本文共字，预计阅读时间。

文/数禧科技 贾琪

（本文为“2020金融文字节——银行数字化创新主题征文大赛”投稿文章。）

【摘要】当下金融监管和资本市场新态势的发展，已经颠覆了传统财富与资管行业的模式，作为金融服务领域内的老兵新传，银行业正在迎来前所未有的机遇，在理财与资管领域内收复失地，再创辉煌。 充分运用和发挥科技力量，在客户经营服务、资产筛选风控、数据中台运营领域内连续升级思维，升级科技体系，充分运用好包括AI，大数据、云计算等科技工具，成为摆在银行业面前的机遇和难题。

本文面向银行业的理财与资管服务领域，从资产评价筛选、风控服务到产品发行、客户经理管理、终端客户画像、个性化资产配置角度，探讨与分享一些科技赋能的体系与实践。

【关键词】银行科技，智能资管，大数据客户画像、数据中台、经营性科技系统、云平台服务。

一、呼之欲出的新财富时代的全新格局

进入21世纪以来，随着中国的GDP与居民总收入的飞速增长，国内居民的净资产涨幅始终保持在7%以上，其中可用于投资的金融资产更是大幅增长，产生强烈而刚性的资产投资收益与保值需求，除了传统的储蓄之外，对投资品种的多样化需求持续增长。

【图表说明：来源招行-贝恩报告，中国个人持有可投资资产数据】

2010年以来，中国迎来了理财与资产管理的大发展，在传统的银证保基信金融专业机构之外，雨后春笋地出现了大量的独立理财机构，投资顾问机构，互联网金融的发展也催生了大量网络贷款、P2P和互联网资管等形态。

2017年，资本市场特别是非标和股权投资的泡沫化和过热现象已经白热化，各种理财产品开始陆陆续续爆雷，多米诺骨牌效应率先在P2P和互金行业发生，叠加国际经济和金融在2018年的全球性低迷和危机的情况下，财富管理行业也是雪上加霜，陆续爆出问题。

监管部门以去产能去杠杆为主要手段，对所有的金融和类金融机构实施了堪称史上最严厉的监管，在监管大形势和严峻的经济金融环境下，裸泳的机构纷纷显形，以各种形式退出了赛道。

今天中国的理财和资管业面临新的拐点和机遇，洗牌之后的行业打法将被彻底重塑，一度被边缘化通道化的传统金融机构重新站在了行业的前列，优质资金、资产和客户在市场上饱受伤害后回流金融机构。 银行业作为能够全方位为客户提供综合性金融服务的机构，与专业型投资机构不同，同时具备投资资产端与财富零售端以及中台整合能力，是最有希望在未来的财富和资管市场上成为最核心机构的行业。

然而，具备了前提不等于拥有了成果。 在模式和机制创新的红利已经消失，市场与监管风险已经证明很多道路不通的情况下。 科技创新和升级的驱动必将成为新拐点下最大的增长动力。

二、银行资管与理财的尴尬现状与原因剖析

银行业作为公认最广泛的客户的前沿金融机构，理应是最受益的机构，但在理财和资管行业大发展的爆发行情中，银行却稍显滞后了，尽管在总体量上银行仍然是不遑多让的大头，但在客户活跃度、业务的丰富性，乃至每客户收益上，都不占优势。 中国当时雨后春笋般涌现的金融创新，包括针对银行交易清算体系的第三方支付、针对银行存贷款业务的P2P、互联网金融、针对银行理财与私人银行业务的财富管理，几乎是对标了银行的所有业务，与银行争夺人才和客户成为行业的共同目标与共识。

银行为市场上的金融服务机构培养和输送了大量的人才和客户，甚至管理、经营体系，到处都是银行的影子。

在三个方面使银行在市场上居于弱势，第一是风格趋向保守，第二是严重缺乏个性化服务，第三是资产品类与品牌的天然隔离； 不难看出，与银行业形成局部对标的竞争性金融服务机构，无一不是从三个角度入手，来争夺银行的客户与业务资源的。

全球观点来看，横向对比欧美发达国家的银行业，排除国情因素，在业务的多样性、灵活性和服务设计的精准度上也是值得我们学习的。

在当下制度和体制的挖掘与变革已经到达一定瓶颈的情况下，如何破局脱茧，打开新局面呢，答案是金融科技的革命，Fintech自身也要革命，从传统的业务支持型，转向经营导向型的新革命！

三、升级操作性科技为经营性科技，构建银行的新财富业态

银行业的科技投入和建设单从重视程度和投入力量来看并不逊色，客户服务体系也不可谓不完善，从笔者的亲身经历而言，并不输于国外知名大行，但这些优势更多地发挥在比较传统的业务领域如储蓄、贷款、信用卡等，在理财，财富管理领域则乏善可陈。 除了部分头部大行的私人银行业务比较出色外，大多数仍然停留在理财就等于销售低风险低收益的金融产品方面，更别提资产的组合配置和个性化服务。

下图列出了理财领域内覆盖面较广，应用较多的金融科技类领域，不难发现，就技术论技术而言，是与业务过程，特别个性化体系脱节较多的。

【图表说明：来源亿欧，典型的财富管理行业领域金融科技的应用范畴】 

透过现象来分析问题的原因，不难发现，银行业与众多的传统金融机构相类似，就是技术建设中基础设施建设十分扎实，但在应用领域方面，还是大量的操作性科技占主导地位，而经营性科技的建设和发展，还正在路上。

【图表来源：招行报告，用户对金融科技提供价值的期待领域】

从招行的图中可以看出，位居前列的永远是定制化的服务内容，而我们现有的金融科技往往解决的是偏后面灰色部分，可见共性在于操作性，广泛性的功能。从资产提供和购置供需双方的个性化服务内容是当下金融科技重点要解决的问题。

所谓操作性科技，就是科技建设的目标基本是人力替代、操作替代，现实场景的线上化，使用的技术手段比较传统，成本非常敏感，由此形成的科技系统平台，注重完成业务链条的贯通，业务系统的执行，指令与操作的电脑化。 有一个重大的特点可以清晰地识别出操作性科技，就是无论一家机构，赚钱还是不赚钱，赚得多还是赚得少，他们的操作性科技系统基本会长得一模一样，从架构到流程到实现的功能。 还有一个特点，就是机构的高层领导，一般不会成为这些系统的用户，最多只是通过报表窗口这种间接模式来观察和了解业务状况，而业务决策和跟踪是往往独立于系统之外的，系统的升级也严重滞后于经营方略的调整。操作性技术往往更擅长提供非客户触点服务或共性业务流程需求。

所谓的经营性科技，则专注于机构的业务经营过程、目标、策略和价值，与操作性科技形成强烈对比的，就是机构的核心管理人员、产品管理决策人员、销售与客户的负责人员、终端客户是经营性系统的重度客户。 经营性科技注重机构的收入、成本、利润的建立方式，注重机构的核心产品、服务的产出、风控、决策、发行和营销的过程与模型管理，注重决策和经营体系的高度弹性化，可以有效地提供决策支持，提供灵活的策略变化与选择，对未来的趋势和数据进行预测和分析，并有效地整合操作性科技系统，收集整合作业层面的执行跟踪。 更重要的是，在大数据的支撑下，所有的业务能力都可以以高度客制化实现。

一句话总结，操作性科技是人的机制在系统中的反映，人推一下他动一下。 经营性科技则注重从科技的角度构建业务模型和过程，用广泛的数据和智能技术再造经营体系，反过来推动人进行决策和策略选择。支持客户从高度个性化的基础上选择和使用服务。

经营性科技的建立和发展，必须植根在类似云计算、大数据、人工智能、机器学习等前沿技术基础上，因为以上技术远远超越了人力收工操作替代的高度，从更广泛和深度的层面提高算力、数据模型与分析能力，以及智能化风控、决策、跟踪，以机器学习的方式自我更新与完善，从而使自己成为高度可靠和自我进化完善的体系，把之前很多业务上的不可能变成可能，建立全新的视角对业务过程进行分析和建议，最终达成实现战略、经营和执行面的高度协同。

在下文中，笔者以投资理财垂直领域为着眼点，重点介绍技术应用和实践，分析经营性科技的应用场景与价值：

3.1 投资资产端：用AI与大数据为大类资产配置、筛选、风控、决策赋能 

传统银行的资产端，以风险厌恶而著名，这是由其所发行和管理产品和性质和销售方式所决定的。由于长期单一以现金或国债等低风险低收益产品作为主要的可投资产的基础资产池，以及理财产品以单品销售为主的模式，直接导致了只能对单一产品静态地进行风险评估，而无法对金融产品和资产特别是组合的风险进行有效的评估与客户匹配。

当然这里要特别地强调，大银行，包括带有理财子公司体系的银行，还是具备有一定资产综合管理和评估的能力的，只不过在理财子之前，存在资产品类和品牌（外购资产）的天然分割，但他的深度风控管理方式只能依赖于机构间的增信协议或者保险、担保等其他方式达成，对客户的风险穿透披露能力有限。

而对于多数的中小银行，这方面的能力就更弱，基本无法形成自己有效的市场化资产管理评估能力。而且从预算和能力建设的角度，要达到头部银行的水平，谈何容易。

而资管科技的发展，AI和大数据的引用，给了所有银行以巨大的机会来通过技术的手段进行大类资产的管理和配置功能，从宏观层面可以对大类资产实行有机的管理和配置服务，从微观层面可以对具体的资产品种进行评估，数据分析，以智能化的方式实现动态配置以最大化规避风险的情况下实现收益，并可以将风险收益的对价与客户的个性化需求有效匹配，实现客户需求的深度满足。

以上技术植根于大数据的全市场数据为核心（下图以公募基金产品为例），以人工智能方式对市场行情与产品运作信息进行筛选、组合和预测、评估为基本技术手段，在长期的运作中逐渐调教和配置出符合自己机构特色，自己机构客户特色的资产管理模型，并在模型的指导下有效地管理产品的收益、净值、表现和风险，及时进行调仓干预等动作，确保配置策略始终跟踪目标。

【图表说明：底层金融资产的画像建模与评估的动态过程】 

【图表说明：对模型中的基金组合进行智能分析与组合评测】 

限于篇幅，以上仅列出了某一类资产（当然标准化、净值化资产的组合配置是未来银行理财与资管产品的重点无疑，但这不是本文讨论重点，不再展开）的数字化和模型化体系，遵循大数据和智能化的模型，可以完成远超越人类的数据分析和风险管控能力，为构建资产组合和配置方案建立了良好的基础。

3.2 中台发行端：数据化中台系统为提供客户画像、资金资产匹配功能

数字中台是近期比较流行的概念，其基本理念是链接上端的资产与金融产品数据，结合下游的客户与分支机构数据，将运营的方法论和体系数字化，智能化。

就如同高铁、电力的调度已经完全数字化自动化一样，银行系统的中台运营也实现了一定程度的自动化，但智能化程度还远远不够，因为只是一些手工操作的替代，这让中台体系的员工和部门看起来成为了成本部门，对机构的收入和利润贡献有限。

真正威力强大的数字中台系统，是要去有效地，集中化地数字化方式实现对客户的画像，根据其基本信息、理财偏好，风险承受能力，KYC，理财观念习惯等等全方位数据，结合客户与银行触点积累的信息进行深度挖掘与定向，从而实现上游金融资产的精准匹配，甚至可以为某些标签，某些共同特点和小规模客群实现产品和服务的定制化与个性化。

【图表说明：客户的360度画像与动态更新】 

【图表说明：客户资金资产匹配的智能化模型机制实现】 

3.3 零售服务端：统合客户经理能力、实现最终用户场景化管理与服务

下到分支机构以后，就去向了银行业队伍最庞大的客户经理团队，其实某种意义上分支网点的丰富和客户经理团队的整体素质能力是银行领先于其他行业的优势所在，作为客户的第一触点，他们服务客户的能力和最后一公里能力，与电子银行与线上银行对客户的服务形成特别优质的互补服务。

但分支网点与客户经理团队的科技化工具，其目的绝非是仅仅按部就班地与客户接触而已，他们需要对科技工具进行升级，以实现最终客户的场景化服务，并有效地为核心系统与数字中台体系提供运营数据，这是企业最宝贵的财富，是买不来也不可替代的，挖掘和发挥这部分数据金矿般的作用，是传统操作性科技无法实现的。

以下的两张图，分别刻画了对客户经理团队的数据化模型分析与激励机制提升，以及客户经理能力模型与终端客户用户场景之间的匹配服务。

【图表说明：客户经理能力模型与激励体系生成】

【图表说明：终端用户场景化服务模型】 

3.4 平台协作端：发挥机构平台能力，外向扩展异业合作 

银行并非金融服务体系内的孤立系统，他不可避免地要与链条上的多家金融机构进行协作和竞争，值得注意的是，在新的财富管理时代到来之际，过去的很多从业机构和从业人员将改变作业模式和体系，客户的交易行为和账户体系将回归持牌机构如银行业、证券业等，而服务机构和从业者将成为客户的买方投资顾问。

作为这种全新的非常值得探究的新模式的直接面对者，我们强烈呼吁和支持银行业能够行动起来，与流量平台、小型家办、独立投资顾问等与买方客户关系更密切，专业影响力更强的异业机构和人员建立合作，充分发挥银行全牌照平台的价值，有效地导流且整合来源机构的能力，分工合作，更好地服务客户，锁定客户。

【图表说明：来源亿欧咨询，金融机构与财富管理公司/平台的合作】

以下图为我们正在为一些包括银行、证券和基金业所实施的正在进行时的生态类型平台，银行可以向下游机构赋能，合作机构可以以银行作为可靠的交易和账户管理场所，实现有效的客户数字化生命周期管理。

【图表说明：独立资产管理平台类合作模式】

【图表说明：点对点服务合作模式】

四、 结语

无论银行业持有多么无敌的牌照，多么庞大的机构和人才队伍等各种先天优势，其最终战略的实现必定是建立在最大程度满足客户的需求，受到客户的高度认同，并在专业和服务水平上获得高度肯定，才算得上是真正的成功。

前沿科技的应用无疑将极大地推动银行业的业务进化，大数据和人工智能提供的新的可能性和机遇将是革命性的，智能经营与服务将逐步替代人工管理与决策成为行业主流。 而使用广泛的数据和业务体系对智能化金融业务模型进行持续的训练和加强，并根据市场状况进行有弹性的调优和扩展是核心重中之重。

在文章的最后，特别应该提到一个来自异业的潜在竞争和合作者，就是超大型流量平台，如阿里、腾讯、字节跳动、美团等这样的超大型流量平台。 在现实发展中，已经手握海量数据，并有根据其算法形成的基于大数据和AI的用户画像模型，并持有高度的客户忠诚和满意度，且有一定的引领客户的能力。 其中的大多数都已经在涉足金融服务领域并已取得相关牌照，笔者所在机构正在深度服务其中的一些平台，深感技术+业务的深度整合是未来金融科技服务的正确方向，潜力无限。 它山之石可以攻玉，一方面金融机构应该向流量平台学习客户领域数据化经营的方法论与模型，另一方面也要看到竞争的紧迫感，银行的金融专业能力必须借助科技的翅膀实现腾飞，才能在竞争中笑到最后。

本文数据与图片来源：

1. 《2019年中国私人财富报告》，招商银行-贝恩资产，2019年

2. 《财富管理发展的制胜之道——2019全球财富管理研究报告》，亿欧网，2019年

3. 《2020年中国银行业发展研究报告-砥砺前行 智启新章》，德勤咨询，2019年

4. 数禧科技相关技术架构与报告内容节选，数禧科技，2016-2020.

5. 其他数据资源：综合人民银行、银保监、证监会等正式行文、通知、监管政策、规定等

*文中未标注图片皆来自数禧科技。

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文版权归原作者所有，如有侵权，请联系删除。