体验Demo
< 返回

柴磊:商业银行数字化转型的两大路径分析(上)

更新时间:2023-04-14 10:39:51

本文专题:AI魔学院知识库

本文专家:柴磊 魔数智擎创始人兼CEO

文章系列:上期 银行数字化转型模式1.0(科技驱动业务)


01




银行数字化转型背景





中国银行业数字化转型的概念提出最早可以追溯到2009年,央行发布首个指导性文件—《关于促进中国银行业信息化的若干意见》,明确提出在全国范围内加强银行信息化建设的目标。随后,银保监会也相继发布了一系列支持银行数字化转型的政策和指导文件,银行数字化转型正式拉开帷幕。


近年来,随着数字化进程加速和深入,各家银行在转型过程中呈现出不同的思路和实践,笔者将通过2期文章,对两个不同阶段的数字化转型思路进行比较分析,从战略视角对银行数字技术如何赋能业务进行探讨。



02




转型模式1.0(科技驱动业务)





 
转型背景-


由科技部门主导驱动






最早一批进行数字化转型试水的银行基本以国有行及股份制银行为主的规模较大的全国性银行(微众、网商等互联网银行因其天然的数字化基因,不在本文讨论范围内)由于大型银行的资源(包括资金、人才、信息化基础)较为充裕,在响应监管的意识方面及技术前瞻性方面也较为领先,因此更有意愿在数字化技术创新方面进行投入。


在早些年,银行最初的思路基本都是采用科技引领,由科技驱动业务的数字化战略路径。一般由科技部门牵头,通过创新项目引入ABCD各种最新的数字化技术,希望通过运用先进的数字化技术为业务部门赋能,带来业务的重大创新和变革。


产生这样的战略思路的原因,笔者的观点是:业务部门天然对新技术的敏感度没有科技部门高。早期这个情况即便在人才资源丰富的大型银行也会存在,业务部门内有科技背景的人员比例非常低,尤其是决策层的领导属于同时具备科技和业务背景的复合型人才稀缺,这种情况导致很难指望业务部门能够驱动科技来进行数字化转型。


而反观科技部门,基于部门的属性,科技人才济济,对新技术的敏感度更高,科技创新的任务自然就落到了科技部门身上。



 
转型思路-


引入互联网大厂技术






在初期的数字化转型过程中,银行科技部门学习的对象是互联网大厂。作为这一波数字化大潮走在最前面的引路人,人工智能、大数据、云计算等最新数字化技术的业务价值重大发现都是由互联网大厂首先完成的,因此银行科技部门在初期对于互联网大厂的数字化技术总体处于一种虚心学习和全面效仿的态度。


此外,一些大型银行还将科技研发部门独立出来,成立了金融科技子公司,比较有代表性的公司例如建信金科等,期待用更为市场化的方式将科技赋能业务。


但由于缺乏复合型人才,距离业务较远,银行科技部门(包括金融科技子公司)与业务部门沟通成本非常高,对于什么是对业务真正有价值的数字化技术理解可能不太到位,对各种可能引入的数字化技术(尤其是偏业务应用相关的SaaS层)无法很好的评估其业务价值,只能更多相信大厂品牌。



 
转型挑战-


平台适配性与战略配套






这种基于互联网大厂整体解决方案的科技驱动业务的思路在落地业务过程中的确遇到了挑战。


首先,银行数字化转型思路1.0阶段,数字化大工程思维盛行,大型银行科技部门比较倾向于全盘接受互联网大厂的解决方案,从最底层的IaaS层到SaaS采用大厂全套解决方案,早期比较少考虑落地业务的细节以及对业务带来的实际价值到底有多大,因此后续出现了大厂产品和解决方案水土不服的情况。

数据中台案例

数据中台就是比较典型的一个例子。这个概念最早由阿里提出,随后不少银行的科技部门都进行了数据中台的立项。笔者亲历了一家股份制银行科技部门数据中台项目立项过程。该项目是当年由科技部门主导的重大项目,邀请了从阿里出来创业的数据中台团队进行交付,前期业务部门基本没有参与。在项目过程中才逐步发现数据中台并不能给业务带来直接的价值,结果自然不理想。


人工智能建模平台案例

另外一个典型案例是人工智能建模平台。当时这类平台的提供商基本以互联网大厂以及从大厂出来的创业团队为主。科技部门在引入过程中更多从技术工程化视角去评估这类平台,而没有考虑这些平台在风控和营销等实际业务场景下是否能够真正落地。在那一时期采购此类人工智能建模平台的银行几乎都遇到了一个普遍情况:科技部门积极引入,但业务部门很少使用或者干脆不用。



此外,还需要说明的一个挑战是:互联网大厂和银行的企业文化存在差异,如果没有配套的战略、组织架构和人才储备,仅仅靠引入系统平台是很难真正实现数字化转型成功。


因此数字化技术赋能业务不单纯是个技术问题,还涉及到方方面面,复杂度很大,因此失败率也很高。



下期内容

银行数字化转型模式2.0(业务驱动科技)

可关注魔数智擎公众号

第一时间获取下期专业内容



本文专家:
柴磊,魔数智擎创始人兼CEO 
15+年机器学习、数据挖掘领域实战专家,曾多年担任Salford Systems公司中国区代表兼首席咨询顾问,丰富的中外银行咨询、建模经验,服务客户涵盖Capital One、运通、美国银行、VISA、花旗银行、摩根大通、建设银行、广发银行、平安银行、民生银行、腾讯、上汽通用金融、国家电网、京东数科、中证征信等国内外一线企业。曾获得2007 年PAKDD国际数据挖掘大赛冠军,相关论文在《国际数据挖掘与仓库期刊》上发表。2019年,带领团队在NVIDIA GTC CHINA入选全国AI领域十强初创企业,获得特等奖。

魔数智擎

可解释、可干预、简单化人工智能决策模型平台

● 助力企业科技赋能、合规运营

● 将人工智能建模工作效率提升30~40倍

● 客户业务系统不做任何改变就能实现智能化



联系魔数智擎

提交成功

魔数智擎将安排专员与您联系,请耐心等待!

或可直接添加企业微信、拨打联系电话
解决方案 解决方案
客户案例 客户案例
公司介绍 公司介绍
公司动态 公司动态
关注或联系我们

联系电话:0755-33309473  18824600845

商务邮箱:marketing@magicengine.com.cn

其他合作:info@magicengine.com.cn

总部地址:深圳市南山区北邮科技大厦1506-1507

杭州分部地址:杭州市滨江区联慧街88号联慧科创中心23楼

Copyright © 2022 深圳市魔数智擎人工智能有限公司 粤ICP备18115691号-1