银行如何发力数字化转型

摘 要

商业银行应加强数据治理和开放共享，进一步释放数据要素生产力，提高服务实体经济能力

关于经济规律的研究表明，每一次经济形态的重大变革，必然催生也必须依赖新的生产要素。随着数字经济时代的到来，数据将成为驱动经济社会发展的关键生产要素和新引擎。

2020年3月，中共中央、国务院印发的《关于构建更加完善的要素市场化配置体制机制的意见》正式将数据纳入主要生产要素范畴，与传统的土地、技术、劳动力、资本等并列，并明确提出了数据要素市场制度建设的方向和重点改革任务。2020年5月发布的《关于新时代加快完善社会主义市场经济体制的意见》，再次提出“加快培育发展数据要素市场，建立数据资源清单管理机制，完善数据权属界定、开放共享、交易流通等标准和措施，发挥社会数据资源价值”。

加快建立健全数据要素市场已成为中国特色社会主义市场经济顶层制度设计和全面深化改革蓝图中一项战略性、前瞻性、基础性和针对性工作。

数字化降本增效

近年来，商业银行运用人工智能、大数据、物联网、云计算等新一代信息技术，不断推进金融数据治理、安全共享及融合应用，并通过捕捉和利用经营全流程中的数据资产要素拓展业务、管控风险，提升自身的核心竞争力；同时，商业银行还通过利用数据资产不断深化数字化转型，降低运营成本，提高运营效率；此外，商业银行还不断拓展数据资产的运用领域和范围，构建场景生态，积极践行“以客户为中心”的服务理念。

第一，利用数据要素提升核心竞争力。商业银行在拓展业务中积极利用数据要素，有效提升了核心竞争力。

在个金业务条线，利用数据要素推动全量客户规模和资产有效增长。商业银行依托客户数据资源，通过打造“智能识别、智能配置、智能推送、智能监测”的数字化服务模式，为客户提供更加精准的服务方案，提升了全量客户规模、全量客户金融资产及个人业务在全行的贡献度。

在对公业务条线，利用数据要素提升服务实体经济能力。一方面，商业银行聚焦企业自身价值链，依托企业资金管理、投融资管理、供应链管理等各类场景数据，为客户提供智能化的解决方案。另一方面，商业银行依托核心企业和上下游企业的信息流、物流和资金流等信息，积极发展供应链金融，助力缓解中小企业融资难、融资贵的问题。

在中间业务条线，利用数据要素提升中收贡献度。一方面，商业银行在支付结算、跨境清算、信用卡透支、线上代理销售理财产品等各类中间业务中，更加重视利用数据资源升级完善客户体验。另一方面，商业银行紧抓财富管理市场发展机遇，积极发展人工智能技术，通过智能投顾等方式为海量客户提供“千人千面”的个性化资产配置服务。

在风险防控方面，利用数据要素构建以大数据风控为基础的数据融资模式。商业银行利用大数据、风险计量模型和IT等技术，从超大规模的数据中提取风险因子，持续拓展风险数据智能应用场景，积极推进风险数据治理工作，构建了以大数据风控模型为基础的数据融资模式。

第二，利用数据要素提高运营效率。近年来，商业银行积极寻求网点变革新路径，通过对网点功能、布局和管理流程等的优化，不断降低运营成本、优化用户体验，运营效率得到了大幅提高。

从中国银行业协会“陀螺”评价结果可以看出，近年来随着商业银行数字化转型的深化，商业银行成本收入比在稳步下降，以18家全国性商业银行为例，2018年，18家全国性商业银行平均成本收入比为32.55%，2019年，下降为31.52%，2020年，进一步下降到31.14%。

具体来看，商业银行利用数据要素提高运营效率至少体现在以下三个方面。一是降低获客成本。商业银行通过线上渠道获取用户的基本属性、客户交互数据等信息，通过对数据清洗、整合和处理后，可对客户进行精准画像，进而判断客户类型，降低获客成本。二是降低营销成本。商业银行可依托积累的数据信息，向客户推送定制化服务信息，以较低成本提升营销转化率。三是降低运营成本。一些商业银行积极构建“数据中台”，通过建立面向具体业务场景的数据集市和标准化流程，便利业务的衔接和推进，降低了商业银行的运营成本；同时，可通过数据管理平台将“沉没信息”转化为“生产要素”，更好地提升运营效率。

第三，利用数据要素打造场景生态。当前，我们正在进入一个从竞争向竞合、从博弈向共赢、从单体成长到群体进化转变的时代，而数据资产则为不同机构合作共赢带来了无限可能。我们看到，一些商业银行从客户日常生产、消费需求出发，从特定非金融服务切入，围绕其衍生的金融服务痛点融入相应金融产品，打造了金融与非金融服务组合的场景生态。如部分银行通过自建生态平台，面向开发者开放包括消费贷款、账户管理、代收付、信息查询等API，同时嵌入缴费、跨境电商、记账服务等应用，深度融入用户高频生活场景，取得了良好成效。

中国银行发布的《金融场景生态建设行业发展白皮书》显示，全球最具价值的前100家银行中，70%以上已通过建设开放银行平台等模式投入到场景生态建设浪潮中。

应用中的三个问题

在商业银行利用数据要素进行实践探索的同时，我们也注意到银行业目前在数据治理、数据应用、数据安全等方面还有待进一步提升。

一是数据治理问题。商业银行在向数字化转型的同时，数据增长的规模化、结构类型的复杂化、数据分布的零散化等特征也给银行业数据治理带来了挑战。如银行数据分散在不同业务系统中，呈现零散式分布，横向纵向割裂，部门之间、条线之间对客户数据配置水平比不一致，加大了后续数据整合和应用的难度。

二是数据应用问题。从一些银行实践看，核心系统与数据集市建设主要是便于科技部门对数据的管理，而较为忽视业务部门对数据的应用，制约了数据的应用范围。同时，公共部门等外部数据资源与金融数据的融合有待进一步加强，以便更好地发挥“1+1>2”的价值。

三是数据安全问题。当前，金融数据作为有价值的资产，在数据的采集、传输、存储和共享等各个环节面临着安全风险与挑战，数据跨境传输还涉及国家安全等问题，商业银行需统筹好数据的开发利用和安全。此外，随着数据利用的深入，也容易暴露出一些侵犯个人隐私问题，隐私数据泄露事件时有发生，数据安全保护问题依然任重道远。

赋能实体经济要略

近年来，商业银行不断拓展数据使用的深度和广度，创新推出了多种类型的金融产品，使得实体经济的金融获得感和满足度不断提升。“十四五”时期，随着实体经济的高质量发展，商业银行需认真贯彻新发展理念，进一步深挖数据要素的价值，做好对科创、普惠、绿色、数字等重点领域的金融支持。

第一，充分发挥数据要素在科创金融中的作用。在构建新发展格局、完善国家创新体系的背景下，科创金融是银行业转型的制高点和发展新蓝海。商业银行可依托数据要素从以下至少两个方面着手进一步完善金融支持创新体系，促进金融、科技、产业良性循环。

一方面，积极对接外部数据资源，探索建立科技企业评价机制和授信模型。可围绕科技等部门所掌握的企业研发投入、实验室建设、人才库等数据信息，市场上的VC、PE等机构的投资信息，对科创企业进行全景刻画，探索建立一套适合科创企业特征的评价指标体系和授信模型，实现从传统的重抵押、重担保的授信模式转向以数据为重要载体的授信新模式。

另一方面，充分激发商业银行金融资源和社会资源连接优势，以线上+线下的方式，不断丰富科技创新服务场景，构建多层次的金融服务体系，如积极开展知识产权质押融资、供应链融资等金融业务，有序贯通科技企业不同发展阶段资金需求，形成服务科技企业创业、研发、成果转化的全周期孵化融资链条。

第二，充分发挥数据要素在普惠金融中的作用。近日，为进一步提升银行业金融机构中小微企业金融服务能力，强化“敢贷、愿贷、能贷、会贷”长效机制建设，央行印发了《关于深入开展中小微企业金融服务能力提升工程的通知》。结合通知要求，商业银行至少可围绕以下三个方面强化数据要素价值，提升普惠金融的服务能力。

一是利用数据要素增强对信用贷款的支持。商业银行应加大与地方征信平台、融资服务平台、第三方征信机构的合作，充分运用税务、工商等非信贷信息以及在本银行的交易结算等信息，综合评价中小微企业信用水平，提高信用贷款的发放比例。

二是利用数据要素构建“敢贷、愿贷、能贷、会贷”的长效机制。要做到“敢贷”，需要商业银行充分利用大数据等手段，做好风险控制，同时立足行内过往数据制定针对性的尽职免责和纠错容错机制，免除员工后顾之忧；要做到“愿贷”，需要商业银行进一步完善绩效考核机制，强化差异化考核；要做到“能贷”，需要商业银行进一步优化普惠金融的资源配置，内部资源上加大对小微企业的倾斜力度等；要做到“会贷”，需要商业银行结合自身资金成本、业务成本、风险成本，综合考虑客户的综合贡献、客户关系等数据要素，设计最适合中小微企业的金融服务和产品。

三是利用数据要素助力社会治理。商业银行应积极对接乡村振兴战略，主动服务于农村建设、社区建设等，为社区和农村居民提供日常生活所需的社区管理、政务、金融、便民、物业等服务，夯实基层治理。

第三，充分发挥数据要素在绿色金融中的作用。自2020年中国首次提出要在2030年争取实现碳达峰、2060年实现碳中和后，“双碳”目标受到各界高度关注并于2021年全国“两会”正式写入政府工作报告。结合“十四五”规划纲要提到的“大力发展绿色金融”，商业银行至少可从以下四个方面做好数据要素的利用，助力“3060”目标。

一是依托数据资源创新绿色产品种类。围绕碳排放权、排污权、可再生能源补贴等环境权益加快绿色金融产品和服务创新，以更加灵活的方式、更大的力度、更多种类的产品支持绿色项目，提高绿色产业企业的融资能力。二是做好碳数据的信息披露。按照境内外监管信息披露要求，特别是有关碳达峰、碳中和、碳排放等信息的进度指标，分周期、分层次、分领域、分专题，通过公开或半公开的形式披露ESG相关信息和数据，不断提升环境信息披露质量，助力探索建立全国性的碳核算体系。三是为配合央行有序推动碳减排支持工具，商业银行也要做好内部系统及制度的建设，有效开展客户选择、资源配置和风险把控，更好地支持清洁能源、节能环保、碳减排技术的发展。四是做好风险防范，商业银行应全面掌握存量客户、高碳资产的底数，防范“灰天鹅”风险；同时，做好气候风险测算，防范“绿天鹅”风险。

第四，充分发挥数据要素在数字金融中的作用。近年来，中国数字经济增长迅猛，与国民经济和社会发展各领域融合的广度和深度不断拓展。2020年，中国数字经济占GDP比例已超过三分之一。伴随着数字经济的蓬勃发展，数字金融在用户规模、应用场景等方面也走在了全球的前列。后续，商业银行至少可从以下三个层面进一步发挥数据要素作用。

一是深化数字化转型。结合“十四五”规划纲要提出的“稳妥发展金融科技，加快金融机构数字化转型”，商业银行应持续加大金融科技投入，加快数字化转型，夯实数据互联共享的基础。二是深化科技业务融合。及时跟进人工智能、区块链、大数据、云计算以及向深度应用演进的沉浸式媒体、量子科技等前沿技术，不断探索和研究新型技术与金融服务的有机融合，推动技术服务产品化精品化。三是搭建数字金融场景生态平台。搭建金融、非金融服务生态平台，增强场景平台内建外连，实现衣食住行、政务、机构、三农、企业等全场景覆盖；利用数据要素持续增强场景运营能力，以快速迭代敏捷创新能力持续支撑场景平台运营和不断升级的需要，搭建数字化经营的生态闭环。

释放数据要素生产力的建议

商业银行要抓住产业数字化、数字产业化的机遇，加强数据治理和开放共享，进一步释放数据要素生产力，提高服务实体经济能力。

一是建立分级分类数据流通机制。进一步落实新发展理念，针对公共数据、个人数据、产业数据等进行分级分类治理，畅通数据要素在金融机构内部和公开交易市场的流通，并做好不同数据间的“风险免疫”。

二是畅通数据开放共享机制。在银行各种业务数据模型中只有海量用户数据积累迭代，通过多重数据源进行交叉校验才能提升模型精准度，减少风险错报，银行业金融机构必须破除内外部各种有形和无形壁垒，畅通数据开放共享机制。在银行内部通过数据仓库、数据集市等手段整合分散在各部门的数据，提升数据治理能力，完善数据供需对接机制，制定数据共享责任清单和需求清单，建立跨部门、跨层级的数据共享协调机制。

三是加强数据风险管理。随着业务线上迁徙进程加快，金融机构对大数据依赖程度不断提升，不可避免需要面对潜在风险敞口扩大、风险链条拉长、风险洼地效应显现等风险问题，应把风险关口前移，用更先进的防控技术、更完善的安全体系，堵塞安全漏洞，从事前、事中、事后主动加强数据风险管理。

四是加强对大数据领域复合型人才培养。据报道，美国五大行的成本在最近一个季度跃升了逾66亿美元，由于新的金融科技竞争对手的威胁越来越大，人才争夺战愈演愈烈，美国银行业高管们被迫加大了人力成本支出。同时，由于数字技术更新迭代快、专业性强，其对人才专业性、复合性和实用性水平的要求较高，并且还要求具备全局视角、战略思维、深度分析能力等特质，这就要求中国银行业应加快科技领域复合型人才的培养和储备，为进一步释放数据要素生产力提供智力保障。