南京银行丁晓平：数字化转型的核心是数据要素_新浪财经

　　12月16日消息，由新浪财经主办的“第14届金麒麟金融峰会”于12月13日-17日隆重举行，主题论坛“2021智慧金融峰会”今日召开。南京银行数字银行管理部总经理丁晓平在论坛上发表了题为《数联万物，智造未来：数字化转型如何助力高质量发展》的主题发言。

　　丁晓平表示，高质量发展是当前最重要的一个时代的主旋律。对于高质量发展来说，一个非常重要的方面，是如何使用更加精炼的投入和代价，更加高效的机制，来实现更加理想的一个发展目标。这其中创新可以称为是第一动力，而数字化转型是将科技与业务深度融合的一种创新方式，它的核心是数据要素，主要的手段是通过科技系统和算法模型，将数据由生产资料变为生产力，实现我们业务的一个提质增效、降本增利。

　　丁晓平表示，数据已经被列为一项非常重要的市场要素和生产资源，跟土地、劳动力、资本、技术一起成为一个重要的生产要素。当前很多产业的数字化和数字的产业化无论是对生活中的衣食住行，还是生产中的工业物联网、数字城市、智慧医疗等等，都产生了巨大的深远影响，跟高质量发展一样，数字化转型包括数字经济的发展，得到了前所未有的重视。

　　以下为嘉宾发言全文：

　　各位朋友大家好，很高兴通过这种线上化的方式今天能跟大家做一个主题交流分享。今天我想跟大家分享的主题叫做“数联万物，智造未来：数字化转型如何助力高质量发展”。

　　在当今的时代下，大家看到有一些时代的主旋律，其中高质量发展是当前最重要的一个时代的主旋律。对于高质量发展来说，我们在思考其中一个非常重要的方面，是如何使用更加精炼的投入和代价，更加高效的机制，来实现更加理想的一个发展目标。这其中创新可以称为是第一动力，而数字化转型是将科技与业务深度融合的一种创新方式，它的核心是数据要素，主要的手段是通过科技系统和算法模型，将数据由生产资料变为生产力，实现我们业务的一个提质增效、降本增利。

　　这样一个数字化转型后面的背景有几个考虑：

　　第一，数据已经被列为一项非常重要的市场要素和生产资源，跟土地、劳动力、资本、技术一起成为我们一个重要的生产要素。

　　第二，当今的社会由于数据、算法、算力的高速发展，我们已经从信息化时代迈入到一个数字化时代，这个数字化时代跟信息化时代最大的区别就是我们认为信息化系统是作为一个业务的辅助，而数字化时代，系统+数据首先是反映物理世界，同时解决物理世界中问题的一个非常重要的环境和手段。

　　我们看到当前很多产业的数字化和数字的产业化无论是对我们生活中的衣食住行，还是生产中的工业物联网、数字城市、智慧医疗等等，都产生了巨大的深远影响，跟高质量发展一样，数字化转型包括数字经济的发展，得到了前所未有的重视。从金融业来说，整个商业银行积极投身于我们数字化转型的过程中，这里也包括一些政策层面制定的保障措施，比如说数据成为市场要素，我们的《数据安全法》跟《信息保护法》，包括监管（部门）也正在制定金融行业数字化转型的指导意见，致力于将数字化转型成为我们商业银行高质量发展的一个重要的助推力。

　　我们理解整个数字化转型的工作框架实际上分为几步：首先，通过我们业务的数据化这样一个过程，实现我们的数据资源和数据资产的形成。第二，通过我们数据资产的服务化，实现整个数据资产对业务场景的数字化应用的赋能。第三，通过数据服务的智能化，也就是从数字化向智能化升级，实现我们的终极目标，也就是实现智慧银行或者是智能银行的发展。

　　下面我从这三个方面简单地展开，跟大家做一个交流。

　　首先，业务的数据化。我们知道如果没有数据，就没办法形成一个比较清晰、高像素的数字化对物理世界的描述或者是一种描述或者是模拟。而且我们认为数据的密度越细的话，正如显示器或者电视机一样，它对物理世界的像素和清晰度会越高。业务数据化的数据主要包括三方面，首先是客户在业务办理过程中采集的各种金融的数据，也可以称为是传统的小数据。第二，我们通过各类外部机构、第三方合作机构采集到大量的非金融的数据，可以叫做大数据，这里包括结构化的、非结构化的、文本类的、影像类的等等等等各类的大数据。第三，除了金融业务办理过程中，客户在操作过程中也有一些行为类的数据，能够反映出客户的一些偏好、客户的一些行为习惯等，我们称为客户的行为数据。

　　通过以上三类客户的数据，可以对客户形成信息比较完整的画像，我们叫做“客户的360度视图”。有了客户的视图之后，我们就可以对客户进行一些标签和分群分类的处理，有了分群分类就可以进行数据资产的服务化，也就是业务的场景化的操作。业务的场景化在数字化方面可以分为数字化的营销和客户服务，以及数字化的管理两大方面。数字化营销包括客户服务，我们理解实际上它跟传统的营销手段（相比），它首先是采用数据分析以及大数据用例的方法，能够比较精准地定位我们的目标客户，提供具有针对性的、差异化的服务。如果说传统的营销手段，普遍撒网式的，对所有的客户营销一遍，如果我们把它认为是一种“大水漫灌”式的营销，数字化营销实际上我们可以认为是“精准滴灌”，相比传统的客户营销的方法实现更加精准的客户定位，更加符合客户的爱好和偏向的服务，减少客户打扰，最重要的是消耗更加低的成本，因为不需要采用普遍撒网且低效的营销费用，而且会带来更好的客户体验。

　　这种精准化的客户的营销，首先是采用数据分析，可以用智能化的营销手段，也就是线上化的智能化营销和线下的联系化营销相结合，形成一个营销的全流程闭环的管理，以及客户全生命周期的经营管理。这种营销方法可以用在我们获客、促活、提升、睡眠的唤醒等等，是整个客户全生命周期的过程。这个是数字化的营销，数字化的营销通过这种闭环的管理，实际上本身是一个分析的手段。

　　第二，数字化的管理。数字化的管理包括管理的各个方面，首先是数字化的风控。数字化的风控，我们可以用数据分析挖掘的模型，在客户的准入、审批、贷中、贷后等各个阶段，能够形成智能化的客户的风险识别以及定价、反欺诈等等等等，适用于风险管理的各个方面。数字化风控最主要的要素，比如我们有一个全新的客户，通过线上化的申请，我们要使用客户各类的外部数据，形成对客户初始化的标签和画像体系，通过我们线上的反欺诈模型、营销的审批模型，对客户进行风险画像，进行一个授信额度的线上化审批，实际上达到一个信贷反欺诈的风控以及信用风险管控的目标。在这个过程中，我们也尝试着在无论是个人条线还是企业条线方面，开发过一些线上化产品，比如说数字信用卡，实现我们的秒申、秒批、秒用的特点，这是得益于我们数字化的风控的能力。

　　在数字化管理上面还有很多很多可以进行的工作，比如说通过数据模型进行合规管理，对我们的业务、客户、员工等等进行全面的合规的监测以及信号的预警，提早通过合规手段的干预，能够避免我们的合规风险。包括在整个数字化的运营过程中，通过对业务办理流程节点的跟踪和监测，能够找到我们业务流程中的薄弱环节和堵点，提出针对性的手段，提升我们的运营效率。

　　这是数字化。通过数字化提升的阶段，第三个阶段是场景的智能化，也就是从数字银行到智能银行的升级。我们理解的“智能化”包括两类，一类是基于数据的智能，我们有一个通俗的说法叫做“机器学习”或者是“挖掘建模”。数据智能的核心是利用数据分析挖掘可视化技术，以及算法工程，能够找到在传统人工的观察或者是专家规则发现不了的一些信号、指标和对我们业务决策形成的一些指导意见。

　　我们目前已经开发了超过20个各类的分析挖掘模型，从精准的客户的营销到特定客户，比如我们做了一个模型，理财客户可能会流失或者降级，我们做一些预警，发给我们的理财经理，使理财经理提前做好客户的服务工作，有效地避免或者减少客户降级的风险。当然还有很多对于标准化的产品，基于机器学习的模型，建设我们的一些风控模型，广泛适用于我们业务办理的各个场景中。

　　我们也在尝试进行算法模型的全流程的管理，因为模型需要进行评估，需要进行迭代，当然目前在算法模型方面也要防止一些模型的风险，比如算法歧视、算法黑箱等等，包括模型效率的衰减等等这些问题。

　　智能化的第二个方面是人工智能或者叫做交互智能，也就是俗称的机器人。我们理解人工智能最主要的作用是让系统具备看、听、说、理解以及决策的能力，创造出一定的数字劳动力。这种数字劳动力，以目前我们对人工智能水平的理解，没有办法完全替代物理的网点或者人员。但是从实践来看，人工智能可以作为我们人工服务的一个智能助手，尤其是对大批量长尾客户的在线的标准化服务。大家看到有很多手机银行上面有一些智能语音的客服和咨询能力，就是这样一种体现。

　　我们过去一段时间的实践中，我们使用语音机器人进行客户的贷款或者信用卡到期信息的提醒，最近我们把它大量应用于营销外呼。经过统计，我们发现到目前为止，2021年我们语音机器人的外呼量是2020年的3倍，2020年语音外呼量是2019年的两倍。经过大量外呼的业务量的增长，我们人工外呼的客服人员几乎没有增长，效率就大大提升。另外，我们用图像机器人进行发票和票据的识别，我们在一个场景中，划款指令的凭证，用图像机器人进行识别，进行自动化记账，有效提升录入的效率，降低差错率。同时，去年我们建了很多AI营销机器人，这种营销机器人可以入驻抖音、B站、各种微信生态圈，进行标准化产品的营销和一些标准化业务的咨询。我们也尝试着用AI数字员工技术，制造一个虚拟的客户经理，我们也叫数字孪生，这个虚拟的客户经理就可以同时在线，同时对他多个客户提供一对一的服务，有效地提升客户经理服务的效能。

　　这是在智能化方面。人工智能技术的升级迭代非常快，在可预见的未来，数字劳动力可以在各类线上化，在各类视频平台或者是社交平台大显身手。

　　最后，要实现数字化转型的能力，实际上需要我们进行组织推进以及资源保障。

　　第一，我们知道数字化转型是一个基础长期复杂性的系统工程，首先是要打好基础，这个基础就是数据治理的基础。由于历史的关系，原来在若干年中我们建设的一些系统，在标准化、在数据质量方面，可能更多地是面向业务本身的合规性办理，它并不是面向数字化分析和数字化管理的能力。所以，在这个过程中，在不同验证系统中存在着数据的不一致、不标准、不统一的情况，对于我们要做完整的客户的全视图的画像以及全业务的分析，首先要定好数据标准，提升数据质量，做好数据的血缘分析和影响分析等等。同时我们也建一些数据治理的平台和工具，来实现对数据治理本身的数字化管理。

　　第二，要建设一套完整健全的数据架构。这个数据架构包括后台的数据湖、数据平台，要建设我们数据中台、数据资产管理系统以及智能中台，实现对前台的一个敏捷高效的数字化支持。这是数据架构。

　　另外，数据的安全和合规性的要求。数据的共享合规需要满足一系列数据安全的要求，符合法律法规的要求。这一块各个层面都做了很多工作，比如说在国家层面制定了《数据安全法》、《个人信息保护法》、数据安全分级的条例、标准以及数据全生命周期保护的规范等等。目前比如在上海也建了上海的数据交易所，试图建立一种数据的共享和交换的标准化机制，包括数据的所有权、使用权，数据的定价机制，如何定价，以及利益的分配机制等等，这些都是当前的环境。

　　我们也积极利用多方安全计算的技术，实现了数据在跨所有方之间数据本身不共享，但是可以共享数据的结果。既保护了数据的隐私权，又能够实现数据高维的共享和共同建模，产生有效的指标、标签、信号等等。

　　关于数字化转型还有其它方面的考虑，比如说整个金融科技和数字化技术快速的变迁，以及快速的迭代，这个对于我们技术人员或者数字化人才，需要不停地掌握最新的技术，进行系统不断的更新迭代。另外，金融科技人才的高度紧缺，源于两方面，一方面是由于全社会数字化转型全面的启动，导致各行各业对数字化人才的争夺都是比较激烈的。第二，由于数字化人才本身的要求也是非常高的，他是交叉的智能，既要能够有业务知识，又要有数据处理和分析的知识，还要有技术开发的知识储备，本身他就是一个复合型人才。第一，这种人才整个市场非常稀缺。第二，各个学校刚刚开设相关的一些专业。第三，由于市场的需求量非常广，导致目前数字化人才紧缺，未来需要各方一起来努力，培养出高质量的、专业性强的复合型的数字化人才。

　　我们可以预见到数字化转型一直在路上，为我们行业包括金融的高质量发展，不断地研究、探索整个数字化转型新的方法，实现金融业的弯道超车也好，或者是一种高效、高质量、成本可控的新的商业银行的创新发展道路。

　　今天就给大家分享到这里，谢谢大家！