這幾日，互金圈和銀行圈好不熱鬧!幾大互聯網金融企業和幾家大銀行就像商量好的一樣，先后發布了戰略合作框架，不僅有業務層面的合作，更有金融科技層面的共同探索。
從合作的深度和進程來看，其實仍處于初級階段，遠遠談不上深入，幾對合作對象的合作聲明中也可窺見一二。雙方合作最大的驅動力大概是科技賦能金融——科技實力占優的一方寄希望于將科技融入更多業務場景，從而推動科技自身的進化;被科技輸出的一方，大概想著借此提升業務體驗，同時也能“用市場換技術”，推動自身科技實力的快速提升。
今天，我們不妨站在傳統銀行的視角，重點談一談科技賦能金融的幾個方向及實施路徑，畢竟好戲才剛剛開始……
存量“活”客與智能“獲”客的革命
客戶基礎是各項業務開展的根本保障，在互聯網金融企業的用戶體驗革命下，傳統金融機構正面臨著獲客與活客的雙重壓力，借助金融科技轉變用戶運維理念正成為新的突破口。
對于工、農、中、建、交這五大行而言，雖然坐擁大量的客戶，但受限于割裂的數據、單一的業務、傳統的營銷手段等因素，客戶基礎整體大而不強，面臨“活客”難題。以工行為例，截止2016年末，個人客戶5.3億戶，其中個人貸款客戶僅1133萬戶，滲透率僅為2.1%。
對于股份制銀行和城商行而言，客戶基礎薄弱，存量客戶活躍度低，面臨獲客與活客的雙重壓力。截止2016年末，以零售業務見長的招行，個人客戶數僅9106萬戶;中信銀行為6747萬戶;平安銀行4047萬戶;興業銀行3491萬戶;北京銀行1664萬戶。它們與互聯網金融巨頭的數億用戶規模均有著顯著的差距。除了客戶基礎薄弱，中小銀行同樣也面臨著存量客戶“活客”難題。
不過，Ⅱ類和Ⅲ類賬戶的落地，大大縮短了銀行新開戶的操作環節，虛擬電子賬戶的開通體驗與第三方支付賬戶無疑，使得手機銀行、消費貸款等產品獲客均不再受本行借記卡賬戶的限制。比如，客戶可通過他行賬戶注冊本行手機銀行，并享受各種金融服務;客戶也可選擇以他行借記卡賬戶為收款和還款賬戶，向本行申請消費貸款。
對銀行而言，無論是本行存量不活躍客戶還是非本行客戶，均可通過諸如嵌入場景、豐富數據、多維度畫像等相似的手段激活或獲取，某種程度上，獲客與活客的邊界正日趨模糊。
在場景上，銀行一方面加入銀聯云閃付二維碼標準，共享銀聯線下掃碼付場景，同時也在線下布局兼容第三方支付二維碼的收單機具;另一方面則與電商巨頭合作，通過發行聯名卡、虛擬賬戶合作等方式獲客。
與此同時，還在內部加快推動全行統一的客戶標簽體系建設，建立個人客戶營銷畫像體系，形成對個人客戶特征的多維描繪，實現對客戶個體的個性化、集成化產品與服務推薦及對客戶投資行為、風險偏好的自動評估。
以開放的心態加大與金融科技企業的合作，同時在內部積極推動金融科技的研發與運用，商業銀行正迎來一場存量“活”客與智能“獲”客的革命。在這個角度上，科技正驅動著業務發展，成為第一生產力。
大數據風控與客群擴展相輔相成
經過幾十年的發展，商業銀行傳統的風控手段已經趨于發展的極限，開始遭遇用信類客群拓展的天花板。近年來，電商巨頭和互聯網消費金融公司借助大數據這一風控手段的創新，成功在銀行傳統用信客群外開辟了新的客戶，大數據風控也成為傳統金融機構實現客群擴展的重要手段。
提到大數據風控，銀行不缺數據，但缺乏系統全面的結構化數據，缺乏對數據的整理分析，也缺乏多維度的行為數據，使得銀行在大數據風控上反倒成為追趕者。
銀行的自有數據主要是各種業務數據，是對全行客戶業務活動過程和結果的記錄。同時，為了更好地開展業務，還會要求用戶提供諸如電話、職業、教育、住址等信息，如果有過貸款申請行為，還會包括收入、房產等強信用屬性數據。此外，所有人的工資都是銀行代發，公積金流水也在銀行，房貸和車貸也都在銀行，銀行在業務過程中還產生了大量的文檔、資訊、圖片、音像等非結構化數據。
但問題在于，銀行業的數據是割裂的，除了信貸類的關鍵信息會以征信的形式報送央行征信中心，實現一定程度上的共享外，其他的各類財富相關數據，都分別沉淀在各家銀行。比如張三，在中國銀行有1000塊存款，在建設銀行有20萬塊存款，在工商銀行沒有存款，那么，在建行看來，這是個有錢人;在中行看來，這是個再普通不過的用戶;在工行看來，這個人的財富狀況無法判斷。
反映到產品層面，便是授信類產品覆蓋范圍狹窄。在宣傳上，都是快速授信、實時審批、實時提款，但絕大多數用戶的使用體驗只有三個字——沒額度!
就大多數銀行的消費貸款產品而言，目前僅限于公務員、事業單位員工和本行代發薪用戶，本行信用卡用戶、房貸用戶、理財用戶、轉賬交易用戶等通常沒有額度。這意味著，現階段銀行大數據能力可能僅限于代發薪數據的整合，連信用卡消費數據、轉賬數據等都沒有有效利用，更何談消費數據、興趣愛好、社交信息等行為數據的引入和整合了。
在實施路徑上，銀行一方面需要盡快打通散落在各業務線和產品線的內部數據，形成用戶統一畫像，進而整合、分析、發掘新的優質用戶，擴大信貸產品的覆蓋范圍、提升授信額度;更為重要的則是加快數據拓源速度，既要拓展公積金、納稅、繳費記錄等信息，也要與大數據公司保持開放合作態度，補足用戶行外金融屬性信息，并利用爬蟲技術抓取用戶社交數據，豐富大數據模型維度。
總之，面對消費金融整體進入大數據征信2.0的新階段，商業銀行應轉變風控觀念，在實踐中從“抵質押為主+大數據為輔”的操作模式向“大數據為主+抵質押為輔”的方向轉變。唯有如此，才能真正實現信貸類產品的客群擴展與下沉。
智能投顧與資管業務普惠化
近年來，資管業務成為銀行業轉型發展的重點方向之一，通過發力非標理財業務，銀行得以廣泛連接銀行同業、信托公司、券商、保險公司、基金專戶甚至互金平臺，在資產端打通了與市場各類參與主體的業務空間。
理財資產的多元化客觀上催生并加速了理財客戶資金多元配置的需求，傳統的一對一人工理財咨詢顧問模式受人才、成本、渠道等因素限制，蓋面有限，為智能投顧的發展創造了空間。
所謂智能投顧，是指通過量化投資模型，結合客戶的投資目標、收入和納稅情況，為客戶打造專業、理性的投資組合。
與傳統投顧服務相比，智能投顧依靠模型且純線上，邊際成本幾乎為0，且具有明顯的規模效應，可以充分發揮互聯網的“低成本、廣覆蓋”精髓，推動投顧服務普惠化。
與理財產品互聯網化相比，智能投顧依托現代科技手段實現了標準資產產品的組合化和智能化，從而帶來產品層面的創新。通過智能投顧技術，客戶得以享受全新的風險和收益組合，本質上已經是一種新的投資產品。
所以，相較于互聯網理財對傳統資管行業的影響，智能投顧的影響更為深遠，它在產品創新、業務模式、銷售策略等各方面給傳統資管業務帶來深遠的影響。
當前，部分銀行已經開展了智能投顧的探索，如招商銀行推出了摩羯智投、浦發銀行推出了財智機器人等。投資人只需要提出“目標——收益”要求，系統會自動配置理財產品組合并進行動態調整。對用戶而言，這更像是一款操作便捷、手續簡單的單一理財產品。
而站在銀行的角度，則通過資產配置實現了多元化資管產品的銷售，為一些非熱門產品尤其是長尾產品打開了新的銷售渠道。
整體上看，銀行業對智能投顧的布局仍處于初級階段，銀行數量少、產品配置種類單一，還有很大的發展空間，其對傳統資管業務的影響也才剛剛開始發酵。
前景展望：金融業務必將被科技重構
金融科技本身仍處于發展與進化之中，其對金融業務的改造和影響也是剛剛開始。
除了上述幾個領域的探索之外，云計算因其成本節約、可動態擴展、交付效率高等優點，開始被金融機構接受，部分外圍應用服務已經初步實現云端化;
區塊鏈技術在支付清算、資產交易、供應鏈金融等領有望給傳統業務模式帶來顛覆性影響，目前各類實驗性應用層出不窮;
物聯網技術在提升金融機構風險識別和控制能力，推動金融產品和服務創新上有了巨大的想象空間，在供應鏈金融、大宗商品融資、保險標的管理、融資租賃設備管理等方面也已經出現了不少成熟的探索和應用;
機器學習、自然語言處理、知識圖譜等人工智能技術在金融量化交易中有了很多應用，生物特征識別在金融領域也有著廣泛的應用。
可以預見，隨著金融業務中的科技性因素越來越多，業務與科技在某種程度上將出現融合之勢，科技貫穿于業務全流程，業務本身也必將被科技重構。
https://www.huxiu.com/article/201718.html
這幾日，互金圈和銀行圈好不熱鬧!幾大互聯網金融企業和幾家大銀行就像商量好的一樣，先后發布了戰略合作框架，不僅有業務層面的合作，更有金融科技層面的共同探索。
從合作的深度和進程來看，其實仍處于初級階段，遠遠談不上深入，幾對合作對象的合作聲明中也可窺見一二。雙方合作最大的驅動力大概是科技賦能金融——科技實力占優的一方寄希望于將科技融入更多業務場景，從而推動科技自身的進化;被科技輸出的一方，大概想著借此提升業務體驗，同時也能“用市場換技術”，推動自身科技實力的快速提升。
今天，我們不妨站在傳統銀行的視角，重點談一談科技賦能金融的幾個方向及實施路徑，畢竟好戲才剛剛開始……
存量“活”客與智能“獲”客的革命
客戶基礎是各項業務開展的根本保障，在互聯網金融企業的用戶體驗革命下，傳統金融機構正面臨著獲客與活客的雙重壓力，借助金融科技轉變用戶運維理念正成為新的突破口。
對于工、農、中、建、交這五大行而言，雖然坐擁大量的客戶，但受限于割裂的數據、單一的業務、傳統的營銷手段等因素，客戶基礎整體大而不強，面臨“活客”難題。以工行為例，截止2016年末，個人客戶5.3億戶，其中個人貸款客戶僅1133萬戶，滲透率僅為2.1%。
對于股份制銀行和城商行而言，客戶基礎薄弱，存量客戶活躍度低，面臨獲客與活客的雙重壓力。截止2016年末，以零售業務見長的招行，個人客戶數僅9106萬戶;中信銀行為6747萬戶;平安銀行4047萬戶;興業銀行3491萬戶;北京銀行1664萬戶。它們與互聯網金融巨頭的數億用戶規模均有著顯著的差距。除了客戶基礎薄弱，中小銀行同樣也面臨著存量客戶“活客”難題。
不過，Ⅱ類和Ⅲ類賬戶的落地，大大縮短了銀行新開戶的操作環節，虛擬電子賬戶的開通體驗與第三方支付賬戶無疑，使得手機銀行、消費貸款等產品獲客均不再受本行借記卡賬戶的限制。比如，客戶可通過他行賬戶注冊本行手機銀行，并享受各種金融服務;客戶也可選擇以他行借記卡賬戶為收款和還款賬戶，向本行申請消費貸款。
對銀行而言，無論是本行存量不活躍客戶還是非本行客戶，均可通過諸如嵌入場景、豐富數據、多維度畫像等相似的手段激活或獲取，某種程度上，獲客與活客的邊界正日趨模糊。
在場景上，銀行一方面加入銀聯云閃付二維碼標準，共享銀聯線下掃碼付場景，同時也在線下布局兼容第三方支付二維碼的收單機具;另一方面則與電商巨頭合作，通過發行聯名卡、虛擬賬戶合作等方式獲客。
與此同時，還在內部加快推動全行統一的客戶標簽體系建設，建立個人客戶營銷畫像體系，形成對個人客戶特征的多維描繪，實現對客戶個體的個性化、集成化產品與服務推薦及對客戶投資行為、風險偏好的自動評估。
以開放的心態加大與金融科技企業的合作，同時在內部積極推動金融科技的研發與運用，商業銀行正迎來一場存量“活”客與智能“獲”客的革命。在這個角度上，科技正驅動著業務發展，成為第一生產力。
大數據風控與客群擴展相輔相成
經過幾十年的發展，商業銀行傳統的風控手段已經趨于發展的極限，開始遭遇用信類客群拓展的天花板。近年來，電商巨頭和互聯網消費金融公司借助大數據這一風控手段的創新，成功在銀行傳統用信客群外開辟了新的客戶，大數據風控也成為傳統金融機構實現客群擴展的重要手段。
提到大數據風控，銀行不缺數據，但缺乏系統全面的結構化數據，缺乏對數據的整理分析，也缺乏多維度的行為數據，使得銀行在大數據風控上反倒成為追趕者。
銀行的自有數據主要是各種業務數據，是對全行客戶業務活動過程和結果的記錄。同時，為了更好地開展業務，還會要求用戶提供諸如電話、職業、教育、住址等信息，如果有過貸款申請行為，還會包括收入、房產等強信用屬性數據。此外，所有人的工資都是銀行代發，公積金流水也在銀行，房貸和車貸也都在銀行，銀行在業務過程中還產生了大量的文檔、資訊、圖片、音像等非結構化數據。
但問題在于，銀行業的數據是割裂的，除了信貸類的關鍵信息會以征信的形式報送央行征信中心，實現一定程度上的共享外，其他的各類財富相關數據，都分別沉淀在各家銀行。比如張三，在中國銀行有1000塊存款，在建設銀行有20萬塊存款，在工商銀行沒有存款，那么，在建行看來，這是個有錢人;在中行看來，這是個再普通不過的用戶;在工行看來，這個人的財富狀況無法判斷。
反映到產品層面，便是授信類產品覆蓋范圍狹窄。在宣傳上，都是快速授信、實時審批、實時提款，但絕大多數用戶的使用體驗只有三個字——沒額度!
就大多數銀行的消費貸款產品而言，目前僅限于公務員、事業單位員工和本行代發薪用戶，本行信用卡用戶、房貸用戶、理財用戶、轉賬交易用戶等通常沒有額度。這意味著，現階段銀行大數據能力可能僅限于代發薪數據的整合，連信用卡消費數據、轉賬數據等都沒有有效利用，更何談消費數據、興趣愛好、社交信息等行為數據的引入和整合了。
在實施路徑上，銀行一方面需要盡快打通散落在各業務線和產品線的內部數據，形成用戶統一畫像，進而整合、分析、發掘新的優質用戶，擴大信貸產品的覆蓋范圍、提升授信額度;更為重要的則是加快數據拓源速度，既要拓展公積金、納稅、繳費記錄等信息，也要與大數據公司保持開放合作態度，補足用戶行外金融屬性信息，并利用爬蟲技術抓取用戶社交數據，豐富大數據模型維度。
總之，面對消費金融整體進入大數據征信2.0的新階段，商業銀行應轉變風控觀念，在實踐中從“抵質押為主+大數據為輔”的操作模式向“大數據為主+抵質押為輔”的方向轉變。唯有如此，才能真正實現信貸類產品的客群擴展與下沉。
智能投顧與資管業務普惠化
近年來，資管業務成為銀行業轉型發展的重點方向之一，通過發力非標理財業務，銀行得以廣泛連接銀行同業、信托公司、券商、保險公司、基金專戶甚至互金平臺，在資產端打通了與市場各類參與主體的業務空間。
理財資產的多元化客觀上催生并加速了理財客戶資金多元配置的需求，傳統的一對一人工理財咨詢顧問模式受人才、成本、渠道等因素限制，蓋面有限，為智能投顧的發展創造了空間。
所謂智能投顧，是指通過量化投資模型，結合客戶的投資目標、收入和納稅情況，為客戶打造專業、理性的投資組合。
與傳統投顧服務相比，智能投顧依靠模型且純線上，邊際成本幾乎為0，且具有明顯的規模效應，可以充分發揮互聯網的“低成本、廣覆蓋”精髓，推動投顧服務普惠化。
與理財產品互聯網化相比，智能投顧依托現代科技手段實現了標準資產產品的組合化和智能化，從而帶來產品層面的創新。通過智能投顧技術，客戶得以享受全新的風險和收益組合，本質上已經是一種新的投資產品。
所以，相較于互聯網理財對傳統資管行業的影響，智能投顧的影響更為深遠，它在產品創新、業務模式、銷售策略等各方面給傳統資管業務帶來深遠的影響。
當前，部分銀行已經開展了智能投顧的探索，如招商銀行推出了摩羯智投、浦發銀行推出了財智機器人等。投資人只需要提出“目標——收益”要求，系統會自動配置理財產品組合并進行動態調整。對用戶而言，這更像是一款操作便捷、手續簡單的單一理財產品。
而站在銀行的角度，則通過資產配置實現了多元化資管產品的銷售，為一些非熱門產品尤其是長尾產品打開了新的銷售渠道。
整體上看，銀行業對智能投顧的布局仍處于初級階段，銀行數量少、產品配置種類單一，還有很大的發展空間，其對傳統資管業務的影響也才剛剛開始發酵。
前景展望：金融業務必將被科技重構
金融科技本身仍處于發展與進化之中，其對金融業務的改造和影響也是剛剛開始。
除了上述幾個領域的探索之外，云計算因其成本節約、可動態擴展、交付效率高等優點，開始被金融機構接受，部分外圍應用服務已經初步實現云端化;
區塊鏈技術在支付清算、資產交易、供應鏈金融等領有望給傳統業務模式帶來顛覆性影響，目前各類實驗性應用層出不窮;
物聯網技術在提升金融機構風險識別和控制能力，推動金融產品和服務創新上有了巨大的想象空間，在供應鏈金融、大宗商品融資、保險標的管理、融資租賃設備管理等方面也已經出現了不少成熟的探索和應用;
機器學習、自然語言處理、知識圖譜等人工智能技術在金融量化交易中有了很多應用，生物特征識別在金融領域也有著廣泛的應用。
可以預見，隨著金融業務中的科技性因素越來越多，業務與科技在某種程度上將出現融合之勢，科技貫穿于業務全流程，業務本身也必將被科技重構。
https://www.huxiu.com/article/201718.html
專注于大型商城/O2O/B2B傳統產業平臺的設計與研發
魯公網安備 37010202000537號