金融科技助力银行数字化转型——记排列科技首席科学家CS陈薇博士专访

    2020-08-19 14:40:11    来源:CDIE
    关键字:银行数字化


    7月22—23日,为期两天的CDIE中国数字化创新博览会在上海波特曼丽兹卡尔顿酒店圆满落下帷幕。本次峰会设有多个专场,在7月23号智慧银行专场上,我们有幸邀请到排列科技创始人之一,首席科学家陈薇博士进行专访,她对智慧银行的概念和背景,以及金融科技在银行数字化转型中的应用场景与应用趋势作了深入解读。


    当前数字化转型已经成为国内各家银行的共识。陈薇博士认为银行的数字化转型要从“人”、“事”、“场”三方面着手进行。从“人”的角度来说,主要是指银行的从业人员需要在观念上进行转变以应对数字化转型。银行传统上主要依靠人力开展业务流转,在这种模式下对从业者的经验有较高的依赖。但是随着银行的产品、业务、客户的不断复杂化,这种依靠个人经验进行定性分析的方式已经不能适应数字化时代的要求,银行从业者需要通过数据对产品、业务、客户等进行定量的精准分析与管理以适应当前更复杂的市场环境。这就要求银行从业者树立以数据与事实代替个人经验作为判断依据的观念。

    从“事”和“场”的角度来说,银行的业务流程是“事”,业务发生的环境生态,也就是场景,即是“场”。放到一起来说,就是业务。银行的业务以往存在着两大痛点。首先是在获客上,银行一直困扰于如何获得更多的客户。其次是在风险管控上,银行往往难以识别客户的质量。而不管是在获客还是在风险管控问题的解决上,数据技术都能给到银行极大的帮助。首先这种帮助体现在量化上。通过多维度数据对客户特征进行精准识别,银行实现了对过去基于人工经验进行定性判断以及碎片化描述的替代,使得业务人员对于客户有了标准统一的认识。这种帮助在风险管控上体现的尤为明显,以往银行会给客户按等级分类,但是等级制定的标准往往没有量化的规定。而随着数据在业务中的深入运用,银行可以根据统一的标准,基于不同的场景对客户准入和评级的标准进行调整。这种统一标准的应用,极大的提高了银行识别客户特征的效率。

    而银行在进行数字化转型的过程当中,对金融科技进行了广泛运用,将员工从以往繁琐的重复劳动中解放了出来。陈薇博士介绍,当前在银行数字化转型过程中被广泛运用的技术包括了“ABCD”四大类,“A”即AI人工智能,“B”即Blockchain区块链,“C”即Cloud云技术,“D”即“Big Data”大数据技术。现阶段在银行使用较为广泛的是AI和大数据技术,而区块链和云技术则相对在体量较大的六大综合性国有商业银行、部分实力较强的股份制商业银行以及大型区域性城商行当中运用较多。

    大型商业银行由于经营地域覆盖较广,需要向跨地域的客户提供标准化服务,因此需要云技术与区块链技术突破计算与存储上的地理限制。而上述大型银行主要分布在城市区域,除此之外国内更多的是分布在郊区和农村的小型农商行及农村信用社。由于中国的幅员广阔,这类银行在服务客户的过程中,面临着民生及业态的复杂变化,由此带来的灵活需求使得银行难以以统一的标准进行数字化系统和后台的构建。在为广大郊区和农村的客户提供服务的过程中,这些银行所积累的数据虽然可能体量不大,但是内容多、形式杂。而大数据技术能够很好的对这些数据进行记录,从非结构化的数据中提取出有用的信息。在此之上通过架设AI组件,将上百个维度的信息缩减至7个大维度以内,使得小型农商行可以快速准确识别其辖区内的客户特征并进行分类。因此AI和大数据技术相比于区块链与云技术,更符合这类体量小、数量多的农商行的需求。AI及大数据的运用,将帮助这类银行建立数字化转型的概念,促使其由信息化向数字化的方向发展。而信息化与数字化本质上的不同则在于,信息化是对定性信息的存储,而数字化则实现了对定量信息的运用,进而为银行从重复劳动中解放员工劳动力提供了先决条件。

    在谈及金融科技对银行人工取代的趋势时,陈薇博士将银行数字化转型的进程与工业革命进行了类比。在工业革命中,机械的运用提高了生产效率,使得原本的农业劳动者可以进入工厂从事附加价值更高的标准化产品生产工作。与此类比,金融科技同样也会将银行员工从重复的低价值工作中解放出来,银行作为最先使用数据资产的行业,未来对于数据人才有着大量的需求。银行需要大量的数据人才对其数据资产进行挖掘和维护。因此在未来,金融科技一定程度上会对重复性劳动的人工岗位进行取代,但是同样也会催生更多与科技和数据相关的高端岗位。

    金融科技的运用最终是为了对业务进行赋能,而金融科技在银行的落地中存在着许多难点。陈薇博士提到,最大的难点即在于业务人员与科技人员如何有效交流,使得业务与科技能够紧密贴合。造成这一难点的原因在于业务人员与科技人员的思维方式存在差异,科技人员多是按照程序化、理性化的思路去思考问题,而业务的思维通常以场景与客户为导向。相比科技人员,业务人员的思维方式碎片化的特征更为明显,两者对于同一问题的理解方向可能出现偏差。因此想要实现业务驱动科技对企业进行创新,业务人员需要“以合理的方式”提出正确的问题。其次在银行数字化转型的过程中,有一部分科技资源需要先行。由于业务人员提出的需求往往具有零散化的特点,相关项目多是独立进行,从立项到落地,时间周期长,灵活性差,且各个新建成的系统之间可能存在着数据难以打通的问题。因此银行科技部门需要首先建立科技后台或数据中台,通过科技后台或数据中台收集业务的需求,对共性的需求优先处理,从而帮助业务快速灵活的实现创新,避免了“业务跑的比科技快,而科技部门陷入业务各种需求中无法提出清晰规划方向”的困局。

    目前在国内,银行主要是为区域化的经济发展提供服务,各区域经济发展的差异化必然要求银行打造差异化的竞争力以更好的为区域发展服务。而将银行的服务和产品与场景的有机结合,是打造银行差异化竞争力的重中之重。以风控为例,没有一个风控系统可以适应国内所有银行的需求。而尽管各地银行的风控体系存在差异,但是共通的一点都是基于场景进行风险管理。银行需要根据不同场景去识别对应的客户以及交易的特征,然后提取相关数据进行分析从而识别风险点。除了风险识别之外,控制同样是风控中重要的一环。银行需要深入到客户生活的各个场景中,尽可能多的掌握客户的行为特征,从而将“抓手”嵌入到风控产品内。

    以排列科技的某银行客户为例,该银行在向企业提供工资发放、转账交易等对公业务的过程中积累了大量企业的相关数据,使得银行能够全面掌握企业的相关情况,从而拉升了企业的违约成本,降低了逾期风险。而金融科技在此过程中,能够全面提升银行识别客户的准确性与速度。由于场景的多样化,以往依靠人工经验去识别客户风险点已经不能适应当下银行的需求,相关审核的滞后会让银行错失大量的优质客户。业务人员通过运用金融科技,不仅可以实现对客户的批量化处理与识别,还可以基于识别出的信息,向客户推送符合其需求的产品,进而实现精准营销并打造从风控到营销的业务闭环。

    目前排列科技以“政银合作”的方式与政府和银行展开了广泛的合作。在长期服务银行的过程中,排列科技发现银行所需的第三方数据难以通过商业途径获得,这类数据更多是由政府掌握,因此作为社会信用体系建设的主导者,政府在银行的合作体系中也扮演着极为重要的角色。排列科技通过与政府的合作,获取与企业和个人的相关脱敏数据,能够为银行对客户的精准画像提供极大的帮助。上虞农商行即通过这种方式优化了对企业的服务,通过将相关脱敏数据输入排列科技的模型中,上虞银行可以方便的完成对企业客户的授信审批,实现了整个服务流程的无感化升级。

    此外在与银行的合作中,排列科技采用了分步走的策略,首先帮助德清农商行、黄岩农商行等多家银行搭建大数据平台,使得银行在后期能够实现业务的快速创新,而德清农商行大数据平台项目也成为了浙江省农信数字化转型的标杆项目。在线上风控这块,排列科技与常熟农商行合作,搭建了信用卡的线上反欺诈平台。信用卡作为普惠金融工程的重点项目,是常熟银行重要的获客渠道之一。平台搭建后,客户能够在线上完成个人风险评级与额度审批,极大的提升了开卡效率。同时基于客户信用卡的使用数据,客户可以方便的在后续申请相关的贷款产品。

    陈薇博士表示,当前银行业回归服务业的定位,传统银行面临来自互联网金融的巨大挑战,市场竞争力不断下滑,“高资本消耗、高信贷投放、高成本运营”的传统经营模式难以为继,银行需要对结进行构调整以应对经营环境的变化,而强调效率、精准营销的智慧银行将成为银行未来发展的关键。在打造智慧银行的过程中,排列科技将运用先进科技成果,结合银行经营管理经验,帮助银行高效配置资源,敏锐洞察引领客户需求,帮助银行完成向灵活快速的智慧银行体系的持续升级。


    责任编辑:小蒹


    焦点新闻