以下内容，根据「神策 2020 数据驱动用户大会」特邀嘉宾大连银行网络金融部总经理王丰辉的演讲内容整理所得。（文末附 PPT 下载地址）

关于银行数字化转型的最小共识

在数字化转型方面，许多银行都是刚刚起步，今天分享下我的想法与认知。

我们现在看，市场上充斥着各类数字化转型的会议，总会让我们有一种错觉：大家对数字化转型已经达成共识了。我也经常和同业的朋友一起交流，发现 1000 个人眼中有 1000 个哈姆雷特：即使在同一家银行，不同部门之间，甚至同一部门中不同团队之间，大家对数字化转型这件事情的认知、方法是千差万别的。

但也能找到一些共性的认知，主要包括三方面：一是能机器干的，就不要让人干；二是一切业务数据化，一切数据业务化；三是建立与以上两点适配的组织和文化。

这三点共性认识，是大家推动数字化转型的最小交集，是银行进行数字化转型的出发点和落脚点。

对银行而言，什么是自己的？

我国大大小小、可以称之为银行的有 4000 多家，包括大行、股份制、城商行、村镇银行等。但包括大行在内，也不可能项目全部自研，都需要外包，并且外包比例较高。同业曾有一位科技部朋友提出疑惑：核心可以托管、系统可以外包、业务可以复制、网点可以撤并。那么对于银行来说，什么是自己的？对银行而言，什么必须在掌控之中？

我们讨论之后，隐隐有一个答案：我们真正可以拿到手上的，就是数据。因为只有数据，能够贯穿从业务，到产品，再到系统，乃至到后台的一条线，在这条线上你可以做前、中、后台的洞察。

让员工做出睿智的决策

再看一个例子。作为银行、保险、证券等行业从业者，大家有没有考虑过，为什么领导们做决策通常是睿智的、权威的，员工就不能做出睿智的决策吗？这也涉及到金融科技转型的更深层次的问题，如何做出睿智的决策？

管理者睿智的决策从何而来？管理者掌握着全面的信息，来自监管、来自市场、来自同业、来自更高视角，而员工因为只是做具体的事情而获得的信息有限。因此管理者要做到两点：第一是放权，需要将一系列的事情全部拆解下去；第二是信息共享，当员工获得与管理者一样的信息量时，就更容易做出睿智的决策。这也是数据的价值。

银行的第四次转型：数据银行

银行从上个世纪至今经历了电子化——市场化——流程化——数字化/数据化四次转型。从第一台计算机在美国诞生之后，整个社会发展就是一个现实世界和虚拟世界不断交互的过程。

电子化是一个映射的概念，即虚拟世界和现实世界无法做交互。要把在现实世界中的难题迁移或映射到计算机中，即映射到虚拟世界，在计算机给出方案后，再返回到现实社会去解决难题。这种情况下是没有交互的，这个阶段强调电子化和信息化。

数字化是 0、1 的概念。这种情况下涉及到交互，就是现实世界和虚拟世界可以交流、对话，但仍有隔膜。而数据阶段，我认为是现实世界和虚拟世界的混同，比如打游戏的人会畅想，全场景、沉浸式游戏，玩游戏时不会有仍在现实世界的“脱离感”“超然感”，混同指的是现实世界与虚拟世界真正实现了一体两面，你在虚拟世界做一个动作就等价于在现实世界做一个动作，反之亦然。

因而，我更愿意将数字化的目标定位为数据银行，更贴切、更有抓手。

数字转型之天时地利人和

说到「最大的浪」，就是“天时地利人和”的问题，即从时代背景、技术的发展、国家政策、整体产业来看。大、智、云、移、链是时代的技术基础，随着 5G、物联网、Alot 等技术的发展，现在进入了产业互联网时代。

另外政策方面，我展示了几份重要的政策文件，包括 2020 年 3 月 30 日，中共中央国务院《关于构建更加完善的要素市场化配置体制机制的意见》；央行《金融科技发展规划（2019-2021 年）》（银发【2019】209 号）；2020 年 08 月 21 日，国务院印发《关于加快推进国有企业数字化转型工作的通知》；另外，9 月 23 日央行颁发了《金融数据安全数据安全分级指南》。

数据推进过程中的“坑”

在 PPT 中，我列举了数据合规、数据治理、数据应用方面的“坑”，其中最严重的有三个问题：

第一，归属和话语权的问题。

大家想一下，数据怎样才能产生价值？数据必须整合、打通、聚集起来，才能够产生最大化的价值。

科斯定理告诉我们，只要数据权是明确的，并且交易成本为零或者很小，那么，无论数据归属谁，数据终究流转到用得最好、最有效率的机构手中，实现资源配置的帕累托最优。

而事实上，现实的数据是分散的，散落在各个部门、各个系统、各条线的前中后台、总行分行等，由于数据源头分散的天然特点（数据权）与数据聚集之下才能价值最大化（数据价值）的矛盾，那么我们最开始，就要明确数据的归属和话语权。

数据归属和话语权会面临两个挑战：一是数据确权，比如用户在 kindle 阅读器上看自己喜欢的文章，会加标注会划横线，那么这些横线和标注的数据，谁是拥有者？二是数据的交易成本很小吗？除了银行与银行之间，银行和机构之间，哪怕在银行内部，数据的交易成本也是极其高昂的，跨部门的数据都存在割裂，这就是银行的烟囱式难题。

解决方案是什么？一是机构内部进行数据确权，剔除内部交易成本。在机构内部要有一个牵头的、说了算的、看全局的数据管理部门。二是寻找机构之间数据共赢的方案，如何建立可对话的数据标准，如何在保护隐私的前提下实现数据共享，例如，现在常提的知识联邦，这都是行业的呼声。

第二，两条腿走路的问题。

许多银行在数字化转型上投入逐年增多，但普遍存在着数据质量不高、数据人员缺乏与数字化转型对“数据”迫切诉求之间的矛盾。

我认为银行的数字化转型，需要绕过一个个的台阶与门槛，一步步地来实现，并不存在所谓的“后来者居上、弯道超车”。比如前一段时间朋友圈刷屏的“中台”，许多机构都在做中台。实际上中台是“生长”出来的——在业务发展的过程中，遇到了问题，比如重复建设、资源浪费、多头管理、数据打通等问题，在解决问题的过程中开始做中台，而不是盲目去做的，为了中台而中台，反而会导致资源浪费。

在全数据链条的打通上，存在一个很尴尬的问题：前中后台的数据打通导致数据链条很长，在链条上有渠道产品经理、渠道 IT 人员、业务产品经理、业务 IT 人员、数据厂商分析师、数据厂商 IT 人员等多人，这让沟通的成本非常高。仅仅测试一个埋点，至少需要涉及 4、5 个人，甚至 8、9 个人。

对此，我觉得从三个方面来解决：一是数据治理（质量）与数据应用（分析、挖掘）同步推动；二是建立充分授权、行动敏捷、横跨“全数据链条”的小型团队；三是人员外包与自有数据人员培养并行，这是先进同业在实践的道路。

第三，一起进步的厂商。

2020 年是数据 To B 的元年，数据行业经过了大浪淘沙，纯数据生意已经不是主流，像神策这样的厂商已经从原来单一的产品发展到产品矩阵，并开始重视行业解决方案。

据不完全观察，我认为数据赛道的厂商主要分为两类：一种是不含数据的，包括提供行业解决方案和 AI 解决方案；一种是含数据的，提供行业资源解决方案。总的来说，存在六大问题：

一是标准品与银行个性化需求之间的矛盾。To B 都希望自己是标准品、SaaS 的模式，按年收费特别爽。但每家银行的技术水平层次不齐，标准品 + SaaS 的模式显然无法满足个性化需求。

二是标准品与银行所处数据阶段的不匹配。银行的数据治理还没有完善，若上来就匹配一款需要非常成熟的数据基础的产品，银行也是难以使用的。

其余几点还包括：产品仍缺乏行业适配，缺乏行业解决方案；多产品矩阵的松耦合与紧耦合；产品操作不友好，复杂度高；本地化部署、迭代与人力成本的不匹配的问题。

针对厂商的建议，我做了思维导图。这里重点说下客户成功，有些 To B 厂商成立了客户成功部。To C 和 To B 不同，To C 可以一个人决策，而 To B 要打动 3 个层面：一是管理层，二是业务负责人层，三是经办层。管理层需要掌控感，目的是辅助决策，辅助战略；业务负责人，需要产品辅助完成 KPI，以及实现边界突破和亮点；经办层面关注操作是不是友好、快捷、能力提升等。

在选型 To B 产品中，通常能够拍板买产品的人和具体使用的人不是一拨儿人，因此必须要满足这 3 个层面的需求。从这个角度讲，To B 的本质还是 To C，影响决策链上的个人。 我从进入银行开始，一直在电子银行部、渠道管理部、网络金融部或数字金融部，一直做的是金融 + 科技的事情。针对数字化转型，我一直在思考怎么去推动一个银行的转型，怎么去推动一个行业的转型。我认为转型的难点是在认知层面，个人认知是一切的发端，在于如何去影响上下左右。但我们不得不承认，改变某个特定机构比较难，改变某个特定个人比较难，但是在一个行业中，认知转型是渐进的，有快有慢，可以先筛选快的企业，快的个人，如果把认知转型看成一个向上不断增长的阶梯，我们需要切入在更高阶梯的企业、更高的个人。因此，我的结论是：To B 更大的格局，是圈定并影响行业中不同阶梯的个人。

最大的未来，如何界定未来？

在未来十年，我们可能来到数据社会，或者智能社会，这会呈现什么状态？

政策层面：具有极其明确且严格的数据确权和数据保护，遗忘权、隐私权，我觉得这未来是标配，这是大方向。

用户层面：现在由于监管层面和业务层面的约束，用户仍避免不了到柜台办理业务，但未来用户一定可以足不出户就可以享受所有金融服务。

金融层面：金融隐藏在场景、链条、生态之中，看不见，又无处不在。目前金融面临脱媒的问题，为什么银行 APP 的活跃度没有天猫、京东那么高？因为用户第一需要的是生活，企业第一需要的是生产，因此金融必将嵌入到生产、生活，这是不可避免的。

数据：社会包括金融机构的运行、决策全部建立在数据之上。

人：每个人将从繁琐的事务工作中被解放出来，更关注价值创造。

以上是我的分享，仅代表个人观点，谢谢大家！

关于神策数据

神策数据是专业的大数据分析平台服务提供商，致力于帮助客户实现数据驱动。公司围绕用户级大数据分析和管理需求，推出神策分析、神策用户画像、神策智能运营、神策智能推荐、神策客景等产品。

此外，还提供大数据相关咨询和完整解决方案。神策数据积累了中国银联、小米、中邮消费金融、海通证券、广发证券、东方证券、中原银行、百信银行、中青旅、平安寿险、四川航空、VIPKID、东方明珠、华润、有赞、百姓网、货拉拉、闪送、驴妈妈、Keep、36 氪、拉勾、VUE、春雨医生、聚美优品、边锋游戏、捞月狗、纷享销客等 1500 余家付费企业用户的服务和客户成功经验，为客户全面提供指标梳理、数据模型搭建等专业的咨询、实施和技术支持服务。希望更深入了解神策数据或有数据驱动相关问题咨询，请咨询 4006509827，由专业的咨询顾问为您解答。