线上，头部互联网平台已经占据了最主要的流量入口，但银行融入整个场景生态的逻辑并没有改变。商业银行的

场景化转型有两种路径，一是将产品服务嵌入到外部场景中，二是发挥自身核心优势自建场景。

嵌入场景方面，商业银行已经进行了大量尝试，各大头部App随处可见信用卡申请与分期、快捷绑卡、在线开户、理财销售等银行产品服务。由于产品同质化，导致以折扣减免为主的价格战成为了最主要的竞争方式。价格战血拼的结果只有两种，一是以巨大的资源消耗分出胜负，负者淘汰出局，胜者自损八百；二是回归理性，通过谋求差异化发展策略实现共存，避免大面积的正面争锋。

自建场景方面，在经历了黄金十年的竞争发展之后，各大商业银行已经在不同领域形成了特色竞争优势，如中国银行在跨境领域就具有相对明显的竞争优势，无论是跨境产品的品类，还是跨境客户规模、覆盖率等，都处于同业领先地位。每个银行都有相对擅长的业务领域，并已经在对应领域积累了坚实的产品和客户基础，银行完全可以围绕自身的竞争优势，聚焦具有竞争优势的产品服务，博采众长，整合相关非金融服务自建生态，为特定客群提供一站式全流程服务，实现场景化转型。值得注意的是，银行自建场景的成功依赖于自身的核心竞争优势，而这种优势必须具有足够高的竞争壁垒，定位的客群必须具有足够大的市场空间，还要保持长期持续资源投入的战略定力。

智能化转型是对数据能力的终极考验

商业银行的智能化转型，以数据为驱动，运用大量数据建立、训练、优化智能决策模型，并根据规则模型筛选目标客群、配置产品、选择时机、自动触达客户，并促成交易。银行智能化转型的核心是模型，模型的核心是数据，数据的核心是质量。拆开来看，数据的质比量更重要。

数据的“质”主要体现在真实性、完备性、便捷性和扩展性等四个方面。对银行而言，真实性就是要确保银行系统里所记录的客户信息真实有效；完备性则要求数据信息在客户、资产、产品、交易等维度的完整；便捷性强调数据信息存贮统一、分类规范、调用便捷；扩展性要求能够建立起与外部生态数据的关联映射关系。

数据的“量”通常被理解为数据的体量，但更值得关注的是数据的广度和深度。不仅要关注有多少用户数据，更重要的是每个用户维度有多少数据。数据广度方面，除了银行的金融交易数据以外，还有多少能够为准确预测客户需求提供支撑的非金融数据，如通过客户出入境数据预测客户跨境金融需求。数据深度方面，就是要以时间为序列，准确记录客户交易行为的变化轨迹，并以此作为为客户提供金融服务的依据，如客户在较长时间段内的薪酬增长与消费额提升是增加客户授信额度的重要依据。

数据质量的提升是一个久久为功的过程，模型的建立、优化与迭代都需要大量的试错成本，这是一个漫长的过程，商业银行在推进智能化转型时要有足够的心理预期。

商业银行的数字化转型不仅体现在策略与技术的转变中，还体现在机制与文化的转变中。“经济是肌体,金融是血脉”，不同于互联网企业鼓励创新的容错机制和文化基础，商业银行肩负保障国家金融系统稳定的重任，需要更多地考虑金融交易的稳定性和安全性，尤其是大型商业银行，一旦产生差错将会带来巨大的负面影响，而这与数字化转型中的鼓励创新存在一定的冲突。如何利用监管沙箱在推动金融创新的同时，又能将数字化转型中可能产生的风险控制在可容忍的范围内，实现金融科技创新与有效管控风险的双赢局面；如何在多重目标中寻求动态平衡，负重前行、行稳致远，这将是整个银行业面临的巨大挑战，也是每一家商业银行注定要经历的嬗变。