“2020金融文字節——銀行數字化創新主題征文大賽”由中國電子銀行網（微信公眾號：cfca-cebnet）、未央網聯合主辦，和訊網作為戰略合作媒體，清華大學金融科技研究院作為學術支持，以下為參賽者投稿。

作者：達觀數據 陳文彬

在新一波科技浪潮的沖擊下，席卷全球的數字化變革加速了金融業在服務、模式、生態等領域的升級換代，助力金融行業實現深層次數字化轉型。銀行業金融機構紛紛將流程機器人、計算機視覺、自然語言處理、機器學習、知識圖譜等前沿科技融入企業核心競爭力，探索更豐富的落地場景，搭建更高效智能的基層數字化技術工具與解決方案，實現銀行業商業模式、運營模式等各領域的創新與重塑，引領現代社會數字化發展潮流。

一、銀行業發展現狀與挑戰

在宏觀背景的影響下，金融行業的發展面臨著諸多挑戰。麥肯錫在《全球銀行業年度報告2016》中指出，“在數字化時代，銀行正在失去其賴以生存的客戶關系。預計到2025年，受數字化技術的沖擊，銀行的消費金融、支付、財富管理和房屋抵押貸款業務的利潤將分別下滑60%、35%、30%和20%?！?/p>

2018年，我國的GDP增長了6.6%，雖然達到了政府6.5%的發展目標，但卻是全球金融危機以來的最低水平。在我國經濟由高速增長階段轉向高質量發展階段的時代背景下，金融體系在向高質量發展轉變的過程中，面臨著增長放緩與分化嚴重的挑戰。2017年至2018年，我國商業銀行的平均凈利潤增速遠低于2014年之前的水平，大部分銀行難以實現雙位數增長。此外，國家統計局數據顯示，2011年至2018年我國商業銀行不良貸款余額與不良貸款率均呈現明顯上升趨勢。其中，商業銀行不良貨款余額從4,279億元增長到20,254億元，年復合增長率24.87%；不良貨款率從1.00%上升到1.83%。如圖1-1所示的是2011年至2018年我國商業銀行不良貸款余額及不良貸款率的數據[數據來源：國家統計局]。

圖1-1 2011年至2018年我國商業銀行不良貸款余額及不良貸款率

在數據面前，銀行業的發展前景引人深思。具體來說，我國銀行業發展面臨著三大挑戰：

第一，工作效率低。金融行業中針對流程類工作的“傳統軟件”更多的是對整個工作整體進行設計，數據庫操作、報表操作、數據計算等軟件依然需要人工操作。人工仍然需要應對軟件中大量的事務性流程工作，工作效率亟待提高。

第二，人力成本高。在“人口紅利”逐漸消失的背景下，金融行業中仍有許多重復、簡單、繁瑣的事務性流程工作需要大量的人力來完成，企業的人工成本壓力越來越大，需要更多自動化、智能化的技術賦能行業降本增效。

第三，合規需求高。應銀保監會要求，在傳統的人工業務操作中，包括客戶風險等級評估、客戶預約、客戶信息登記、風險提示、購買、審查審計等業務辦理環節，業務合規需求相對較高。

在此背景下，如何把握金融科技發展趨勢，將新科技和金融業務有機融合，提升綜合實力和科技創新能力，已成為目前金融機構面臨的重要課題。

二、RPA和AI自動化技術簡介

為適應新形勢下的機遇和挑戰，國內外領先金融機構積極采用流程機器人、計算機視覺、自然語言處理、知識圖譜等新興技術(如圖1-2所示)以更快速、便捷地服務客戶，擺脫依靠物理網點和密集人力連接客戶、提供服務的局限，將新技術融入到金融機構的核心業務領域，成為新時代的核心競爭力。

圖1-2 RPA和AI等新興技術

01 機器人流程自動化（Robotic Process Automation，RPA）

RPA（Robotic Process Automation，機器人流程自動化）：通過特定的、可模擬人類在計算機界面上進行操作的技術，按規則自動執行相應的流程任務，代替或輔助人類完成相關的計算機操作。與大家通常所認為的具備機械實體的“機器人”不同，RPA本質上是一種能按特定指令完成工作的軟件，這種軟件安裝在個人計算機或大型服務器上，通過模擬鍵盤、鼠標等人工操作來實現辦公操作的自動化。

02 光學字符識別（Optical Character Recognition，OCR）

OCR技術是指利用電子設備（例如掃描儀或數碼相機）將紙質文檔中的文字轉換成為黑白點陣的圖像文件，并通過識別軟件將圖像中的文字轉換成文本格式，供文字處理軟件進一步編輯加工的技術。通俗地說就是，對文本資料進行掃描，然后對圖像文件進行分析處理，以獲取文字及版面信息的技術。OCR技術一般可分為圖像分析與處理、版面分析、圖像分割、文字識別、版面還原等5個階段。

03 機器學習/大數據分析(Machine Learning, ML)

機器學習/大數據分析是一種用于設計復雜模型和算法并以此實現預測功能的方法，即計算機有能力去學習，而不是依靠預先編寫的代碼。它能夠基于對現有結構化數據的觀察，自行識別結構化數據中的模型，并以此來輸出對未來結果的預測。機器學習是一種通過“監督”和“無監督”學習來識別結構化數據中的模式（例如日常性能數據）的算法。監督算法是指在根據自己的輸入做出預測之前，會從輸入和輸出的結構化數據集來進行學習。無監督算法是指觀察結構化數據，并對已識別的模式提供相關見解。

04 自然語言處理（Natural Language Processing，NLP）

自然語言處理技術是與自然語言的計算機處理有關的所有技術的統稱，其目的是使計算機能夠理解和接受人類用自然語言輸入的指令，完成從一種語言到另一種語言的翻譯功能。自然語言處理技術的研究，可以豐富計算機知識處理的研究內容，使得計算機具有與人一樣的表達能力和寫作能力，它遵循某種規則，將從數據中觀察到的信息轉換成高質量的自然語言文本。例如，自動識別會議郵件中的主題、數字地名、人名地址并生成行程表備忘錄，或者識別出合同條款的關鍵內容并將摘要的重點生成列表。

05 知識圖譜（Knowledge Graph）

知識圖譜是通過將應用數學、圖形學、信息可視化技術、信息科學等學科的理論與方法與計量學引文分析、共現分析等方法結合，并利用可視化的圖譜形象地展示學科的核心結構、發展歷史、前沿領域以及整體知識架構達到多學科融合目的的現代理論。自然語言處理技術實現了文字信息的理解，而在此基礎上，知識圖譜將海量的信息分類整理，以可視化的方式展示信息的關聯關系，讓計算機模仿人類進行更高維度地決策和分析，很大程度上決定了人工智能水平的高低。

三、銀行業RPA常見應用場景

在數字時代，銀行正在經歷一場史無前例的變革。與過往“數字銀行”概念不同的是，這一波變革以用戶體驗為核心，從業務體驗到渠道體驗全面優化升級，在支付、信貸等各個方面重新定義銀行的服務。在此過程中，RPA和人工智能發揮了極其重要的作用。

銀行作為一個強規則領域，業務流程和報告流程的重復性強、規則明確，因此也最易于實現流程自動化；同時，由于RPA還有具有可追溯記錄的屬性，因此其在合規上具有特殊的優勢。

四、RPA在國內外金融機構的應用情況

RPA在金融機構的應用覆蓋了大范圍業務場景，例如，流程的自動化和整合，后臺自動化，貸款審批，薪資管理，人力資源操作自動化，質量和服務改進，以及標準交易自動化等。銀行業龐雜的遺留系統和業務發展需求的不匹配，導致大量系統與系統，數據與數據之間必須通過人工協調，形成許多“銜接性”的工作流程。這些高流量、重復的、趨于風險和失誤的流程是RPA應用的首選，它們分布在銀行各個業務條線的前、中、后臺。根據Gartner的研究顯示，2018年全球RPA的開支大約為6.8億美元，同比增長57％，預計到2022年將達到24億美元。預計到2022年年底，85％的大型和超大型組織都將部署某種形式的RPA。

（一）國外RPA的金融應用

國外領先金融機構早已在不同的應用領域中嘗試了RPA的試點工作，積累了豐富的經驗并取得了令人矚目的成績，如圖1-3所示的是國外應用RPA的部分金融機構。

圖1-3 國外應用RPA的部分金融機構

法國興業銀行已將RPA運用于投資銀行部、人力資源部、財務部、合規部，將大量常規工作任務自動化，包括從網站上獲取信息并自動整理至文件夾中。工作人員可以在白天專注于分析和決策環節的工作，晚間由RPA軟件機器人運行自動化工作，提升了流程標準化，降低了運營風險，提升了客戶體驗。

波蘭銀行通過RPA應用，實現了銀行系統的流程自動化和整合。波蘭銀行通過RPA技術和解決方案，使流程管理得到了改進，降低了運營風險，在未改變現有IT系統的基礎上成功實施了RPA。實施后流程的執行速度提升了2~5倍，個人成本節省達85%以上，有望節省16%~20%的全職員工人力。

澳新銀行是澳大利亞的四大銀行之一，業務遍布全球33個國家。在發展中，澳新銀行也曾遇到過面臨海量的運營流程缺乏靈活的管控機制，員工聘用及后續的入職、培訓等任務極大地消耗了高層管理者的精力等問題。澳新銀行引進RPA，旨在解決運營流程缺乏處理工作量變化彈性的問題，提高數據輸入的正確性，使員工從單調重復的事務勞動中得以解放。應用RPA后，機器人一年節約的工作量相當于300位全職員工的年工作量總和；降本幅度高達每年300萬美元；在多達20個領域實現了整體作業流程自動化能力。澳新銀行在其貸款業務、薪資管理、人力資源操作等方面實現了高效應用，推動了整體后臺流程的優化，獲得了立竿見影的效益。

印度AXIS銀行已經將RPA運用到ATM/POS運營、零售貸款、結算等業務場景中。其整體數字化轉型采取了三步走的發展策略，優先進行流程優化，再進行移動辦公改造，最后進行自動化及人工智能變革。印度AXIS銀行通過RPA應用，ATM對賬從T+2變成T+0日常對賬，并且能夠實時解決交易糾紛，更快地響應客戶；零售信貸支付周轉時間降低了10％，并能夠實時設置核準貸款的擔保、費用等；實現7×24小時無縫批量處理公司客戶大規模資金的業務請求；清算處理涉及的ECS內部授權實現批量請求及異常報告的實時處理；全面實現人力節省、營收提升、客戶滿意度提升的三大目標。

在新西蘭合作銀行的RPA應用中，在12個月內挑選10個流程并實現自動化，員工需求從11個降低到2個，審計流程用時從傳統人工操作6~7小時降低到機器人1分鐘內完成，每小時銷戶數從12個提高到200個，實現了客戶服務水平、流程速度、準確率的提升。

此外，德意志銀行、巴克萊銀行、摩根斯坦利等銀行也先后將RPA技術運用到實際銀行業務場景當中。德意志銀行在貿易金融、現金運營、貸款運營領域進行了流程自動化的改造。各大領域整體作業流程超過30%實現了自動化，大幅降低了員工培訓時間。巴克萊銀行將RPA應用于欺詐識別、風險監控、貸款申請，節約了大約120位全職員工一年的工作量，壞賬準備金減少了1.75億英鎊。在摩根斯坦利銀行個人房屋貸款和小企業貸款放款業務場景的RPA實踐中，80%的交易流程由原來的3周縮短至幾小時內即可完成。渣打銀行對公開戶業務的客戶錄入時間由原先的20天驟減至5分鐘。

（二）國內RPA的金融應用

目前，國內銀行在流程機器人方面還普遍處于探索、嘗試的起步階段，但是也將RPA技術積極應用于零售金融、企業金融、同業金融、風險管理、運營管理、人力資源、信息技術等不同的業務場景（如圖1-4所示），實現運營的自動化和數字化升級。在零售金融方面，RPA技術涵蓋了貸后催收、貸款產品推薦、個人失信查詢等業務場景；在企業金融方面，RPA技術涵蓋了對公開戶、授信業務、財務報表采集與分析、電子催收等業務場景；在同業金融方面，RPA技術涵蓋了同業拆入存放、余額調節表制作等業務場景；在風險管理方面，RPA技術涵蓋了監管報送、信用審批、合同合規審核等具體業務場景；在運營管理方面，RPA技術在指標統計、費用報銷、合同報備等業務場景中有著良好的應用；在人力資源與信息技術領域，RPA技術也有著不同程度的應用范圍。

圖1-4 RPA應用于銀行業的核心業務場景

（1）監管報送

在某銀行監管報送領域，各銀行分支機構的風險經理需要每月定期統一業務報表，系統下載原始數據，并整合手工臺賬數據，按照監管要求制作數十張監管報表(比如，GF0102貸款五級分類月報表、GF1101行業貸款情況表、G12貸款質量遷徙表)，并向屬地監管機構報送。傳統人工處理面臨著監管報表數量多、計算規則復雜、人工制作非常耗時、易出差錯的痛點。在RPA監管報送機器人的技術支持下，實現了監管報表科目的自動計算及一鍵生成，全流程從12個小時降低至1.5小時以內，效率提高了7倍。

（2）貸后資金流向監控

某銀行的貸后資金流向監控業務領域中，各銀行分支機構貸后管理人員需要定期排查個人貸款流向，用于檢查貸款用途的真實性，并對可疑貸款提前進行結清處理，以滿足監管合規的要求。但是在操作中，個人貸款資金流向數據量大，篩選規則復雜，人工篩選耗時較長，且容易遺漏。應用RPA之后，可以根據交易金額、資金流向、交易時間等規則，自動篩選個人流水數據，生成可疑用戶名單，以待進一步排查，提升工作效率和監控頻率，以保證監控質量。

（3）征信信息查詢

在某銀行征信業務發展過程中，該銀行也引入了RPA征信查詢機器人協助進行授信審批。在銀行對企業或個人授信審批的過程中，分支機構客戶經理需要登錄法院、工商、稅務、裁判文書等20多個企業和個人征信信息相關系統網站，匯總查詢結果信息，并截圖保存。這一過程業務量大，涉及外部系統多，費時費力。借助RPA技術，征信查詢機器人可以自動登錄外部多個征信系統或網站，獲取、匯總并截圖保存查詢結果信息，提升工作效率，保障征信數據的完整性，從而大幅降低人力成本，實現降本增效。

（4）對公開戶審核

在某銀行對公開戶領域，運營管理部在集中處理O2O預約開戶審核時，需查詢客戶在國家企業信用信息公示系統（工商網）、人行賬戶管理系統、機構信用代碼系統中的信息，并對信息的一致性進行比對。業務操作工作量大，每月需處理上萬筆業務。季末、年末開戶量比平均多出大約20%~40%，人力負擔較重。對于公開戶機器人，可以自動查詢客戶的人行賬戶管理系統、機構信用代碼系統信息，并實現人行賬戶管理系統、機構信用代碼系統、企業工商系統三者之間的信息比對。單筆業務審核時間從5分鐘降低至1分鐘以內，效率提高了4倍。

（5）合同信息采集

在某股份制商業銀行的內部合同處理領域，采購部門需要將合同信息錄入至合同管理系統，并比對掃描件合同與電子版合同是否一致，比對無誤后，提取合同關鍵信息填入該系統。人工比對掃描件與電子版費時費力，容易出錯。RPA合同信息采集機器人可以通過智能文本審閱平臺抽取供應商合同中的關鍵信息，然后利用RPA自動填入合同管理系統，并校驗是否有單號重復錄入的情況，最后結合人工處理異常情況，以實現流程自動化，從而大幅提升工作效率。

（6）信貸產品營銷

在某銀行信貸業務中，基于篩選的客戶白名單，信用卡中心客服人員以對外電話呼叫的形式觸達客戶，由于呼叫成本較高，因此業務規模受到限制，觸達客戶數量少，營銷成功率低。借助RPA技術，當出現意向客戶進線時，流程機器人將自動抓取關聯業務系統數據，實時計算客戶最大授信額度，并在財務系統自動下單，進行放款（如圖1-5所示）。在RPA賦能下，潛在客戶觸達率可達100%，營銷成功率可提升50%。

圖1-5 信貸產品營銷流程

（7）APP功能智能推薦

在某全國性股份制商業銀行中，手機移動客戶端的國內日活躍用戶高達幾百萬到上千萬。在引入RPA+智能推薦技術后，手機移動客戶端增加了基于用戶畫像的精準推薦系統，能夠構建單個用戶的個體畫像和具有相同屬性的群體畫像，打造基于手機移動端線上和線下一體化的金融產品與服務的標簽體系，進一步增加用戶、產品、內容之間的關聯，提升用戶粘性。智能推薦機器人將銀行手機移動端APP從單純的基于金融屬性的APP，逐步轉變成具備一定社區屬性的綜合金融APP。

（8）財務報表采集

某大型國有銀行在其財務報表分析領域，已經引入RPA應用并初見成效。在傳統業務處理流程中，各銀行分支機構客戶經理需要將大量財務報表上的數百項信息手動錄入至相應的企業金融系統，并將財務信息填寫至盡職調查報告，該流程存在財務報表數量多、會計科目數值大、人工采集非常耗時、易出差錯的問題。通過RPA軟件機器人的應用，全流程業務操作時間從之前的4小時縮短到10分鐘以內，效率提高了23倍。

圖1-6 財務報表采集與分析場景流程

（9）賬管系統代填

在某銀行內部，已經開立的賬戶信息需要手工同步錄入銀行結算賬戶管理系統，包括基本信息、賬戶信息等字段，憑借人工切換不同系統進行錄入相對來說既費時費力又容易出錯。通過RPA技術，賬管系統代填機器人自動讀取待填寫賬戶列表，獲取賬戶信息并自動上傳，通過OCR模塊進行影像信息抽取后，再自動登入賬管系統中完成錄入提交。高效快速完成多系統間的數據遷移，大大提升了操作效率，降低了出錯率。

（10）同業對賬

在某大型國有銀行的同業對賬業務中，基于RPA技術開發的同業對賬機器人取得了良好的應用效果。在業務場景下，同業業務部對賬人員需要下載多個不同的銀行賬戶和金融機構自身財務核心系統的眾多流水文件，并逐條比對這繁多的條目，將校驗不符的賬目錄入余額調節表，查明差額原因。在傳統的人工操作下，銀行賬號及流水信息數量較大，耗時多且易出差錯，資金風險高，審計和監管風險大。RPA同業對賬機器人通過部署USB Hub（免USB插拔），對UKey進行集中管控，實現流水文件自動下載、文件格式自動轉換、賬目流水自動比對，從而大幅度節省管賬人員的工作量，百分百保障賬單數據的準確性，提高資金的安全保障，滿足監管和審計的要求。

（11）信息設備運維

在某銀行信息科技部，運維人員需要定期登錄安管設備管理系統，獲取安全設備管理信息，填寫安全運行報告，以確保設備能夠正常運行。傳統人工操作無法做到全天候監控，存在一定的安全隱患。RPA設備運維機器人可以自動登錄系統，實時監控安全設備狀態，如發生設備異常，則可通過短信或微信渠道發出預警，實現7×24小時全天候監控，降低運營風險。

五、“RPA+X”五大賦能要素，助力銀行數字化轉型

RPA機器人作為一個數字化轉型的技術工具，可以給企業帶來效率提升、人力釋放、成本降低、服務提升等多元化的價值創造。對于銀行業來說，通過RPA機器人的建設，對外可以助力產品服務的自動化，對內可以提升運作管理的智能化、自動化。但是，如何體系化、規?；赝七MRPA機器人部署，實現企業級的自動化升級，在未來相當長的時間，都是一個重要的問題。本文建議商業銀行必須在價值、組織、人才、規范和文化五大賦能要素上勤練內功，從而在銀行數字化轉型的賽道中獲得領先優勢。

(一)RPA+價值：以企業價值為導向，規劃企業級自動化路線圖

從國內外領先金融機構的實踐來看，流程自動化、計算機視覺、自然語言處理、知識圖譜等自動化技術將成為推動商業銀行數字化轉型的全面引擎，商業銀行管理者必須認識到RPA和人工智能對于企業戰略的重要意義，需從頂層加強設計，規劃企業級自動化路線圖。具體來說，一是通過高層會議，結合本行科技戰略方向，明確RPA實施戰略目的和重點方向；二是全面梳理內部流程，對銀行運營的核心流程進行全面掃描，并從流程的技術可行性和業務影響力兩大維度進行評估；三是充分了解RPA發展趨勢，借鑒業界最佳應用案；四是結合內部梳理和外部對標，制訂企業級自動化路線圖規劃。

(二)RPA+組織：建設RPA卓越中心，承接企業自動化規劃落地

在企業級自動化的建設過程中，國內外領先金融機構往往會建立專門的組織機構，即RPA卓越中心（Center of Excellence，CoE）來管理和推進組織的自動化轉型。作為組織實施RPA項目的核心，RPA卓越中心（CoE）負責統籌、執行、監督并改進整個RPA戰略推進的全生命周期。通常來說，企業CoE包含以下五個維度的職能，如圖1-7所示：

圖1-7 企業CoE職能

(三)RPA+人才：配備完備的RPA人才體系，是企業自動化部署的關鍵所在

為RPA CoE配備齊全的技術和運營人員有助于確保跟蹤、管控和評估自動化流程帶來的流程改進和財務效益。具體而言，RPA CoE應具有項目發起人、主管、項目經理、業務分析師、解決方案架構師、開發人員、運營支持等關鍵角色，不同角色的職責劃分如下：RPA項目發起人：在企業層面的高管級別需要一位機器人流程自動化發起人為企業推進RPA戰略全面負責，同時負責確保RPA卓越中心（CoE）在公司范圍內的成功建設；CoE主管：負責RPA卓越中心（CoE）的統籌運作、各業務模塊管理層的溝通，以及向集團公司領導層報告整體項目績效；RPA項目經理：按照CoE預設的方法管理機器人項目的交付，確保項目效益并在預算范圍內按時完成；RPA業務分析師：負責識別自動化機會，收集需求，結合戰略目標對流程自動化的潛在收益進行自上而下的詳細分析并出具意見；解決方案架構師：統籌全CoE的整體解決方案設計，參與創建并更新RPA解決方案架構設計文檔，協助RPA項目的開發和實施；RPA開發人員：團隊成員負責技術解決方案的設計、開發和測試，對RPA項目提供長期的技術支持；運營支持人員：該團隊是在CoE實現過程中遇到任何問題時的第一道支持線，目標是確保業務照常進行。

(四)RPA+規范：建立RPA實施全流程規范體系，保障企業自動化進程穩步推進

為全程保證遵循組織目標以達到一定的業務目標，RPA卓越中心需要在自動化機會識別、開發、測試、上線以及運營等各個環節建立標準和規范，以確保機器人無故障地運行，持續地識別自動化機會并且完成流程的自動化，同時對流程以及系統進行持續的維護和改進。例如，流程機器人運營規范(圖1-8)如下：

圖1-8 流程機器人運營規范(點擊圖片看大圖)

(五)RPA+文化：積極擁抱新興技術，推動全員理念變革

社會上普遍存在一種憂慮觀點：“RPA會搶走我們的工作、我們會被機器人取代”。出于這種顧慮，員工一定程度上對RPA等技術存在排斥情緒。為此，需要在企業內部加強宣傳和培訓，RPA的主旨是解放勞動力，讓員工從單調重復、枯燥乏味的操作型工作中得以解放，使其能夠從事更多具有更高價值的工作。就像我們目睹計算機出現時的變化一樣，計算機帶來了工作方式的改變，從紙質處理到數字化處理。與三十多年前個人計算機時代開啟時類似，今天，機器人和人工智能技術也將改變人們的工作方式，同時增加員工隊伍并提高生產力，因此，現在可以算得上是科技史上的重要時刻。如今數百人手動執行的某些任務，在未來則是需要更多的“機器人訓練師”去教會RPA軟件機器人完成這些任務，使專業人員擺脫平凡的任務，轉而專注于更復雜的任務，如創造性思維、管理和其他。

六、結語

隨著人工智能技術的快速發展，RPA將逐步具備決策和分析能力，從而遠遠超出現有的基于規則的自動化范疇，在效率提升、風險降低、成本節省、用戶體驗改善等方面具備巨大潛力，無疑將成為賦能未來銀行業的全新引擎。然而，同其他新興技術一樣，RPA并非萬能，若商業銀行需要持續地推進自動化升級，商業銀行不僅需要制定清晰的戰略目標和規劃，也需要在組織架構、人才建設、文化宣貫、制度規范等具體措施上制定變革管理計劃，以應對新技術對現有組織和員工帶來的沖擊，更好地幫助商業銀行實現數字化轉型的美好愿景。

責任編輯：王超