以下內容，根據“神策 2020 數據驅動用戶大會”特邀嘉賓大連銀行網絡金融部總經理王豐輝的演講內容整理所得。

關于銀行數字化轉型的最小共識

在數字化轉型方面，許多銀行都是剛剛起步，今天分享下我的想法與認知。

我們現在看，市場上充斥著各類數字化轉型的會議，總會讓我們有一種錯覺：大家對數字化轉型已經達成共識了。我也經常和同業的朋友一起交流，發現 1000 個人眼中有 1000 個哈姆雷特：即使在同一家銀行，不同部門之間，甚至同一部門中不同團隊之間，大家對數字化轉型這件事情的認知、方法是千差萬別的。

但也能找到一些共性的認知，主要包括三方面：一是能機器干的，就不要讓人干；二是一切業務數據化，一切數據業務化；三是建立與以上兩點適配的組織和文化。

這三點共性認識，是大家推動數字化轉型的最小交集，是銀行進行數字化轉型的出發點和落腳點。

對銀行而言，什么是自己的？

我國大大小小、可以稱之為銀行的有 4000 多家，包括大行、股份制、城商行、村鎮銀行等。但包括大行在內，也不可能項目全部自研，都需要外包，并且外包比例較高。同業曾有一位科技部朋友提出疑惑：核心可以托管、系統可以外包、業務可以復制、網點可以撤并。那么對于銀行來說，什么是自己的？對銀行而言，什么必須在掌控之中？

我們討論之后，隱隱有一個答案：我們真正可以拿到手上的，就是數據。因為只有數據，能夠貫穿從業務，到產品，再到系統，乃至到后臺的一條線，在這條線上你可以做前、中、后臺的洞察。

讓員工做出睿智的決策

再看一個例子。作為銀行、保險、證券等行業從業者，大家有沒有考慮過，為什么領導們做決策通常是睿智的、權威的，員工就不能做出睿智的決策嗎？這也涉及到金融科技轉型的更深層次的問題，如何做出睿智的決策？

管理者睿智的決策從何而來？管理者掌握著全面的信息，來自監管、來自市場、來自同業、來自更高視角，而員工因為只是做具體的事情而獲得的信息有限。因此管理者要做到兩點：第一是放權，需要將一系列的事情全部拆解下去；第二是信息共享，當員工獲得與管理者一樣的信息量時，就更容易做出睿智的決策。這也是數據的價值。

銀行的第四次轉型：數據銀行

銀行從上個世紀至今經歷了電子化——市場化——流程化——數字化/數據化四次轉型。從第一臺計算機在美國誕生之后，整個社會發展就是一個現實世界和虛擬世界不斷交互的過程。

電子化是一個映射的概念，即虛擬世界和現實世界無法做交互。要把在現實世界中的難題遷移或映射到計算機中，即映射到虛擬世界，在計算機給出方案后，再返回到現實社會去解決難題。這種情況下是沒有交互的，這個階段強調電子化和信息化。

數字化是 0、1 的概念。這種情況下涉及到交互，就是現實世界和虛擬世界可以交流、對話，但仍有隔膜。而數據階段，我認為是現實世界和虛擬世界的混同，比如打游戲的人會暢想，全場景、沉浸式游戲，玩游戲時不會有仍在現實世界的“脫離感”“超然感”，混同指的是現實世界與虛擬世界真正實現了一體兩面，你在虛擬世界做一個動作就等價于在現實世界做一個動作，反之亦然。

因而，我更愿意將數字化的目標定位為數據銀行，更貼切、更有抓手。

數字轉型之天時地利人和

說到「最大的浪」，就是“天時地利人和”的問題，即從時代背景、技術的發展、國家政策、整體產業來看。大、智、云、移、鏈是時代的技術基礎，隨著 5G、物聯網、Alot 等技術的發展，現在進入了產業互聯網時代。

另外政策方面，我展示了幾份重要的政策文件，包括 2020 年 3 月 30 日，中共中央國務院《關于構建更加完善的要素市場化配置體制機制的意見》；央行《金融科技發展規劃（2019-2021 年）》（銀發【2019】209 號）；2020 年 08 月 21 日，國務院印發《關于加快推進國有企業數字化轉型工作的通知》；另外，9 月 23 日央行頒發了《金融數據安全數據安全分級指南》。

數據推進過程中的“坑”

在 PPT 中，我列舉了數據合規、數據治理、數據應用方面的“坑”，其中最嚴重的有三個問題：

第一，歸屬和話語權的問題。

大家想一下，數據怎樣才能產生價值？數據必須整合、打通、聚集起來，才能夠產生最大化的價值。

科斯定理告訴我們，只要數據權是明確的，并且交易成本為零或者很小，那么，無論數據歸屬誰，數據終究流轉到用得最好、最有效率的機構手中，實現資源配置的帕累托最優。

而事實上，現實的數據是分散的，散落在各個部門、各個系統、各條線的前中后臺、總行分行等，由于數據源頭分散的天然特點（數據權）與數據聚集之下才能價值最大化（數據價值）的矛盾，那么我們最開始，就要明確數據的歸屬和話語權。

數據歸屬和話語權會面臨兩個挑戰：一是數據確權，比如用戶在 kindle 閱讀器上看自己喜歡的文章，會加標注會劃橫線，那么這些橫線和標注的數據，誰是擁有者？二是數據的交易成本很小嗎？除了銀行與銀行之間，銀行和機構之間，哪怕在銀行內部，數據的交易成本也是極其高昂的，跨部門的數據都存在割裂，這就是銀行的煙囪式難題。

解決方案是什么？一是機構內部進行數據確權，剔除內部交易成本。在機構內部要有一個牽頭的、說了算的、看全局的數據管理部門。二是尋找機構之間數據共贏的方案，如何建立可對話的數據標準，如何在保護隱私的前提下實現數據共享，例如，現在常提的知識聯邦，這都是行業的呼聲。

第二，兩條腿走路的問題。

許多銀行在數字化轉型上投入逐年增多，但普遍存在著數據質量不高、數據人員缺乏與數字化轉型對“數據”迫切訴求之間的矛盾。

我認為銀行的數字化轉型，需要繞過一個個的臺階與門檻，一步步地來實現，并不存在所謂的“后來者居上、彎道超車”。比如前一段時間朋友圈刷屏的“中臺”，許多機構都在做中臺。實際上中臺是“生長”出來的——在業務發展的過程中，遇到了問題，比如重復建設、資源浪費、多頭管理、數據打通等問題，在解決問題的過程中開始做中臺，而不是盲目去做的，為了中臺而中臺，反而會導致資源浪費。

在全數據鏈條的打通上，存在一個很尷尬的問題：前中后臺的數據打通導致數據鏈條很長，在鏈條上有渠道產品經理、渠道 IT 人員、業務產品經理、業務 IT 人員、數據廠商分析師、數據廠商 IT 人員等多人，這讓溝通的成本非常高。僅僅測試一個埋點，至少需要涉及 4、5 個人，甚至 8、9 個人。

對此，我覺得從三個方面來解決：一是數據治理（質量）與數據應用（分析、挖掘）同步推動；二是建立充分授權、行動敏捷、橫跨“全數據鏈條”的小型團隊；三是人員外包與自有數據人員培養并行，這是先進同業在實踐的道路。

第三，一起進步的廠商。

2020 年是數據 To B 的元年，數據行業經過了大浪淘沙，純數據生意已經不是主流，像神策這樣的廠商已經從原來單一的產品發展到產品矩陣，并開始重視行業解決方案。

據不完全觀察，我認為數據賽道的廠商主要分為兩類：一種是不含數據的，包括提供行業解決方案和 AI 解決方案；一種是含數據的，提供行業資源解決方案?？偟膩碚f，存在六大問題：

一是標準品與銀行個性化需求之間的矛盾。To B 都希望自己是標準品、SaaS 的模式，按年收費特別爽。但每家銀行的技術水平層次不齊，標準品 + SaaS 的模式顯然無法滿足個性化需求。

二是標準品與銀行所處數據階段的不匹配。銀行的數據治理還沒有完善，若上來就匹配一款需要非常成熟的數據基礎的產品，銀行也是難以使用的。

其余幾點還包括：產品仍缺乏行業適配，缺乏行業解決方案；多產品矩陣的松耦合與緊耦合；產品操作不友好，復雜度高；本地化部署、迭代與人力成本的不匹配的問題。

針對廠商的建議，我做了思維導圖。這里重點說下客戶成功，有些 To B 廠商成立了客戶成功部。To C 和 To B 不同，To C 可以一個人決策，而 To B 要打動 3 個層面：一是管理層，二是業務負責人層，三是經辦層。管理層需要掌控感，目的是輔助決策，輔助戰略；業務負責人，需要產品輔助完成 KPI，以及實現邊界突破和亮點；經辦層面關注操作是不是友好、快捷、能力提升等。

在選型 To B 產品中，通常能夠拍板買產品的人和具體使用的人不是一撥兒人，因此必須要滿足這 3 個層面的需求。從這個角度講，To B 的本質還是 To C，影響決策鏈上的個人。

我從進入銀行開始，一直在電子銀行部、渠道管理部、網絡金融部或數字金融部，一直做的是金融 + 科技的事情。針對數字化轉型，我一直在思考怎么去推動一個銀行的轉型，怎么去推動一個行業的轉型。我認為轉型的難點是在認知層面，個人認知是一切的發端，在于如何去影響上下左右。但我們不得不承認，改變某個特定機構比較難，改變某個特定個人比較難，但是在一個行業中，認知轉型是漸進的，有快有慢，可以先篩選快的企業，快的個人，如果把認知轉型看成一個向上不斷增長的階梯，我們需要切入在更高階梯的企業、更高的個人。因此，我的結論是：To B 更大的格局，是圈定并影響行業中不同階梯的個人。

最大的未來，如何界定未來？

在未來十年，我們可能來到數據社會，或者智能社會，這會呈現什么狀態？

政策層面：具有極其明確且嚴格的數據確權和數據保護，遺忘權、隱私權，我覺得這未來是標配，這是大方向。

用戶層面：現在由于監管層面和業務層面的約束，用戶仍避免不了到柜臺辦理業務，但未來用戶一定可以足不出戶就可以享受所有金融服務。

金融層面：金融隱藏在場景、鏈條、生態之中，看不見，又無處不在。目前金融面臨脫媒的問題，為什么銀行 APP 的活躍度沒有天貓、京東那么高？因為用戶第一需要的是生活，企業第一需要的是生產，因此金融必將嵌入到生產、生活，這是不可避免的。

數據：社會包括金融機構的運行、決策全部建立在數據之上。

人：每個人將從繁瑣的事務工作中被解放出來，更關注價值創造。

以上是我的分享，僅代表個人觀點，謝謝大家！

責任編輯：王煊