“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：數禧科技 賈琪

【摘要】當下金融監管和資本市場新態勢的發展，已經顛覆了傳統財富與資管行業的模式，作為金融服務領域內的老兵新傳，銀行業正在迎來前所未有的機遇，在理財與資管領域內收復失地，再創輝煌。充分運用和發揮科技力量，在客戶經營服務、資產篩選風控、數據中臺運營領域內連續升級思維，升級科技體系，充分運用好包括AI，大數據、云計算等科技工具，成為擺在銀行業面前的機遇和難題。

本文面向銀行業的理財與資管服務領域，從資產評價篩選、風控服務到產品發行、客戶經理管理、終端客戶畫像、個性化資產配置角度，探討與分享一些科技賦能的體系與實踐。

【關鍵詞】銀行科技，智能資管，大數據客戶畫像、數據中臺、經營性科技系統、云平臺服務。

一、呼之欲出的新財富時代的全新格局

進入21世紀以來，隨著中國的GDP與居民總收入的飛速增長，國內居民的凈資產漲幅始終保持在7%以上，其中可用于投資的金融資產更是大幅增長，產生強烈而剛性的資產投資收益與保值需求，除了傳統的儲蓄之外，對投資品種的多樣化需求持續增長。

圖表說明：來源招行-貝恩報告，中國個人持有可投資資產數據

2010年以來，中國迎來了理財與資產管理的大發展，在傳統的銀證?；沤鹑趯I機構之外，雨后春筍地出現了大量的獨立理財機構、投資顧問機構，互聯網金融的發展也催生了大量網絡貸款、P2P和互聯網資管等形態。

2017年，資本市場特別是非標和股權投資的泡沫化和過熱現象已經白熱化，各種理財產品開始陸陸續續爆雷，多米諾骨牌效應率先在P2P和互金行業發生，疊加國際經濟和金融在2018年的全球性低迷和危機的情況下，財富管理行業也是雪上加霜，陸續爆出問題。

監管部門以去產能去杠桿為主要手段，對所有的金融和類金融機構實施了堪稱史上最嚴厲的監管，在監管大形勢和嚴峻的經濟金融環境下，裸泳的機構紛紛顯形，以各種形式退出了賽道。

今天中國的理財和資管業面臨新的拐點和機遇，洗牌之后的行業打法將被徹底重塑，一度被邊緣化通道化的傳統金融機構重新站在了行業的前列，優質資金、資產和客戶在市場上飽受傷害后回流金融機構。銀行業作為能夠全方位為客戶提供綜合性金融服務的機構，與專業型投資機構不同，同時具備投資資產端與財富零售端以及中臺整合能力，是最有希望在未來的財富和資管市場上成為最核心機構的行業。

然而，具備了前提不等于擁有了成果。在模式和機制創新的紅利已經消失，市場與監管風險已經證明很多道路不通的情況下，科技創新和升級的驅動必將成為新拐點下最大的增長動力。

二、銀行資管與理財的尷尬現狀與原因剖析

銀行業作為公認具有最廣泛客戶的前沿金融機構，理應是最受益的機構，但在理財和資管行業大發展的爆發行情中，銀行卻稍顯滯后了，盡管在總體量上銀行仍然是不遑多讓的大頭，但在客戶活躍度、業務的豐富性，乃至每客戶收益上，都不占優勢。中國當時雨后春筍般涌現的金融創新，包括針對銀行交易清算體系的第三方支付、針對銀行存貸款業務的P2P、互聯網金融、針對銀行理財與私人銀行業務的財富管理，幾乎是對標了銀行的所有業務，與銀行爭奪人才和客戶成為行業的共同目標與共識。

銀行為市場上的金融服務機構培養和輸送了大量的人才和客戶，甚至管理、經營體系，到處都是銀行的影子。

在三個方面使銀行在市場上居于弱勢，第一是風格趨向保守，第二是嚴重缺乏個性化服務，第三是資產品類與品牌的天然隔離；不難看出，與銀行業形成局部對標的競爭性金融服務機構，無一不是從三個角度入手，來爭奪銀行的客戶與業務資源的。

全球觀點來看，橫向對比歐美發達國家的銀行業，排除國情因素，在業務的多樣性、靈活性和服務設計的精準度上也是值得我們學習的。

在當下制度和體制的挖掘與變革已經到達一定瓶頸的情況下，如何破局脫繭，打開新局面呢，答案是金融科技的革命，Fintech自身也要革命，從傳統的業務支持型，轉向經營導向型的新革命！

三、升級操作性科技為經營性科技，構建銀行的新財富業態

銀行業的科技投入和建設單從重視程度和投入力量來看并不遜色，客戶服務體系也不可謂不完善，從筆者的親身經歷而言，并不輸于國外知名大行，但這些優勢更多地發揮在比較傳統的業務領域如儲蓄、貸款、信用卡等，在理財，財富管理領域則乏善可陳。除了部分頭部大行的私人銀行業務比較出色外，大多數仍然停留在理財就等于銷售低風險低收益的金融產品方面，更別提資產的組合配置和個性化服務。

下圖列出了理財領域內覆蓋面較廣，應用較多的金融科技類領域，不難發現，就技術論技術而言，是與業務過程，特別個性化體系脫節較多的。

圖表說明：來源億歐，典型的財富管理行業領域金融科技的應用范疇

透過現象來分析問題的原因，不難發現，銀行業與眾多的傳統金融機構相類似，就是技術建設中基礎設施建設十分扎實，但在應用領域方面，還是大量的操作性科技占主導地位，而經營性科技的建設和發展，還正在路上。

圖表來源：招行報告，用戶對金融科技提供價值的期待領域

從招行的圖中可以看出，位居前列的永遠是定制化的服務內容，而我們現有的金融科技往往解決的是偏后面灰色部分，可見共性在于操作性，廣泛性的功能。從資產提供和購置供需雙方的個性化服務內容是當下金融科技重點要解決的問題。

所謂操作性科技，就是科技建設的目標基本是人力替代、操作替代，現實場景的線上化，使用的技術手段比較傳統，成本非常敏感，由此形成的科技系統平臺，注重完成業務鏈條的貫通，業務系統的執行，指令與操作的電腦化。有一個重大的特點可以清晰地識別出操作性科技，就是無論一家機構，賺錢還是不賺錢，賺得多還是賺得少，他們的操作性科技系統基本會長得一模一樣，從架構到流程到實現的功能。還有一個特點，就是機構的高層領導，一般不會成為這些系統的用戶，最多只是通過報表窗口這種間接模式來觀察和了解業務狀況，而業務決策和跟蹤是往往獨立于系統之外的，系統的升級也嚴重滯后于經營方略的調整。操作性技術往往更擅長提供非客戶觸點服務或共性業務流程需求。

所謂的經營性科技，則專注于機構的業務經營過程、目標、策略和價值，與操作性科技形成強烈對比的，就是機構的核心管理人員、產品管理決策人員、銷售與客戶的負責人員、終端客戶是經營性系統的重度客戶。經營性科技注重機構的收入、成本、利潤的建立方式，注重機構的核心產品、服務的產出、風控、決策、發行和營銷的過程與模型管理，注重決策和經營體系的高度彈性化，可以有效地提供決策支持，提供靈活的策略變化與選擇，對未來的趨勢和數據進行預測和分析，并有效地整合操作性科技系統，收集整合作業層面的執行跟蹤。更重要的是，在大數據的支撐下，所有的業務能力都可以以高度客制化實現。

一句話總結，操作性科技是人的機制在系統中的反映，人推一下他動一下。經營性科技則注重從科技的角度構建業務模型和過程，用廣泛的數據和智能技術再造經營體系，反過來推動人進行決策和策略選擇。支持客戶從高度個性化的基礎上選擇和使用服務。

經營性科技的建立和發展，必須植根在類似云計算、大數據、人工智能、機器學習等前沿技術基礎上，因為以上技術遠遠超越了人力手工操作替代的高度，從更廣泛和深度的層面提高算力、數據模型與分析能力，以及智能化風控、決策、跟蹤，以機器學習的方式自我更新與完善，從而使自己成為高度可靠和自我進化完善的體系，把之前很多業務上的不可能變成可能，建立全新的視角對業務過程進行分析和建議，最終達成實現戰略、經營和執行面的高度協同。

在下文中，筆者以投資理財垂直領域為著眼點，重點介紹技術應用和實踐，分析經營性科技的應用場景與價值：

3.1 投資資產端：用AI與大數據為大類資產配置、篩選、風控、決策賦能

傳統銀行的資產端，以風險厭惡而著名，這是由其所發行、管理產品和性質、銷售方式所決定的。由于長期單一以現金或國債等低風險低收益產品作為主要可投資產的基礎資產池，以及理財產品以單品銷售為主的模式，直接導致了只能對單一產品靜態地進行風險評估，而無法對金融產品和資產特別是組合的風險進行有效的評估與客戶匹配。

當然這里要特別地強調，大銀行，包括帶有理財子公司體系的銀行，還是具備有一定資產綜合管理和評估能力的，只不過在理財子公司之前，存在資產品類和品牌（外購資產）的天然分割，但他的深度風控管理方式只能依賴于機構間的增信協議或者保險、擔保等其他方式達成，對客戶的風險穿透披露能力有限。

而對于多數的中小銀行，這方面的能力就更弱，基本無法形成自己有效的市場化資產管理評估能力。而且從預算和能力建設的角度，要達到頭部銀行的水平，談何容易。

而資管科技的發展，AI和大數據的引用，給了所有銀行以巨大的機會來通過技術的手段進行大類資產的管理和配置功能，從宏觀層面可以對大類資產實行有機的管理和配置服務，從微觀層面可以對具體的資產品種進行評估，數據分析，以智能化的方式實現動態配置以最大化規避風險的情況下實現收益，并可以將風險收益的對價與客戶的個性化需求有效匹配，實現客戶需求的深度滿足。

以上技術植根于大數據的全市場數據為核心（下圖以公募基金產品為例），以人工智能方式對市場行情與產品運作信息進行篩選、組合和預測、評估為基本技術手段，在長期的運作中逐漸調教和配置出符合自己機構特色，自己機構客戶特色的資產管理模型，并在模型的指導下有效地管理產品的收益、凈值、表現和風險，及時進行調倉干預等動作，確保配置策略始終跟蹤目標。

圖表說明：底層金融資產的畫像建模與評估的動態過程

圖表說明：對模型中的基金組合進行智能分析與組合評測

限于篇幅，以上僅列出了某一類資產（當然標準化、凈值化資產的組合配置是未來銀行理財與資管產品的重點無疑，但這不是本文討論重點，不再展開）的數字化和模型化體系，遵循大數據和智能化的模型，可以完成遠超越人類的數據分析和風險管控能力，為構建資產組合和配置方案建立了良好的基礎。

3.2 中臺發行端：數據化中臺系統為提供客戶畫像、資金資產匹配功能

數字中臺是近期比較流行的概念，其基本理念是鏈接上端的資產與金融產品數據，結合下游的客戶與分支機構數據，將運營的方法論和體系數字化、智能化。

就如同高鐵、電力的調度已經完全數字化自動化一樣，銀行系統的中臺運營也實現了一定程度的自動化，但智能化程度還遠遠不夠，因為只是一些手工操作的替代，這讓中臺體系的員工和部門看起來成為了成本部門，對機構的收入和利潤貢獻有限。

真正威力強大的數字中臺系統，是要去有效地、集中化地數字化方式實現對客戶的畫像，根據其基本信息、理財偏好、風險承受能力、KYC、理財觀念習慣等等全方位數據，結合客戶與銀行觸點積累的信息進行深度挖掘與定向，從而實現上游金融資產的精準匹配，甚至可以為某些標簽，某些共同特點和小規?？腿簩崿F產品和服務的定制化與個性化。

圖表說明：客戶的360度畫像與動態更新

圖表說明：客戶資金資產匹配的智能化模型機制實現

3.3 零售服務端：統合客戶經理能力、實現最終用戶場景化管理與服務

下到分支機構以后，就去向了銀行業隊伍最龐大的客戶經理團隊，其實某種意義上分支網點的豐富和客戶經理團隊的整體素質能力是銀行領先于其他行業的優勢所在，作為客戶的第一觸點，他們服務客戶的能力和最后一公里能力，與電子銀行、線上銀行對客戶的服務形成特別優質的互補服務。

但分支網點與客戶經理團隊的科技化工具，其目的絕非是僅僅按部就班地與客戶接觸而已，他們需要對科技工具進行升級，以實現最終客戶的場景化服務，并有效地為核心系統與數字中臺體系提供運營數據，這是企業最寶貴的財富，是買不來也不可替代的，挖掘和發揮這部分數據金礦般的作用，是傳統操作性科技無法實現的。

以下的兩張圖，分別刻畫了對客戶經理團隊的數據化模型分析與激勵機制提升，以及客戶經理能力模型與終端客戶用戶場景之間的匹配服務。

圖表說明：客戶經理能力模型與激勵體系生成

圖表說明：終端用戶場景化服務模型

3.4 平臺協作端：發揮機構平臺能力，外向擴展異業合作

銀行并非金融服務體系內的孤立系統，他不可避免地要與鏈條上的多家金融機構進行協作和競爭，值得注意的是，在新的財富管理時代到來之際，過去的很多從業機構和從業人員將改變作業模式和體系，客戶的交易行為和賬戶體系將回歸持牌機構如銀行業、證券業等，而服務機構和從業者將成為客戶的買方投資顧問。

作為這種全新的非常值得探究的新模式的直接面對者，我們強烈呼吁和支持銀行業能夠行動起來，與流量平臺、小型家辦、獨立投資顧問等與買方客戶關系更密切，專業影響力更強的異業機構和人員建立合作，充分發揮銀行全牌照平臺的價值，有效地導流且整合來源機構的能力，分工合作，更好地服務客戶，鎖定客戶。

圖表說明：來源億歐咨詢，金融機構與財富管理公司/平臺的合作

以下圖為我們正在為一些包括銀行、證券和基金業所實施的正在進行時的生態類型平臺，銀行可以向下游機構賦能，合作機構可以以銀行作為可靠的交易和賬戶管理場所，實現有效的客戶數字化生命周期管理。

圖表說明：獨立資產管理平臺類合作模式

圖表說明：點對點服務合作模式

四、結語

無論銀行業持有多么無敵的牌照，多么龐大的機構和人才隊伍等各種先天優勢，其最終戰略的實現必定是建立在最大程度滿足客戶的需求，受到客戶的高度認同，并在專業和服務水平上獲得高度肯定，才算得上是真正的成功。

前沿科技的應用無疑將極大地推動銀行業的業務進化，大數據和人工智能提供的新可能性和機遇將是革命性的，智能經營與服務將逐步替代人工管理與決策成為行業主流。而使用廣泛的數據和業務體系對智能化金融業務模型進行持續的訓練和加強，并根據市場狀況進行有彈性的調優和擴展是核心重中之重。

在文章的最后，特別應該提到一個來自異業的潛在競爭和合作者，就是超大型流量平臺，如阿里、騰訊、字節跳動、美團等這樣的超大型流量平臺。在現實發展中，已經手握海量數據，并有根據其算法形成的基于大數據和AI的用戶畫像模型，并持有高度的客戶忠誠和滿意度，且有一定的引領客戶的能力。其中的大多數都已經在涉足金融服務領域并已取得相關牌照，筆者所在機構正在深度服務其中的一些平臺，深感技術+業務的深度整合是未來金融科技服務的正確方向，潛力無限。他山之石可以攻玉，一方面金融機構應該向流量平臺學習客戶領域數據化經營的方法論與模型，另一方面也要看到競爭的緊迫感，銀行的金融專業能力必須借助科技的翅膀實現騰飛，才能在競爭中笑到最后。

本文數據與圖片來源：

1. 《2019年中國私人財富報告》，招商銀行-貝恩資產，2019年

2. 《財富管理發展的制勝之道——2019全球財富管理研究報告》，億歐網，2019年

3. 《2020年中國銀行業發展研究報告-砥礪前行 智啟新章》，德勤咨詢，2019年

4. 數禧科技相關技術架構與報告內容節選，數禧科技，2016-2020.

5. 其他數據資源：綜合人民銀行、銀保監會、證監會等正式行文、通知、監管政策、規定等

*文中未標注圖片皆來自數禧科技。

責任編輯：王超