科技赋能科技服务的方向及实施路径

大数据风控与客群扩展相辅相成

经过几十年的发展，商业银行传统的风控手段已经趋于发展的极限，开始遭遇用信类客群拓展的天花板。近年来，电商巨头和互联网消费金融公司借助大数据这一风控手段的创新，成功在银行传统用信客群外开辟了新的客户，大数据风控也成为传统金融机构实现客群扩展的重要手段。

提到大数据风控，银行不缺数据，但缺乏系统全面的结构化数据，缺乏对数据的整理分析，也缺乏多维度的行为数据，使得银行在大数据风控上反倒成为追赶者。

银行的自有数据主要是各种业务数据，是对全行客户业务活动过程和结果的记录。同时，为了更好地开展业务，还会要求用户提供诸如电话、职业、教育、住址等信息，如果有过贷款申请行为，还会包括收入、房产等强信用属性数据。此外，所有人的工资都是银行代发，公积金流水也在银行，房贷和车贷也都在银行，银行在业务过程中还产生了大量的文档、资讯、图片、音像等非结构化数据。

但问题在于，银行业的数据是割裂的，除了信贷类的关键信息会以征信的形式报送央行征信中心，实现一定程度上的共享外，其他的各类财富相关数据，都分别沉淀在各家银行。比如张三，在中国银行有1000块存款，在建设银行有20万块存款，在工商银行没有存款，那么，在建行看来，这是个有钱人；在中行看来，这是个再普通不过的用户；在工行看来，这个人的财富状况无法判断。

反映到产品层面，便是授信类产品覆盖范围狭窄。在宣传上，都是快速授信、实时审批、实时提款，但绝大多数用户的使用体验只有三个字——没额度！

就大多数银行的消费贷款产品而言，目前仅限于公务员、事业单位员工和本行代发薪用户，本行信用卡用户、房贷用户、理财用户、转账交易用户等通常没有额度。这意味着，现阶段银行大数据能力可能仅限于代发薪数据的整合，连信用卡消费数据、转账数据等都没有有效利用，更何谈消费数据、兴趣爱好、社交信息等行为数据的引入和整合了。

在实施路径上，银行一方面需要尽快打通散落在各业务线和产品线的内部数据，形成用户统一画像，进而整合、分析、发掘新的优质用户，扩大信贷产品的覆盖范围、提升授信额度；更为重要的则是加快数据拓源速度，既要拓展公积金、纳税、缴费记录等信息，也要与大数据公司保持开放合作态度，补足用户行外金融属性信息，并利用爬虫技术抓取用户社交数据，丰富大数据模型维度。

总之，面对消费金融整体进入大数据征信2.0的新阶段，商业银行应转变风控观念，在实践中从“抵质押为主+大数据为辅”的操作模式向“大数据为主+抵质押为辅”的方向转变。唯如此，才能真正实现信贷类产品的客群扩展与下沉。

智能投顾与资管业务普惠化

近年来，资管业务成为银行业转型发展的重点方向之一，通过发力非标理财业务，银行得以广泛连接银行同业、信托公司、券商、保险公司、基金专户甚至互金平台，在资产端打通了与市场各类参与主体的业务空间。理财资产的多元化客观上催生并加速了理财客户资金多元配置的需求，传统的一对一人工理财咨询顾问模式受人才、成本、渠道等因素限制，盖面有限，为智能投顾的发展创造了空间。

所谓智能投顾，是指通过量化投资模型，结合客户的投资目标、收入和纳税情况，为客户打造专业、理性的投资组合。

与传统投顾服务相比，智能投顾依靠模型且纯线上，边际成本几乎为0，且具有明显的规模效应，可以充分发挥互联网的“低成本、广覆盖”精髓，推动投顾服务普惠化。

与理财产品互联网化相比，智能投顾依托现代科技手段实现了标准资产产品的组合化和智能化，从而带来产品层面的创新。通过智能投顾技术，客户得以享受全新的风险和收益组合，本质上已经是一种新的投资产品。

所以，相较于互联网理财对传统资管行业的影响，智能投顾的影响更为深远，它在产品创新、业务模式、销售策略等各方面给传统资管业务带来深远的影响。

当前，部分银行已经开展了智能投顾的探索，如招商银行推出了摩羯智投、浦发银行推出了财智机器人等。投资人只需要提出“目标——收益”要求，系统会自动配置理财产品组合并进行动态调整。对用户而言，这更像是一款操作便捷、手续简单的单一理财产品。而站在银行的角度，则通过资产配置实现了多元化资管产品的销售，为一些非热门产品尤其是长尾产品打开了新的销售渠道。

整体上看，银行业对智能投顾的布局仍处于初级阶段，银行数量少、产品配置种类单一，还有很大的发展空间，其对传统资管业务的影响也才刚刚开始发酵。

 

前景展望：金融业务必将被科技重构

金融科技本身仍处于发展与进化之中，其对金融业务的改造和影响也是刚刚开始。

除了上述几个领域的探索之外，云计算因其成本节约、可动态扩展、交付效率高等优点，开始被金融机构接受，部分外围应用服务已经初步实现云端化；

区块链技术在支付清算、资产交易、供应链金融等领有望给传统业务模式带来颠覆性影响，目前各类实验性应用层出不穷；

物联网技术在提升金融机构风险识别和控制能力，推动金融产品和服务创新上有了巨大的想象空间，在供应链金融、大宗商品融资、保险标的管理、融资租赁设备管理等方面也已经出现了不少成熟的探索和应用；

机器学习、自然语言处理、知识图谱等人工智能技术在金融量化交易中有了很多应用，生物特征识别在金融领域也有着广泛的应用。

[2018]

“禹”你同行 “辰”就梦想

辰禹科技服务：400-669-0899