來源：eResearch楊榮團隊 中信建投證券

　　作者：楊榮

　　導讀：

　　1、銀行3.0戰(zhàn)略升級，第三極零售應運而生

　　2、第三極零售之一：場景化零售的場景分類和搭建

　　場景化零售將金融服務無縫融入到生活的方方面面，延伸出來的生活場景包羅萬象，從基本生活需求的“衣食住行”到品質提升需求的“醫(yī)教文體”。針對不同的場景，各家銀行根據(jù)自身情況的不同采取不同的場景搭建方式，一般來說場景搭建有2個維度：一是搭建空間，可以是線上場景或者線下場景；二是搭建主體，可以是自建場景、外部引流或者合作共建。

　　3、第三極零售之二：智能化零售方向

　　目前智能化零售的方向主要有人工智能、大數(shù)據(jù)、智能投顧、區(qū)塊鏈交易等。在人工智能方面，應用前景主要有3個方向：（1）AI生物識別技術，提高識別與支付的效率和安全性。（2）AI智能客服，減輕人工客服壓力、節(jié)省成本并提高客服效率。（3）智能營銷和投顧，基于千人千面的營銷方式和投資選擇。

　　4、第三極零售的案例：各銀行場景化和智能化實踐

　　工商銀行已建立核心金融服務場景240余個，涵蓋生活、消費、出行、理財投資、公共服務等百姓生活的主要領域。并針對客戶端，搭建了“工銀e支付”全功能支付平臺、“融e行”網(wǎng)上銀行和手機銀行平臺、“融e購”電商平臺和“融e聯(lián)”即時通訊平臺4大平臺。在金融科技上，工行積極探索金融科技的發(fā)展和應用情景。目前，工商銀行的金融科技人才已達1.5萬人，相繼成立了金融科技部、業(yè)務研發(fā)中心、金融科技子公司工銀科技和7大創(chuàng)新實驗室。

　　招商銀行的場景化零售走在了市場的最前列。而招行場景化的兩大利器就是旗下的兩大App：“招商銀行”App和“掌上生活”App。兩大App已成為客戶獲取和客戶經(jīng)營的主要平臺；大部分零售客戶的交互行為已經(jīng)從線下遷徙到線上，其85%的零售客戶的交互行為都是通過App完成，并且這種趨勢還在延續(xù)。在金融科技上，通過引入全新交互形態(tài)和AI內核打造智能微客服，利用大數(shù)據(jù)對零售客戶生成1，726個客戶畫像標簽，展開千人千面的營銷策略，并在行業(yè)內首家啟用基于人工智能的智能投顧產(chǎn)品—“摩羯智投”。

　　浦發(fā)銀行公布未來5年戰(zhàn)略目標—“打造一流數(shù)字生態(tài)銀行”。推出零售經(jīng)營新體系，通過流程重構實現(xiàn)業(yè)務的模塊化和組件化；通過開放API、智能感知、挖掘建模等大數(shù)據(jù)應用技術，提升數(shù)據(jù)驅動運營能力；通過把握客戶需求關鍵點，連接上下游合作伙伴，與百余家合作伙伴共建生態(tài)，形成銀行業(yè)務的場景融入。在金融科技上，成立了五大創(chuàng)新實驗室，并與國內外22家知名科技公司成立科技合作共同體。建設了新一代數(shù)據(jù)核心支撐平臺，推出國內首款智能APP和首款智能柜臺i-counter，并推出首個無界開放銀行API Bank。

　　第三極零售：場景化和智能化

　　一、銀行3.0戰(zhàn)略升級，第三極零售應運而生

　　Bank1.0指的是以傳統(tǒng)銀行業(yè)務為主的銀行業(yè)務形態(tài)，絕大多數(shù)業(yè)務在物理網(wǎng)點的高柜上完成，主要業(yè)務方向為傳統(tǒng)的吸儲放貸業(yè)務。而在金融服務同質化嚴重的當時，銀行主要的競爭方式是網(wǎng)點數(shù)量的鋪設密度和廣度，哪家的網(wǎng)點越近，網(wǎng)點內柜臺數(shù)量越多就能爭取到更多的客戶。

　　Bank2.0是隨著ATM和網(wǎng)絡銀行等金融科技將銀行金融服務拓展為全天化和網(wǎng)絡化的轉變過程，客戶依賴物理網(wǎng)點的行為被迅速轉變，存取款等行為被24小時可使用、分布更廣、跨行可取的ATM所替代，而大部分的零售銀行業(yè)務也可通過電子渠道進行操作。但是Bank2.0時代的線上化仍有很多的不足，比如客戶開戶后仍會歸屬于某個具體的物理網(wǎng)點，且一些像開戶、理財與保險購買、大額轉賬等較為復雜的業(yè)務因身份驗證、材料審查和紙質合同簽署的原因依然需要到網(wǎng)點進行辦理。物理網(wǎng)點的布局也慢慢向低柜臺和智能化轉變但業(yè)務適用范圍較為有限。

　　Bank3.0是隨著互聯(lián)網(wǎng)、人工智能和大數(shù)據(jù)等科學技術發(fā)展和社會消費主力人群的變更而引發(fā)的客戶行為和消費習慣的轉變，在物理網(wǎng)點逐漸消亡的同時帶來的是絕大多數(shù)業(yè)務向手機等智能終端的轉移，業(yè)務辦理由全天化向全面線上化轉變，而物理網(wǎng)點獨有的存取款業(yè)務也將因去現(xiàn)金化和移動支付而逐漸淡出客戶視野。業(yè)務的核心也從銀行能提供什么功能到客戶需求什么功能轉變，這種轉變不僅僅需要銀行服務進一步便捷化和網(wǎng)絡化的提升，更是銀行對整個金融服務的再定位和再轉型。當銀行無法及時跟上客戶的需求時，互聯(lián)網(wǎng)和其他非銀金融機構就能跨界滲入到銀行客戶，所以銀行必須將客戶需求作為決定金融服務轉型的方向，而銀行將零售業(yè)務升級為場景化和智能化零售是整體戰(zhàn)略中的重要一環(huán)，第三極零售應運而生。

　　我們認為場景化零售不僅僅是銀行零售業(yè)務的一個創(chuàng)新舉措，也是未來零售業(yè)務的最主要運營方式，通過金融服務和客戶生活中的各類場景緊密融合，讓客戶在無縫享受金融服務的同時，便捷好用的金融產(chǎn)品將牢牢切合客戶需求，產(chǎn)生不可替代的客戶黏性。而在零售業(yè)務逐漸場景化的過程中，智能化金融科技將作為后臺中央大腦充分支撐起場景化的各項技術和數(shù)據(jù)需求。從AI生物識別到精準營銷，再到智能投顧和大數(shù)據(jù)風控，未來銀行的每一項零售業(yè)務將和智能化零售緊密結合。智能化零售的基礎是集合內部系統(tǒng)、客戶信息、市場動態(tài)的純數(shù)字化的大數(shù)據(jù)庫，沒有數(shù)據(jù)支撐，任何金融科技的手段都無用武之地。而場景化和智能化的有效融合則能形成智能化零售提升場景化零售，場景化零售進一步豐富智能化零售大數(shù)據(jù)的正向循環(huán)效果。

　　二、第三極零售之一：場景化零售

　　1、場景化零售的特點和優(yōu)勢

　　傳統(tǒng)銀行零售業(yè)務“同質化”現(xiàn)象嚴重，各家銀行的零售金融服務單一且沒有自身特色和優(yōu)勢，加上互聯(lián)網(wǎng)公司主導的移動支付逐漸興起和電子銀行的普及，造成銀行客戶黏性和轉移成本均較低，在服務同質化的情況下極易因為辦卡送禮或其他優(yōu)惠活動等營銷手段轉換銀行。而場景化零售以個人客戶的日常生活中的真實場景為核心切入點，依托互聯(lián)網(wǎng)、大數(shù)據(jù)、AI、生物識別等金融科技，將金融服務融入到具體場景的需求中，提升客戶黏性和金融服務維度。場景化零售有4大特點和優(yōu)勢：

　　從籠統(tǒng)的提供金融服務到應用于真實場景

　　以往銀行零售業(yè)務給客戶提供最多的為籠統(tǒng)的金融服務，如查詢、存款、貸款、轉賬、支付等，客戶的金融服務獨立于生活和場景之外，只有在生活中需要金融服務的特定時刻客戶才會想起使用金融產(chǎn)品；而場景化擴展了金融服務的范圍，將金融服務自然而然的展現(xiàn)在場景中，并利用金融服務在場景中引導和激發(fā)客戶的潛在需求。

　　例如在用餐這個場景中，利用各類定制化的營銷活動引導客戶在用餐時想到去特定餐廳并使用特定支付方式進行支付，而不是在任意餐廳用餐后使用銀行卡完成買單行為。針對用餐場景單筆金額小、頻次高、需求穩(wěn)定的特點，利用場景化的金融服務將用餐這個具體場景展現(xiàn)在目標客戶面前。通過定制場景專有的營銷內容和金融服務，如每周五中午工作餐滿減優(yōu)惠或每周三下午茶贈品活動等營銷手段，使目標客群一想到用餐時自然而然的就想起場景特定的營銷活動，進而激發(fā)客戶的潛在需求，引導客戶完成最終消費。在該場景消費完成后，銀行又可以利用消費時產(chǎn)生的大數(shù)據(jù)收集目標客戶的偏好和習慣，從而進一步精準的描繪目標客戶畫像，在下一次進入該場景時產(chǎn)生更針對的營銷展示和專有活動。

　　從單一金融產(chǎn)品到完整的產(chǎn)業(yè)鏈和生態(tài)閉環(huán)

　　以前的銀行只是在零售中提供單一的金融產(chǎn)品，在同質化和低轉移成本的情形下面對其他金融機構的價格競爭和營銷活動難以抵抗；而在場景化的消費中可以自上而下的延伸更多場景和更多需求，并形成生態(tài)閉環(huán)。將獲客手段從價格競爭升級為價值體現(xiàn)，利用客戶的“懶惰”（產(chǎn)品便利性）和“情懷”（產(chǎn)品獨特性）提升金融服務的差異化溢價水平，采用網(wǎng)狀延伸的場景化金融服務全面覆蓋客戶多種多樣的生活需求，提升客戶使用體驗，從而聚合更多目標客戶群，提升客戶忠誠度。

　　例如在從場景化零售中激發(fā)客戶潛在需求后，指引客戶完成支付，并從支付業(yè)務延伸到消費貸款業(yè)務，通過不同類型的場景進行定制化分期還款業(yè)務，再延伸到鏈接工資卡等還款方式自動化無感化的進行還款，而多余資金又可在理財平臺上進行財富管理和規(guī)劃，為客戶提供綜合化的金融解決方案并形成激發(fā)潛在消費-支付-貸款-定制化分期方案-自動化還款-再次消費的生態(tài)閉環(huán)，使得客戶接受到的金融服務更加完善。再通過可累計的信用評分系統(tǒng)、積分獎勵機制和不定期的VIP專屬營銷活動等方式建立會員體系，鼓勵客戶重復使用金融服務，而在轉移金融機構時的成本和程序大大增加，從而增加客戶黏性。

　　從刻板的客戶群體劃分到精準化營銷和服務

　　在場景化零售之前，銀行對客戶的劃分粗放的依靠生理、地理和社會數(shù)據(jù)，例如年齡、性別、地區(qū)、職業(yè)、收入等籠統(tǒng)的數(shù)據(jù)劃分客戶群，各類客戶群有所不同又相互重疊，而且較難通過客戶的年齡、性別、地區(qū)等信息清晰的判斷出客戶的具體需求，給客戶管理和營銷帶來混亂和困難。場景化零售要求銀行不再通過機械劃分客戶群體后再去挖掘需求，而是通過挖掘衣食住行等特定場景的獨特需求來定向開發(fā)目標客戶，利用符合場景的定制化金融服務滿足目標客戶的需求，繼而收集客戶的大數(shù)據(jù)信息，延伸開發(fā)后續(xù)服務。

　　例如在購車這個場景中，銀行不再通過劃分年齡、性別和職業(yè)的方式去揣測各類客戶是否有用車需求，而是通過在購車的場景（4S店、二手車店、網(wǎng)上交易）中利用定制化金融服務更高效精準的開發(fā)有用車需求的客戶，使金融產(chǎn)品更加貼合客戶的實際情況，提供如車主信用卡等專屬信用卡，在加油、保養(yǎng)、道路援助等方面的營銷活動吸引客戶長期使用其金融產(chǎn)品。同時了解客戶如購車動機，購車款來源、家庭收入和結構等相關信息，形成精準客戶畫像，將金融服務延伸至可能出現(xiàn)的搬家或職務升遷等其他場景中，豐富可提供的金融服務范圍。此外，通過對客戶的整體認識和場景化的需求的準確把控，有利于正確認知產(chǎn)品的風險水平和精準的確認產(chǎn)品定價水平，提升收益降低風險。

　　從現(xiàn)金貸款到對應真實消費需求

　　傳統(tǒng)現(xiàn)金貸業(yè)務中銀行無法掌握貸款客戶的資金使用方向和額度情況，即使在客戶明確告知貸款用途的情況下也難以避免道德風險，無明確用途的現(xiàn)金貸有可能投入到股市、期貨、房產(chǎn)等市場中，過高的杠桿極有可能在市場波動較大時給客戶帶來損失，削弱客戶的償還能力，抬升銀行的不良率。場景化零售在一定程度上減少了現(xiàn)金貸資金流向難以控制的現(xiàn)象，明確的消費場景和資金使用方向限制客戶挪用信貸資金用于高風險投資或進行超過自身償還能力的消費的可能性。但仍需要注意的是商家可能通過開具虛假交易清單或協(xié)助客戶先使用消費貸購買商品再通過賣后折價現(xiàn)金回收的方式從銀行套現(xiàn)并違約利用資金，增加銀行信貸風險。

　　2、如何進行場景化零售

　　場景分類

　　場景化零售將金融服務無縫融入到生活的方方面面，延伸出來的生活場景包羅萬象，從基本生活需求的“衣食住行”到品質提升需求的“醫(yī)教文體”。隨著場景的不斷深化、銀行利用自身獨有優(yōu)勢和資源將大的場景根據(jù)客戶需求的不同進行差異化細分，利用大數(shù)據(jù)和人工智能等金融科技手段對潛在目標客戶描繪“千人千面”的精準畫像并定制專屬營銷手段和金融服務內容，不斷升級舊場景并產(chǎn)生新場景，拓展金融服務范圍豐富金融服務種類。

　　場景搭建

　　針對不同的場景，各家銀行根據(jù)自身情況的不同采取不同的場景搭建方式，一般來說場景搭建有2個維度：一是搭建空間，可以是線上場景或者線下場景；二是搭建主體，可以是自建場景、外部引流或者合作共建。

　　從搭建空間來看，主要有以網(wǎng)絡商城和金融商城為主的線上場景和以日常生活與公共服務為主的線下場景組成。隨著互聯(lián)網(wǎng)和通信網(wǎng)絡的發(fā)展，互聯(lián)網(wǎng)思維的O2O（Online to Offline，線上到線下）也演化成OMO（Online Merger Offline，線上融合線下），使得線上場景和線下場景的界限越來越模糊，線上發(fā)起的場景往往會延伸出線下的服務和銷售，線下發(fā)起的場景也往往需要線上的查詢、支付與結算功能。

　　從搭建主體來看，銀行主要以自建場景和合作共建為主，自建場景可以根據(jù)銀行自身發(fā)展需要定制場景，充分滿足差異化和具體化的客戶需求，并提供針對化的產(chǎn)品、服務和解決方案；但自建場景往往需要銀行具有強大的客戶獲取渠道、充分的資本支持以及專業(yè)的經(jīng)營能力和后臺技術處理能力。合作共建則可充分利用銀行與合作伙伴之間不同的優(yōu)勢組合起來，銀行可利用微信、支付寶、銀聯(lián)在二維碼收支中的絕對優(yōu)勢采取二維碼互掃互通，利用美團和餓了嗎等外賣平臺巨大的外賣場景需求提供支付服務并延伸至到店就餐場景。

　　而外部引流可以快速拓展新客戶，迅速做大業(yè)務規(guī)模，在銀行尤其是中小型銀行因自身資本金和客戶優(yōu)勢不夠明顯，地域因素限制較大時，選擇以互聯(lián)網(wǎng)公司做入口進行外部引流的方式搭建場景。例如通過在淘寶、京東、微信的入口建立金融商品旗艦店提供信貸、理財、保險等金融服務。但是引流的劣勢也非常明顯，一是在入口越來越狹窄，頭部互聯(lián)網(wǎng)公司掌握絕大多數(shù)流量入口的今天，引流費用也水漲船高；二是外部引流受到外部企業(yè)較大的控制，當互聯(lián)網(wǎng)企業(yè)開始進軍互聯(lián)網(wǎng)金融時容易產(chǎn)生利益沖突；三是外部引流的客戶雖規(guī)模可迅速擴大但轉化為長期固定客戶仍有較大難度，客戶黏性較差，極易因價格上的優(yōu)惠轉到其他金融服務商處。

　　線上場景

　　就線上場景來說，尤其是購物、購票、外賣等日常高頻消費場景已經(jīng)被幾家互聯(lián)網(wǎng)公司牢牢掌握，市場份額巨大且用戶黏性強，電子商務的快速發(fā)展對于我國居民消費方式的轉變是影響巨大且不可逆的，不能在線上零售業(yè)務中占據(jù)一席之地的銀行必將在場景化競爭中處于入口縮窄、客戶流失的全面劣勢。18年末國內網(wǎng)絡零售市場交易規(guī)模達9.01萬億，同比增長25.57%，占社會消費品零售總額的23.61%，占比同比增長4.02個百分點；網(wǎng)購用戶規(guī)模達6.10億，同比增長14.45%，占網(wǎng)民總體比例達到73.60%，占比同比增長4.50個百分點。

　　銀行作為傳統(tǒng)金融機構難以從互聯(lián)網(wǎng)公司的一片紅海之中脫穎而出成為自建電商的領頭企業(yè)，但是銀行尤其是客戶總量大的國有大行，可在網(wǎng)絡商城的細分領域有所作為，主要專注于精品網(wǎng)絡商城、全產(chǎn)品線金融產(chǎn)品與服務商城、增加用戶黏性的積分商城等板塊，充分利用銀行天然的支付結算功能，自身高信用背書，線下網(wǎng)點多便于展示和分銷，公司客戶眾多可批發(fā)銷售，背后資金支持分期信用貸款，全實名制易辨真?zhèn)魏妥坟煹确矫娴膬?yōu)勢。從一方面網(wǎng)絡商城給銀行帶來了更大的收入來源和客戶黏性，另一面客戶在網(wǎng)絡商城上的消費、信貸和理財行為又豐富了銀行可以掌握的用戶數(shù)據(jù)，便于更加精準的客戶畫像和進一步產(chǎn)品營銷。

　　在網(wǎng)絡商城上，實物商品主打單品價值較高的精品專品，如貴金屬、3C產(chǎn)品、奢侈品等，增加單筆業(yè)務消費額便于后續(xù)鏈接消費金融服務，精致商品體積小易存放與運輸可減小網(wǎng)絡商城運營成本，利用線下網(wǎng)點用于商品展示提升網(wǎng)點客戶購買欲望減輕排隊客戶憂慮情緒。在積分商城中，主打虛擬物品如流量卡、電話卡、網(wǎng)絡會員和實物商品如生活必需品、新奇物件等低值常用商品，低值保證大小客戶均能使用積分換購到合適物品，常用保證客戶經(jīng)常使用服務以增加客戶黏性。在金融產(chǎn)品和服務商城中，主打銀行作為金融機構的天然屬性優(yōu)勢產(chǎn)品，如消費信貸、理財、保險購買、線上支付、生活繳費等。

　　線下場景

　　線下場景涵蓋了用戶日常生活的各個方面，作為商業(yè)銀行想要把所有場景全部接入是不現(xiàn)實也是不經(jīng)濟的，各家銀行的場景拓展方向應該趨向于日常生活中使用范圍廣的高頻場景，再根據(jù)自身優(yōu)劣勢做場景細分。具體來看，我們認為發(fā)展前景較大的場景主要聚焦于餐飲、旅游、汽車等日常生活場景和醫(yī)療、教育、公共交通等公共服務場景，以聚合支付作為主要切入點吸引客戶使用銀行服務、取得獲客機會，再以圍繞場景的綜合化、網(wǎng)絡化和智能化服務作為留客手段，形成閉環(huán)的生態(tài)圈。

　　校園場景

　　我們以校園場景舉例展示銀行在線下場景中的業(yè)務拓展方式。我國針對困難家庭大學生的學費和住宿費，已有社會保障和財政貼息性質的國家助學貸款和生源地信用助學貸款項目，所以銀行業(yè)在校園場景的主要產(chǎn)品是信用卡和消費貸。早在2009年，《中國銀監(jiān)會關于進一步規(guī)范信用卡業(yè)務的通知》規(guī)定“向經(jīng)查已滿18周歲無固定工作、無穩(wěn)定收入來源的學生發(fā)放信用卡時，須落實第二還款來源”，銀行基本上大部分退出了學生專有信用卡業(yè)務。在校大學生在沒有穩(wěn)定的收入來源和長期積累的征信信息的情況下，電商旗下消費貸以及網(wǎng)貸公司的校園貸業(yè)務大舉進軍校園信貸場景，也帶來了諸多亂象。2017年6月《關于進一步加強校園貸規(guī)范管理工作的通知》要求一律暫停網(wǎng)貸機構開展在校大學生網(wǎng)貸業(yè)務，并鼓勵合規(guī)機構積極進入校園，為大學生提供合法合規(guī)的信貸服務，重新打開了我國3000萬在校大學生群體組成的一個至少千億以上的合法信貸市場。

　　銀行可以利用自身信用好、資金成本低、運營規(guī)范、征信能力強、償還約束力高等優(yōu)勢，從客戶挖掘和貸前審核方面與校方合作，開展消費貸、信用卡等具有明確消費場景和資金用途的小額高頻校園信貸。雖然大學生目前無收入無征信，但其具有較強的消費意愿和新一代的消費觀念，且未來收入和還款能力有一定程度的保證，是小額高頻次消費貸款的優(yōu)質客戶，在拓展校園信貸業(yè)務的同時，也獲取了未來的潛在客戶和優(yōu)質的征信信息。

　　針對校園消費貸，目前建設銀行、中國銀行、招商銀行等銀行已發(fā)布相關產(chǎn)品。建設銀行廣東分行率先發(fā)布“金蜜蜂校園快貸”產(chǎn)品，針對廣東省內大學生提供1000到50000元的消費貸，期限在一年以內，日息萬分之1.5；中國銀行推出“中銀E貸?校園貸”，額度在8000元以內，期限在一年以內，未來延長至3-6年；招商銀行也推出“大學生閃電貸”，日利息低至萬分之1.7，額度8000元以內，而期限最長為2年。

　　針對校園信用卡業(yè)務，目前銀行會先向學生辦理零額度的信用卡，在達成第二還款來源的要求后提升額度，而目前銀行主要采納3種個人或機構充當?shù)诙€款源：（1）直系親屬；（2）保險公司，廣發(fā)銀行利用和保險公司合作，業(yè)內首家推出以保險公司作為學生卡第二還款源的銀行，中國銀行和中信銀行也緊隨其后推出自己的相應信用卡產(chǎn)品，以保險公司作為第二還款源也是目前最可靠的第二還款源；（3）消費金融公司，工商銀行則采取與分期樂消費金融公司合作的方式發(fā)布工商銀行宇宙分期樂信用卡，以分期樂預先在工行存入的保證金作為第二還款源，如果產(chǎn)生90天以上的逾期，則從這筆保證金中扣除相應的逾期本金。我們認為以上3種第二還款源的還款意愿和還款能力均有所保障，對于小額的校園貸款來說不良率將維持在較低的水平。

　　聚合支付

　　聚合支付線下收單是銀行場景化零售極其重要的場景，起著拓展客戶和商戶資源，沉淀結算資金，延伸金融服務的重任。隨著支付寶、微信支付、京東支付、美團支付等第三方支付前幾年的迅速發(fā)展，第三方移動支付越來越普及，尤其是針對長尾客戶的支付需求，手機移動支付的小額高頻方式已經(jīng)徹底超越傳統(tǒng)網(wǎng)上銀行的大額低頻支付方式。因第三方支付系統(tǒng)不在銀行的支付結算體系內，導致了支付領域的“金融脫媒”，銀行被邊緣化和后臺化。自16年第三方支付機構向銀行開通收單通道后，銀行采取聚合支付的方式將第三方支付機構的二維碼整合起來形成統(tǒng)一的支付碼，由過去第三方支付將銀行作為通道的快捷支付方式轉變成銀行將第三方支付作為通道的聚合支付方式。

　　聚合支付提升了客戶端和商戶端的體驗。從客戶體驗上，因為聚合支付將市面上大部分支付方式全部融合到一個二維碼內，客戶無需擔心兼容性和可用性，使用任何其習慣的支付方式完成支付即可，增加了便捷度和體驗效果。從商戶體驗上：

　　1、過去商戶需要分別與微信、支付寶、銀聯(lián)的機構進行對賬和結算，造成賬本的割裂和分離，不利于商戶對自身經(jīng)營狀態(tài)做整體判斷和把握，聚合支付對于各種支付方式產(chǎn)生的收支賬目全部匯總到銀行的系統(tǒng)內，給商戶提供整體的對賬和結算服務。

　　2、此外銀行作為底層結算商可以直接進行資金結算，相較于現(xiàn)有的第三方聚合支付公司具有成本和結算速度優(yōu)勢，加上銀行可以通過減免手續(xù)費而利用后續(xù)貸款和理財服務賺取收益的方式拓展客戶，其費率更低。

　　3、銀行本身信用等級高、安全性強、金融服務經(jīng)驗豐富流程清晰，更容易得到商戶的信賴。

　　三、第三極零售之二：智能化零售

　　金融科技已經(jīng)成為了每家銀行的重點戰(zhàn)略方向，各銀行在年報中也都重點披露了金融科技的最新進展。我們認為智能化零售作為后臺輔助，是發(fā)展任何零售業(yè)務的基礎。有且只有在通過金融技術將各類信息組成完全數(shù)字化的大數(shù)據(jù)庫，才能在場景中完成AI生物識別確定客戶、精準營銷確定產(chǎn)品、區(qū)塊鏈和聚合支付等手段確定交易流程、智能投顧和大數(shù)據(jù)風控進行投中和貸中管理的金融產(chǎn)品全鏈條服務。

　　1、AI識別和營銷

　　人工智能主要在銀行零售業(yè)務中應用主要有三：

　　其一、AI生物識別技術，提高識別與支付的效率和安全性。生物識別是利用人體的固有且獨特的生物特征，例如指紋、人臉、虹膜、靜脈、聲紋等，通過生物統(tǒng)計學解析運算從客戶的生物信息數(shù)據(jù)庫中鑒別出個人身份并完成支付和基于客戶信息的個性化客服和營銷服務。目前的主要識別手段是指紋識別，其優(yōu)點是技術成熟且成本較低；而未來的發(fā)展方向主要是人臉識別，目前市占率增速高于其他識別方式，其優(yōu)點是無需接觸，可以大大的提高識別速度和人數(shù)、同時可以做到無感識別，增強客戶體驗，并且減少接觸式識別帶來的衛(wèi)生隱患。

　　其二、AI智能客服，減輕人工客服壓力、節(jié)省成本并提高客服效率。目前AI客服主要分線上智能客服和線下網(wǎng)點智能客服兩種應用形式。在線上智能客服中，通過人工智能和機器自主學習方式了解和分析人類語言以及表達含義，再通過預先設定好的答案進行快速響應和解答，目前主要運用于常見問題的解答。因當前語言識別技術限制，還無法做到完全替代人工客服的程度，某些疑難問題或客戶針對性的問題AI客服仍然無法解答或提供錯誤答案。所以還需要和線上人工客服互相配合，由AI客服預先將客戶分流，解答常見問題并自動將疑難問題轉接至人工客服處。

　　線下網(wǎng)點智能客服主要應用于全自動化的無人網(wǎng)點中提供全年無休的銀行服務。在客戶步入智能網(wǎng)點后，通過人臉識別鑒別出客戶身份，通過AI機器人迎接客戶，回答簡單問題并對客戶進行分流，然后引導客戶至相應的智能化一體機中完成全部業(yè)務操作，在遇到疑難問題時通過視頻連線的方式導流至線上人工客服處進行處理，實現(xiàn)全年無休的快速響應和金融服務。

　　其三、智能營銷和投顧，基于千人千面的營銷方式和投資選擇。由于大數(shù)據(jù)在金融科技中的快速運用，各銀行制定了成百上千的客戶標簽并采集了針對每個個體的極大量的相關信息，通過大數(shù)據(jù)技術完成千人千面的客戶畫像和客戶定位后，利用人工智能技術將個性化的營銷內容呈現(xiàn)在客戶的手機客戶端以及客戶邁入智能網(wǎng)點后的營銷廣告屏上進行針對性的金融產(chǎn)品服務營銷。再利用機器學習技術創(chuàng)立智能投顧中心，根據(jù)投資理論并結合客戶本身的個人財務狀況、風險偏好和財務規(guī)劃目標給出個性化的最優(yōu)資產(chǎn)配置方案和包括股票、債券、貨幣基金、衍生品、大宗商品、不動產(chǎn)、貴金屬等不同投資領域的投資組合。

　　2、大數(shù)據(jù)風控

　　除了上文提及的利用大數(shù)據(jù)技術進行千人千面的營銷方式，大數(shù)據(jù)在金融科技中的另一個重要應用是基于大數(shù)據(jù)的智能和實時風控。在銀行進行傳統(tǒng)信貸業(yè)務的過程中已經(jīng)積累了豐富的風控經(jīng)驗，但是由于獲取公司客戶經(jīng)營信息和個人客戶財務信息難度大，頻率高，容易引起客戶不良體驗，造成傳統(tǒng)的風控手段存在信息收集困難、存在道德風險和信息滯后等問題。而大數(shù)據(jù)技術的運用可以優(yōu)化傳統(tǒng)的風險評估模型，提高風險的識別能力和實時性。主要在風控領域的運用有4方面：

　　其一、優(yōu)化風控模型。大數(shù)據(jù)的運用使得銀行現(xiàn)在可以基于大數(shù)據(jù)采集到的更加完善和細致的信息對客戶的風險程度進行更好的評估，充足的客戶信息可以極大的優(yōu)化基于傳統(tǒng)公司報表和個人銀行流水的風控管理體系，改進風控模型的判斷能力和預測效果。

　　其二、增加風控效率。以往風控人員需要在繁雜的報表數(shù)據(jù)和個人客戶流水中找到關鍵的風控信息，并通過經(jīng)驗積累和公司培訓做出風控決定，而通過大數(shù)據(jù)風控的自動化運行，可以自動采集并分析公司和個人客戶的風險數(shù)據(jù)，減少了重復任務中風控人員的采集和判斷時間，提升了效率，并減小了風控人員可能出現(xiàn)的誤判率。

　　其三、提高客戶身份識別能力。基于生物探針技術，通過收集用戶使用手機的習慣形成的大數(shù)據(jù)，例如手機點擊頻率和速度、手持手機的角度、觸摸手機的方式和點擊力度等方式，進行細致化的行為識別技術，加上生物特征識別技術，極大的減少了賬號盜刷盜用的風險。

　　其四、增強風險識別實時性。利用大數(shù)據(jù)收到的即時信息和大數(shù)據(jù)風控體系對客戶的風險程度進行實時評估，并在出現(xiàn)風險點時做出實時預警。例如對于制造業(yè)客戶，利用RFID等技術收集和監(jiān)控生產(chǎn)數(shù)量、成品率、庫存、出貨率等大數(shù)據(jù)，對生產(chǎn)過程進行全程監(jiān)管，在數(shù)據(jù)出現(xiàn)異常時實時預警，將風險點第一時間暴露并提供給后臺風控部門進行干預與整治。

　　3、智能投資顧問

　　“智能投顧”（Robo-Advisor）又稱機器人投顧，是基于投資者的自身財務狀況、風險偏好和投資期限，通過將經(jīng)典的投資組合理論、行為金融學、效用理論等多種理論融入算法設計，以及對市場數(shù)據(jù)及時高效的分析處理，對股票、債券、基金、期貨、大宗商品等投資標的進行自動化、智能化投資管理。

　　智能投顧的理論基礎一是基于投資者風險偏好的不同和馬克維茨的均值-方差模型計算出的有效投資組合在各類資產(chǎn)上進行分散投資來控制波動率并獲得長期穩(wěn)定回報率，二是基于量化投資策略通過alpha因子、beta因子、小市值因子等各種量化因子和無風險套利等策略進行模擬量化投資，利用計算器的快速運算能力選出最優(yōu)因子和最佳投資組合，同時利用機器學習手段探索和改進投資模型和算法，優(yōu)化投資邏輯，減少程序漏洞和出錯幾率。

　　由于專業(yè)理財規(guī)劃人員有限、獲客成本和服務成本高、投資理財?shù)拈T檻過高等因素，商業(yè)銀行、信托和第三方理財?shù)蓉敻还芾頇C構都沒有足夠的資源、精力和意愿為AUM較小的長尾客戶提供定制化的一對一財富管理服務。智能投顧利用機器的低成本和高效率可以有效的降低服務成本、提升服務效率、延長服務提供時間、拓展服務對象，解決過去人工理財服務成本高和門檻高的特點。

　　智能投顧興起于2008年，當年互聯(lián)網(wǎng)公司Betterment和Wealthfront相繼在美國成立開啟智能投顧時代，目前兩大公司已成長為管理超過100億美元，估值超10億美元的獨角獸公司，而目前AUM居首的智能投顧服務機構Vanguard Personal Advisor Services憑借先鋒集團自身的品牌優(yōu)勢和客戶基礎已經(jīng)管理超過1150億美元的資產(chǎn)。2018年全球智能投顧的總管理規(guī)模和用戶已經(jīng)達到5431.88億美元和2610萬戶，未來5年AUM的復合年化增長率為36.27%，而2018年中國智能投顧的總管理規(guī)模為289億美元，未來5年AUM的復合年化增長率高達60.59%。

　　自2016年開始，國內的金融機構，尤其是銀行，紛紛推出智能投顧產(chǎn)品。招商銀行于2016年12月在銀行中率先推出其智能投顧產(chǎn)品“摩羯智投”，并將其嵌入招行APP，根據(jù)投資者的投資期限和自身風險承受等級，匹配投資組合。目前銀行系智能投顧包括工商銀行AI投、中銀銀行中銀慧投、浦發(fā)銀行財智機器人、興業(yè)銀行興業(yè)智投、平安銀行智能投顧、江蘇銀行阿爾法智投、廣發(fā)智投等。

　　銀行系智能投顧產(chǎn)品擁有幾大特點：（1）投資標的為公募基金；（2）采取智能+人工的投資模型和算法搭建方式；（3）通常投資期限分為1年以內、1-3年和3年以上；（4）投資起點大都在1萬到2萬之間。

　　目前智能投顧還存在以下幾個問題：

　　其一、人工智能和機器學習技術尚不成熟。編程設計不夠完善，對于資本市場數(shù)據(jù)和客戶數(shù)據(jù)利用深度不夠，從而可能導致智能投顧算法模型缺陷或者系統(tǒng)異常以及向客戶匹配不適合其投資偏好的投資組合；加上智能投顧的實時性，可能在短時間內迅速擴大異常交易帶來的潛在損失。

　　其二、投資標的、機器算法和投資組合的同質化。目前銀行系智能投顧的投資標的為公募基金，雖然目前我國市場存在超過5000只公募基金，但根據(jù)公募基金過去業(yè)績排名，第三方機構評選等方式進行篩選后的可選基金池大大減少。加上目前算法技術不成熟，人工智能方面科技人才匱乏，導致算法的同質化現(xiàn)象嚴重。較小的可選基金池疊加同質化算法容易產(chǎn)生踩踏效應，而發(fā)生踩踏效應后智能投顧的實時性又會第一時間發(fā)現(xiàn)下跌趨勢而建議投資者更改投資標的，加重踩踏效應的嚴重程度。

　　其三、中國金融市場的有效性。中國股票市場政策法規(guī)尚未成熟、執(zhí)法力度有待加強、投資者構成散戶化、市場有效性還待驗證，市場波動性較大，從而把基于有效市場的傳統(tǒng)投資理論搭建的智能投顧模型的適用性大打折扣。同時客戶的接受程度不足，散戶化的客戶基礎和客戶長期投資理念的缺失，導致客戶進行快進快出式的投資方式，從而弱化了基于長期投資理念和價值回歸模型的智能投顧的收益效果。

　　其四、偏股或偏債基金帶來的策略偏移。智能投顧的投資策略是基于客戶風險偏好和投資期限給出不同比例的固定收益、股票、貨幣和其他類的投資組合，再根據(jù)選定的投資范圍，從投資范圍中選擇相應的公募基金。但相應的公募基金并不是全部100%持有固收或者股票類標的，如果智能投顧認為客戶只需要10%的現(xiàn)金和貨幣基金，但固收和股票類公募基金中也持有10%的現(xiàn)金或貨幣類產(chǎn)品，就會產(chǎn)生現(xiàn)金類產(chǎn)品占比超過投資組合規(guī)劃的策略偏移現(xiàn)象。

　　其五、目前智能投顧的下單和結算方式較為復雜。智能投顧基于公募基金池篩選并選擇投資組合的方式和FOF的投資方式十分相像，但和FOF的下單和贖回方法大不相同。FOF采取合并計算旗下投資基金價格，并以母基金每股價格進行買賣交易的方式；而智能投顧采取在推薦客戶相應的投資組合或根據(jù)市場行情推薦相應調整后，分別購買或贖回投資組合內的公募基金份額。雖然有一鍵下單和一鍵優(yōu)化功能，但客戶依然會在購買時收到不同基金公司的短信提醒，在贖回時基于各家基金公司的到賬時間收到不同時間段的到賬通知，給客戶的到賬時間和收益核算帶來較差的體驗。

　　4、區(qū)塊鏈交易

　　區(qū)塊鏈利用塊鏈式數(shù)據(jù)結構來驗證與存儲數(shù)據(jù)、利用分布式節(jié)點共識算法來生成和更新數(shù)據(jù)、利用密碼學的方式保證數(shù)據(jù)傳輸和訪問的安全、利用由自動化腳本代碼組成的智能合約來編程和操作數(shù)據(jù)的一種全新的分布式基礎架構與計算方式。目前的主要應用有采用數(shù)字加密貨幣的交易系統(tǒng)和利用區(qū)塊鏈不可篡改、公開透明和自動執(zhí)行的智能合約系統(tǒng)。區(qū)塊鏈按集中度主要分為3類：公有區(qū)塊鏈、聯(lián)合區(qū)塊鏈和私有區(qū)塊鏈。

　　跨行跨境貨幣交易系統(tǒng)

　　目前銀行業(yè)對區(qū)塊鏈的主要應用方式是基于銀行業(yè)聯(lián)合區(qū)塊鏈的跨行跨境貨幣交易系統(tǒng)，少數(shù)銀行已經(jīng)開始搭建并投入使用。基于銀行業(yè)聯(lián)合區(qū)塊鏈的跨行跨境貨幣清算系統(tǒng)相對于現(xiàn)在的貨幣主要有以下優(yōu)勢：

　　其一、跨境清算速度優(yōu)勢。相對于目前國內的銀行間清算系統(tǒng)不具有速度優(yōu)勢，但相對于國際間利用SWIFT通信并利用CHIPS或EURO1等清算系統(tǒng)進行美元、歐元等貨幣的跨境清算時速度優(yōu)勢明顯，將以前跨境清算以天做單位縮減為以秒做單位。

　　其二、信息不可篡改。一旦信息經(jīng)過驗證并添加至區(qū)塊鏈，就會永久的存儲起來，除非能夠同時控制住系統(tǒng)中超過51%的節(jié)點后對系統(tǒng)做出修改，否則單個節(jié)點上對數(shù)據(jù)庫的修改是無效的，在區(qū)塊鏈參與人數(shù)眾多時同時控制51%的節(jié)點難度特別大，因此區(qū)塊鏈的數(shù)據(jù)穩(wěn)定性和可靠性極高。

　　其三、去中心化。由于使用分布式核算和存儲，區(qū)塊鏈交易不需要一個集中的中央服務器系統(tǒng)去提供連接和信息處理支持。一是在收到人為攻擊或自然災害時，整個系統(tǒng)的數(shù)據(jù)依然能夠完整的保存在區(qū)塊鏈上；二是不存在服務器維護維修時造成系統(tǒng)暫停而中止交易的現(xiàn)象；三是減少信息處理節(jié)點，過去系統(tǒng)內的信息需要從發(fā)送方發(fā)送到中央服務器再發(fā)送給接收方，區(qū)塊鏈可以跳過中央服務器直接進行點到點的信息互換，提升效率。

　　其四、信任度升級。區(qū)塊鏈采用基于協(xié)商一致的規(guī)范和協(xié)議使得整個系統(tǒng)中的所有節(jié)點能夠在去信任的環(huán)境自由安全的交換數(shù)據(jù)，使得對人和機構的信任改成了對機器的信任，任何人為的干預不起作用。

　　區(qū)塊鏈交易目前的問題：

　　其一、處理速度慢。相較與比特幣的7筆/秒的數(shù)據(jù)吞吐量，Visa達到8000筆/秒，而支付寶更是超過25.6萬筆/秒，過低的吞吐量根本無法滿足當今社會資金流轉的需求，極易造成區(qū)塊鏈的交通堵塞，而最原始的提高交易費用減小交易頻率的方法不僅增加了平臺用戶成本也沒有實際上解決吞吐量過低的問題。

　　目前提升區(qū)塊鏈吞吐量主要有4種方法：

　　1、增加區(qū)塊大小：比如將目前比特幣當區(qū)塊大小從1MB提高到2MB就可以使其每秒處理量增加一倍。如果想讓比特幣達到Visa一樣8000筆/秒的處理速度，區(qū)塊大小將超過1GB，但是過于龐大的文件大小使得在交易時將數(shù)據(jù)傳送給網(wǎng)絡中的其他人變得不切實際。

　　2、鏈下解決方案：將當前每次交易需要網(wǎng)絡中全部節(jié)點記錄的方式變成交易者先與鏈下服務器進行交易，鏈下服務器再集中將一段時間的信息集中上傳到區(qū)塊鏈上。但是這類鏈下網(wǎng)絡違背了區(qū)塊鏈公開透明的原則，安全性也值得懷疑。

　　3、代理共識：將信息處理交于具有一定信息處理能力的一群代理成員，由代理成員運行代理共識協(xié)議達到縮減共識流程增加吞吐量的效果。但共識代理協(xié)議實質上是一種中心化的處理模式，也無法杜絕共識代理之間達成合作協(xié)議以控制整個區(qū)塊鏈網(wǎng)絡的道德風險。

　　4、分片技術：將數(shù)據(jù)整體打散隨機分成更小的部分，由隨機確認的節(jié)點進行驗證總結再將結果上傳至區(qū)塊鏈。雖然分片技術可以大幅度提高吞吐量，但技術的不成熟也增加了錯誤概率，從而帶來數(shù)據(jù)的高延遲和不一致性問題。

　　其二、系統(tǒng)數(shù)據(jù)儲存壓力。隨著區(qū)塊鏈使用人數(shù)和頻率的增加，區(qū)塊鏈需要傳輸?shù)臄?shù)據(jù)也大幅增加，即使吞吐量極小的比特幣目前數(shù)據(jù)增長率大約為0.14GB/天，一個完整節(jié)點的數(shù)據(jù)存儲超過200G，而以太坊的數(shù)據(jù)增長率約為0.23GB/天，完整的數(shù)據(jù)存儲更是超過1TB。過高的數(shù)據(jù)增長速度和儲存空間要求已經(jīng)逐漸高出普通用戶的承受范圍。而隨著區(qū)塊鏈商用后的數(shù)據(jù)傳輸和儲存要求將指數(shù)倍增加，每個見證節(jié)點的負擔和他數(shù)據(jù)同步成本也會增加，使得更少數(shù)的節(jié)點擁有見證節(jié)點的能力并阻礙新的節(jié)點接入的動力，從而使區(qū)塊鏈變得更加集中和中心化。

　　其三、安全技術成熟度。各家銀行經(jīng)過多年的網(wǎng)絡化和數(shù)字化建設，已經(jīng)在基于傳統(tǒng)中央服務器形式的交易安全系統(tǒng)方面積累了許多安全管理經(jīng)驗，已達到金融級的數(shù)據(jù)加密和傳輸效果。而區(qū)塊鏈作為新技術，可供黑客利用的漏洞更多，區(qū)塊鏈基于開放式網(wǎng)絡的模式使得黑客可以更容易的進行網(wǎng)絡攻擊。

　　從目前情況來看，銀行內部之間以及同一集團控制的各家境內境外銀行比較適合在私有區(qū)塊鏈上利用增加區(qū)塊大小的方式進行跨境交易，充分利用私有區(qū)塊鏈的封閉性和安全性，以及數(shù)據(jù)吞吐量不大時增加區(qū)塊大小方式的技術具有相當?shù)某墒於群头€(wěn)定性。而銀行間的跨境交易則更加適合利用代理共識模式的聯(lián)合區(qū)塊鏈，這樣可以在數(shù)據(jù)安全性和公開透明度上做平衡，并利用銀行，尤其是大型銀行的信用背書充當代理來降低節(jié)點可能存在的道德風險，并提升吞吐量和交易效率。

　　基于區(qū)塊鏈的供應鏈金融和票據(jù)業(yè)務

　　供應鏈行業(yè)往往涉及到產(chǎn)業(yè)上下游等多家企業(yè)，和企業(yè)之間商品、資金和信息的交互。傳統(tǒng)模式下，供應鏈上下游各自保存各自的供應鏈信息，缺乏透明度和認可程度，造成了較高的時間和金錢成本，而且一旦出現(xiàn)問題難以追查和處理。

　　而區(qū)塊鏈提供了一個透明可靠的信息平臺，各方均可實時查看商品、資金和信息的當前狀態(tài)，降低溝通成本，并可通過鏈上信息逐步追溯商品整個生產(chǎn)和流通過程，并在完成交易條件后依照預先設定好的交易程序自動完成交易流程，從而提高供應鏈管理的效率金額安全性。當發(fā)生糾紛時，因所有信息公開透明且可追溯，舉證容易且可行度高。同時銀行可以通過區(qū)塊鏈實時獲取到大量上下游企業(yè)的生產(chǎn)信息，并基于大數(shù)據(jù)系統(tǒng)完成實時風控和信貸管理。

　　近年來國內票據(jù)行業(yè)飛速發(fā)展，已經(jīng)從傳統(tǒng)的紙質票據(jù)時代來到了電子票據(jù)時代，電子票據(jù)雖然在一定程度上解決了紙質票據(jù)交易效率低下、風險較高、虛假票據(jù)等問題，但依然存在著中心化、重復記賬、流通局限性、安全監(jiān)管等一系列問題。區(qū)塊鏈的去中心化特征可以取代票據(jù)中介的作用，從而縮減效益流程、提升交易效率并減少交易成本。區(qū)塊鏈的信息不可篡改特征可以在票據(jù)交易完成后根據(jù)預先設定程序按照合同條約自動執(zhí)行條款，避免賴賬、一票多賣、和打款背書不同步等現(xiàn)象。前后相連的鏈式結構也公開透明的將信息展示給各類用戶和監(jiān)管機構，提升信息的信任度和可追溯性，加大違法成本并減小監(jiān)管壓力。

　　四、第三極零售案例：場景化和智能化零售的實踐

　　近兩年來，各上市銀行紛紛提出了自己的場景化戰(zhàn)略和金融科技戰(zhàn)略，加快建設各類生活場景，并在提升基礎設施處理能力的同時在人工智能、大數(shù)據(jù)、智能投顧、網(wǎng)絡安全、區(qū)塊鏈等領域加大資金和人才投入。我們選取業(yè)內有代表性的工行、招商和浦發(fā)3家銀行舉例說明各家的場景化與智能化零售實踐方式和效果。

　　1、工商銀行

　　工行作為國內業(yè)務規(guī)模最大的銀行，場景化和智能化零售最大的優(yōu)勢是用戶規(guī)模和金融科技投入。龐大的用戶規(guī)模使得場景化業(yè)務可以迅速鋪開，邊際成本和人均攤派成本大大降低，同時各項金融科技的應用也得到了充分的試驗和驗證。隨著持續(xù)推進“e-ICBC3.0”戰(zhàn)略升級，工行在搭建核心金融場景和金融科技投入與應用方面走在了市場最前列。

　　場景化實踐

　　工商銀行在場景化零售中著力從支付和應用場景兩方面入手，目前已建立核心金融服務場景240余個，涵蓋生活、消費、出行、理財投資、公共服務等百姓生活的主要領域。

　　針對商戶和服務提供端，在政務服務領域上線社保、公積金、稅務等場景應用，完善身份認證、個人信息查詢、繳費等全功能生態(tài)鏈；通過“銀校通”實現(xiàn)校方對學生學籍信息和各類教育費用的管理，通過“智慧物業(yè)”實現(xiàn)物業(yè)繳費和報修維修，通過自主研發(fā)的“車牌付”成功中標吉林、四川等地高速公路無感支付通行項目，通過“商醫(yī)通”建設醫(yī)療供應鏈協(xié)同平臺。

　　針對客戶端，依照互聯(lián)網(wǎng)金融戰(zhàn)略搭建了“融e行”網(wǎng)上銀行和手機銀行平臺、“融e購”電商平臺和“融e聯(lián)”即時通訊平臺3大APP，以及“工銀e支付”全功能支付平臺。

　　“工銀e支付”是工商銀行推出的全功能支付平臺，目前，該支付平臺已實現(xiàn)大小額支付全適用、本他行客戶全覆蓋、支付場景多樣化、風險監(jiān)控實時化。適應PC、平板、手機、穿戴設備等多終端，覆蓋線上線下多支付場景，包括適用于大額安全支付的U盾、密碼器等，又包括適用于小額便捷支付的短信認證、密碼支付和指紋支付，并可依據(jù)交易智能化推送最佳認證方式。此外，工行與銀聯(lián)達成戰(zhàn)略協(xié)議，實現(xiàn)了與銀聯(lián)二維碼的互掃互通，又通過聚合收單服務整合微信和支付寶等第三方支付平臺的客戶，完成線下支付的資源整合。

　　智能化實踐

　　工商銀行建立了包括物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、云計算、互聯(lián)網(wǎng)金融、區(qū)塊鏈與生物識別、主機開放平臺系統(tǒng)在內的7大創(chuàng)新實驗室，積極探索金融科技的發(fā)展和應用情景。目前，工商銀行的金融科技人才已達1.5萬人，相繼成立了金融科技部、業(yè)務研發(fā)中心、和金融科技子公司工銀科技。

　　其一、在人工智能方面，運用神經(jīng)網(wǎng)絡模型和流數(shù)據(jù)處理技術在反欺詐識別領域實現(xiàn)對電子銀行交易的實時監(jiān)控，有效防范客戶資金損失；在生物識別技術上，成立生物識別信息平臺對客戶的多種生物特征統(tǒng)一管理和識別認證，提升識別精準度，并推動人臉識別技術在ATM取款、業(yè)務支付、社保資金領取等領域的應用。

　　其二、啟動智慧銀行信息系統(tǒng)（ECOS）建設工程，智慧銀行信息系統(tǒng)（ECOS）建設工程，通過構建e支付功能從主機向開放平臺延伸，合理布局網(wǎng)點，整合存取款業(yè)務；完成主機新一貸雙活架構投產(chǎn)運營和切換驗證，實現(xiàn)系統(tǒng)級數(shù)據(jù)零丟失，進一步提升主機系統(tǒng)業(yè)務聯(lián)系性保障水平。在運營管理方面，持續(xù)開展信息安全平臺建設，搭建IT大數(shù)據(jù)平臺，提升信息安全防護水平。

　　其三、于17年推出智能投顧AI投，目前AI投正式升級為2.0版本，在原來AI智投的基礎上新增AI指數(shù)和AI策略模塊。其中，AI智投基于海量數(shù)據(jù)對客戶進行精準畫像，為不同風險偏好的客戶提供不同風險收益特征的基金組合，力爭實現(xiàn)穩(wěn)健回報；AI指數(shù)包括追求相對收益的工銀股混和追求絕對收益的工銀配置，二者分別跟蹤中證工銀財富股票混合基金指數(shù)和中證工銀財富動態(tài)配置基金指數(shù)；AI策略選取則精選工銀瑞信、南方基金、鵬華基金等國內優(yōu)秀的基金投資團隊，根據(jù)權益投資倉位提供穩(wěn)健精選、均衡配置、成長優(yōu)選、積極進取四檔不同風險收益特征的基金投資組合。

　　其四、在區(qū)塊鏈方面，工行與貴州省政府合作建設了業(yè)界首個服務于精準扶貧的區(qū)塊鏈平臺，并與雄安新區(qū)在萬畝造林項目中合作，利用區(qū)塊鏈技術實現(xiàn)項目資金的閉環(huán)管理和項目及用款審批的透明運作，保障扶貧工程和民生工程的高速發(fā)展。此外，工行發(fā)布首個區(qū)塊鏈專利，致力解決用戶向多個實體反復提交個人信息等數(shù)據(jù)的痛點。該項專利將用戶授權書與特定的電子證書相匹配，授權后，數(shù)據(jù)將會被加密在一個區(qū)塊鏈上，可能使用證書的不同實體可以隨時更新該分布式賬本。

　　其五、在物聯(lián)網(wǎng)方面，自主研發(fā)了同業(yè)首個物聯(lián)網(wǎng)平臺，在信用卡汽車分期業(yè)務和小微金融中投入實踐，提升了風險控制水平。

　　2、招商銀行

　　招商銀行是最早切入移動端的商業(yè)銀行，在零售端一直堅持“網(wǎng)絡化、數(shù)據(jù)化、智能化”的發(fā)展戰(zhàn)略，尤其注重移動客戶端的發(fā)展，堅持“移動優(yōu)先”的戰(zhàn)略。招商銀行在零售端的核心金融科技產(chǎn)品是兩款App—包羅理財投資，涵蓋生活中主要零售業(yè)務的招商銀行App以及以“打造品質生活”為核心目標的掌上生活APP。招行兩大App每年都會在運用最新金融科技的基礎上進行優(yōu)化升級，推出全新版本，升級用戶體驗。2018年，兩大App的MAU達8，104.67萬，較上年末增長47.24%。

　　從版本更新方向和內容可以看出招行場景化零售的戰(zhàn)略思維和邏輯從最開始的利潤為先，追求存貸款規(guī)模和凈息差的傳統(tǒng)金融場景；到追求資產(chǎn)管理規(guī)模（AUM），將思維拓展到消費信貸和理財?shù)确航鹑趫鼍埃蛔詈蟮桨盐請鼍叭肟诤土髁浚栽禄钴S用戶（MAU）作為北極星指標，圍繞客戶日常生活場景嵌入全方位的產(chǎn)品和服務，而只要活躍用戶在場景化的不斷使用招行的產(chǎn)品和服務，資產(chǎn)管理規(guī)模自然而然就會提升，管理規(guī)模的上漲又自然而然的產(chǎn)生更多的收入和凈利潤。

　　場景化實踐

　　作為零售銀行龍頭，招行場景化的兩大利器就是旗下的兩大App：“招商銀行”App和“掌上生活”App。隨著數(shù)字化平臺建設逐步深入，兩大App已成為客戶獲取和客戶經(jīng)營的主要平臺，其中借記卡線上獲客占比17.89%，信用卡數(shù)據(jù)獲客占比61.21%，兩大App分別有27.11%和44.21%的流量來自非金融服務；此外大部分零售客戶的交互行為已經(jīng)從線下遷徙到線上，其85%的零售客戶的交互行為都是通過App完成，網(wǎng)點到訪流量占比不到3%，并且這種趨勢還在延續(xù)。在場景搭建上，兩大App已有15個MAU超千萬的自場景；場景聚焦出行、飯票和電影票、商城、校園、醫(yī)療等垂直細分領域。

　　“招商銀行”App側重金融自場景，提供包括賬戶收支管理、支付結算、投資理財、貸款、城市便民生活等全方位的綜合金融服務，是招行客戶最活躍的電子渠道。截至18年末，招商銀行App累計用戶數(shù)7，827.04萬戶，其中，月活躍用戶數(shù)4，150.80萬戶，人均月登錄次數(shù)11.94次。交易量快速增長，18年招商銀行App交易筆數(shù)13.82億筆，同比增長33.91%，交易金額30.76萬億元，同比增長72.13%，其中，招商銀行App理財投資銷售金額6.26萬億元，同比增長41.31%，占全行理財投資銷售金額的59.11%。

　　“掌上生活”App聚焦高頻生活消費場景，如兩票（飯票、影票）、商城、旅游等場景，為App客戶提供支付和消費金融等金融服務，引領信用卡的轉型升級。截至18年末，掌上生活App累計用戶數(shù)7，002.73萬戶，其中非信用卡用戶占比24.38%，月活躍用戶數(shù)3，953.87萬戶，年輕客群占比超過70%，客戶規(guī)模和活躍度持續(xù)領跑同業(yè)信用卡類App；累計貢獻信用卡名單量384.44萬，通過掌上生活App推出的“e智貸智能引擎”成功辦理的消費金融交易占總消費金融交易的比例為49.47%，掌上生活App的戰(zhàn)略地位得以進一步確立。

　　2018年9月17日，招商銀行正式發(fā)布了招商銀行App和掌上生活App的7.0版本，在收支賬本、城市服務、基金頻道、社區(qū)升級、智能服務方面均有重大更新，并有149項功能的優(yōu)化。

　　新增城市服務板塊，利用每個城市不同的生活習慣和消費場景，充分發(fā)揮各分行網(wǎng)點的特色服務并將其從線下挪至線上，圍繞當?shù)厝松顮顩r將便民服務和生活場景進行定制化和本地化。理財板塊新增社區(qū)概念，引入大量專業(yè)人士觀點與客戶互動內容，從單純的金融產(chǎn)品推銷變成場景化的社區(qū)交流模式，提高用戶粘性和平臺的活躍度，并在社區(qū)營銷和推薦中利用招行自有客戶的大數(shù)據(jù)引入用戶的風險偏好和資產(chǎn)狀況，加上類似于百度等互聯(lián)網(wǎng)公司采用的信息收集技術對客戶在兩大App使用過程中點擊和搜索的內容提取客戶興趣點，從而智能匹配最適合客戶的金融產(chǎn)品和服務。

　　首次向非招行卡用戶開放App，向合作伙伴開放API（應用程序編程接口）。7.0版本向沒有招行銀行賬戶的客戶開放，通過手機號注冊即可使用“飯票”、“影票”以及其他生活繳費等場景，并可對接第三方支付；同時開放API向金融同業(yè)和互聯(lián)網(wǎng)企業(yè)輸出金融服務能力，依托更大的平臺資源提升招行產(chǎn)品滲透率，繼而提升MAU。目前非招行卡綁定用戶數(shù)已超過千萬，通過開放用戶體系和程序端口的做法，獲取大量新增客戶，通過定制化無感化的場景服務提升客戶的活躍度和黏性，再向原有的賬戶體系進行導流，引導客戶開通招行賬戶，提升App使用頻率以及信貸、理財?shù)犬a(chǎn)品規(guī)模。

　　智能化實踐

　　在人工智能方面，通過打造智能微客服，引入全新交互形態(tài)和AI內核，布局聲紋識別、語音大數(shù)據(jù)分析、智能服務機器人等方式提升線上服務體驗。此外，通過對零售客戶生成1，726個客戶畫像標簽，展開千人千面的營銷策略，營銷成功率提升到17.42%，形成基于大數(shù)據(jù)的個性化精準推薦。

　　在大數(shù)據(jù)方面，在APP5.0版本招商銀行就利用大數(shù)據(jù)為客戶提供全方位的收支記錄功能，按消費、投資、轉賬與收入四大類別幫助每個用戶進行自動分類匯總，全方位自動記錄用戶資金流向，讓每個用戶能更全面地了解自己收支財務狀況。

　　在智能投顧上，招商銀行在行業(yè)內首家啟用基于人工智能的智能投顧產(chǎn)品—“摩羯智投”，并在之后定期對其進行升級，目前已經(jīng)積極引入人工智能、大數(shù)據(jù)、云計算技術，成為國內規(guī)模第一的銀行智能化產(chǎn)品。目前，摩羯智投系統(tǒng)已經(jīng)對3400多只公募基金進行分類優(yōu)化和指數(shù)化編制，每天還要進行107萬次計算來優(yōu)化模型，確保系統(tǒng)能夠給予投資者最優(yōu)風險收益曲線與投資組合方案。

　　在區(qū)塊鏈技術方面，招商銀行的主要運用方向為跨境直聯(lián)清算業(yè)務和同業(yè)數(shù)字簽約。在跨境直聯(lián)清算業(yè)務上，招商銀行與17年末就與旗下的永隆銀行和永隆深圳分行完成了全球首筆基于區(qū)塊鏈技術的同業(yè)間跨境人民幣清算業(yè)務，目前的交易筆數(shù)已經(jīng)超過7萬筆，交易金額超過80億港幣。在同業(yè)數(shù)字簽約的應用上，通過搭建聯(lián)合區(qū)塊鏈平臺，引入大型銀行機構充當節(jié)點和共識認證機構，而規(guī)模不大的參與者則可以加入平臺來減輕自己開發(fā)和運營平臺的資金和時間投入。通過區(qū)塊鏈合約解決紙質合同簽署的低效率的同時避免蘿卜章等道德風險，再利用鏈上鏈下結合與授權交換技術，在完成匿名交易、保證交易隱私性的同時降低數(shù)據(jù)傳輸量、銀行業(yè)對客戶的核實成本以及欺詐風險。

　　3、浦發(fā)銀行

　　18年初，浦發(fā)銀行公布未來5年戰(zhàn)略目標—“打造一流數(shù)字生態(tài)銀行”，其中生態(tài)銀行中的重要一環(huán)，即是零售業(yè)務向場景化生態(tài)圈轉型，將零售金融服務完全融入到場景中，做到零售金融服務的無處不在和觸手可及。19年初，浦發(fā)銀行召開零售業(yè)務合作伙伴大會，并正式宣布推出零售經(jīng)營新體系。該體系通過流程重構實現(xiàn)業(yè)務的模塊化和組件化；通過API、智能感知、挖掘建模等大數(shù)據(jù)應用技術，提升數(shù)據(jù)驅動運營能力；通過把握客戶需求關鍵點，連接上下游合作伙伴，與中國銀聯(lián)、國泰君安證券、騰訊、螞蟻金服、京東數(shù)字科技、匯添富等百余家合作伙伴共建生態(tài)，形成銀行業(yè)務的場景融入。

　　場景化實踐

　　浦發(fā)銀行從自建場景和開放API兩方面入手，打造場景生態(tài)銀行。在自建場景中，發(fā)布手機智能APP10.0版，利用動態(tài)大數(shù)據(jù)分析，充分了解用戶偏好，為用戶精準推薦適合的產(chǎn)品、活動和資訊等。上線“財智機器人”，通過會話即可選擇并購買理財產(chǎn)品；提供理財產(chǎn)品轉讓服務，自售的非保本產(chǎn)品均可在手機銀行APP上進行轉讓，成交后資金當天即能到賬，大舉提升自售理財產(chǎn)品的流動性。針對高凈值客群需求，上線“知享·慧生活”一站式非金融管家服務平臺，該平臺已有“健康尊護”頻道8大項目，近期還將陸續(xù)推出子女優(yōu)培、顧問咨詢、雅致生活共計4個頻道30多個子欄目的智慧生活內容。截至18年末，個人網(wǎng)銀客戶3，024.10萬戶，交易金額9.38萬億元，個人手機銀行客戶3，466.30萬戶，交易金額7.29萬億元。

　　同時，浦發(fā)銀行提出無界開放銀行（API Bank）的概念，強調金融科技與場景化的結合，突破物理網(wǎng)點和手機App的局限，通過API技術搭建多元互動的生活頻道和資訊頻道，開放產(chǎn)品和服務并嵌入到各合作伙伴的平臺上，使銀行與各行業(yè)連接起來，使用人工智能、數(shù)據(jù)標簽、微服務等技術手段，圍繞客戶需求和體驗形成即想即用的跨界服務，縮短開發(fā)周期，降低合作成本。通過和京東金融、馬上理財?shù)绕脚_開展“靠浦e投”合作，將金融產(chǎn)品API開放給第三方理財銷售平臺實現(xiàn)客戶群體的擴容。此外，在行業(yè)內率先推出個人貸款微信小程序，支持在線貸款申請、一鍵房產(chǎn)估值、直銷銀行開戶等功能，無縫的將金融服務與社交場景相融合。

　　智能化實踐

　　浦發(fā)銀行未來5年的戰(zhàn)略目標定位為打造一流數(shù)字生態(tài)銀行，成立了浦發(fā)創(chuàng)新實驗室、浦發(fā)·華為開源技術聯(lián)合實驗室、浦發(fā)-百度深度學習實驗室、浦發(fā)-科大訊飛智能交互實驗室和浦發(fā)-中國移動5G金融聯(lián)合創(chuàng)新實驗室五大創(chuàng)新實驗室，并與國內外22家知名科技公司成立科技合作共同體。浦發(fā)銀行金融科技的具體應用有：

　　其一、推出國內首款智能APP和首款智能柜臺i-counter。浦發(fā)銀行就發(fā)布了國內新款智能APP，率先開啟了智能語音交互應用，通過語音命令可以讓客戶在APP里快速查詢所需信息，也可以讓人工智能根據(jù)自身需求和客戶畫像挑選適合的理財產(chǎn)品，同時引進人臉識別、指紋等生物認證技術提升客戶體驗、保障大額交易安全性。此外，推出銀行業(yè)首款智能柜臺i-counter，其可辦理90%以上的業(yè)務內容，是目前為止智能柜臺替代率最高的。

　　其二、在大數(shù)據(jù)運用方面，浦發(fā)銀行建設了新一代數(shù)據(jù)核心支撐平臺，建立了8000多個零售用戶、400多個對公客戶、1000多個機構客戶畫像標簽，提升對用戶的數(shù)字化和定制化服務能力。此外，浦發(fā)銀行對海量的碎片化數(shù)據(jù)進行收集處理，采用神經(jīng)網(wǎng)絡等模型算法，打造實時風控體系，對高風險交易進行實時攔截，將欺詐損失率控制在低于百萬分之一的領先水平，并通過模型自學習不斷優(yōu)化迭代，持續(xù)提升交易風險行為識別率。

　　其三、推出智能投顧—浦發(fā)極客智投2.0。浦發(fā)的智能投顧服務已深入嵌入到浦發(fā)銀行的智能app中，在以近萬個客戶標簽描繪客戶畫像的基礎上，為客戶提供投前分析診斷、投中智能交易、投后跟蹤提醒為一體的定制化智能投顧服務，目前的起投金額為1000元，是銀行系智能投顧中起投金額最低的智能投顧產(chǎn)品，可以涵蓋更廣泛的理財客戶群。

　　其四、推出首個無界開放銀行API Bank。浦發(fā)銀行將戰(zhàn)略思維從金融服務提供商升華為基于生活場景的生活服務提供商。開放API后，可以突破物理網(wǎng)點和手機App的局限，通過API端口搭建多元互動的生活頻道和資訊頻道，開放產(chǎn)品和服務并嵌入到各合作伙伴的平臺上，使銀行與各行業(yè)連接起來，使用人工智能、數(shù)據(jù)標簽、微服務等技術手段，圍繞客戶需求和體驗形成即想即用的跨界服務，縮短開發(fā)周期，降低合作成本。

　　五、第三極零售的未來發(fā)展方向

　　1、場景化未來發(fā)展態(tài)勢

　　利用金融科技

　　隨著金融科技的發(fā)展，場景化零售也在金融科技的支持下變得更加便捷、安全、效率和智能。金融科技的應用可以從前中后臺全流程中對場景化零售進行全方位的提升。科學技術的發(fā)展日新月異，給場景化零售業(yè)務帶來的改變也一步步的更改銀行的運營方式。

　　其一、支付場景的便捷化。隨著生物識別技術的發(fā)展，使用銀行卡加密碼的方式進行身份驗證的方式逐漸消失，隨之而來的是手機+指紋，以及更先進的人臉識別、虹膜識別等驗證方式，極大地提高了支付的便捷性，并減少了因為密碼被盜用的風險，未來的識別技術也將識別度更高，識別速度更快。

　　其二、場景的需求預測。隨著大數(shù)據(jù)技術的應用，過去需求的預測主要依靠銀行從業(yè)者自身的經(jīng)驗和客戶基本資料的方式一去不返，大數(shù)據(jù)將以往認為無用或無法利用的數(shù)據(jù)全部收集起來，創(chuàng)造出成百上千個客戶標簽，再通過人工智能技術進行需求預測并建立千人千面的營銷手段，增加營銷契合程度和成功率，未來的需求預測也將更貼合客戶本身需求。

　　其三、大數(shù)據(jù)風控。在風險控制方面，以往利用小微企業(yè)報表和個人銀行流水單的風控手段存在片面性、可粉飾性、和滯后性。而當銀行建立起基于客戶后臺大數(shù)據(jù)的風控方式，將場景化中獨特的風險數(shù)據(jù)和風險點納入到風控監(jiān)管體系中并實時更新數(shù)據(jù)，將風控變?yōu)閷崟r性的全面監(jiān)管方式，而隨著金融技術的發(fā)展，風控也將更加全面，風險識別能力更加突出。

　　聯(lián)合外部企業(yè)

　　銀行本身在除了金融場景以外的其他場景天然存在劣勢，目前大多場景入口和流量已被互聯(lián)網(wǎng)公司和運營商占據(jù)，在銀行尤其是中小型銀行較難爭奪入口流量或獲客成本太高的情況下，和已經(jīng)成熟的互聯(lián)網(wǎng)公司合作，將入口優(yōu)勢與銀行的金融優(yōu)勢和支付預結算方面的技術優(yōu)勢結合，可以建立合作共贏的新局面。需要注意的是合作方式應該是技術和優(yōu)勢的融合而不是銀行單純的通過外部企業(yè)獲得流量客戶，一是直接引入流量客戶成本較高，二是直接引入的客戶相較于培養(yǎng)的客戶更易流失，三是易受外部企業(yè)控制或終止合作。

　　ABS融資

　　在場景化消費中，銀行最主要提供的還是支付和后續(xù)金融服務，其中消費貸也是銀行場景化延伸后的主要盈利方式之一。在中國消費升級和新一代人口超前消費觀念的轉變下，消費貸款也迎來了爆發(fā)時代，銀行在大舉進行零售轉型，拓展消費貸業(yè)務的同時，必將對于消費貸對資本金的消耗做補充。消費貸款的資產(chǎn)證券化則是非常好的一個補充途徑。原因有三：

　　其一、將消費貸款進行資產(chǎn)證券化有助有銀行走輕資產(chǎn)的零售轉型路線，從簡單的消費貸款資金提供方變成消費貸款業(yè)務平臺方，一方面通過自身金融場景優(yōu)勢大舉拓展消費金融業(yè)務，另一方面通過渠道優(yōu)勢將消費貸款打包出售，快速回籠資金后發(fā)放下一批消費貸款，形成滾動發(fā)行，提高資金利用率和利潤率。

　　其二、銀行系消費貸款底層資產(chǎn)優(yōu)點突出。一般銀行系消費貸款的貸款人資信好，已經(jīng)經(jīng)過銀行風控篩選，不良率低；且銀行貸款相較于第三方貸款公司具有征信系統(tǒng)的優(yōu)勢，具有更大的信用約束力。

　　其三、銀行系ABS具有銀行信用背書。銀行作為發(fā)起人信用程度好，信用評級高，有利于提高發(fā)行效率和控制發(fā)行利率，為銀行提供便捷、低成本、可循環(huán)的資金來源。

　　就參與機構而言，個人消費貸款的發(fā)行規(guī)模以銀行系機構為主，17年和18年發(fā)行規(guī)模前5的機構除了捷信金融以外均為銀行或銀行系消費金融公司。其中交通銀行和招商銀行的發(fā)行規(guī)模最大，顯著高于其他銀行。

　　而目前個人汽車貸款領域較大的ABS發(fā)起機構主要為汽車生產(chǎn)商旗下的汽車金融公司，銀行系只有招商銀行近兩年發(fā)展勢頭強勁，2018年個人汽車貸款發(fā)行總額最大的前五家公司分別為：東風日產(chǎn)金融（177.57億）、奔馳金融（168.55億）、招商銀行（144億）、上汽通用金融（130億）和廣汽匯理（120億）。

　　2、智能化未來投入方向

　　深度學習

　　深度學習是機器學習中一種基于對數(shù)據(jù)進行表征學習的方法，其目的是通過模擬人腦進行分析的神經(jīng)網(wǎng)絡系統(tǒng)來分析圖像、聲音和文本數(shù)據(jù)。相對于傳統(tǒng)機器學習技術需要通過人工來確定重要變量、制定邏輯規(guī)則，深度學習可以自動從海量的數(shù)據(jù)抽取重要的變量，并且根據(jù)這些變量的規(guī)律，自動學習并做出基于效益最大化的決策，從而減小人工帶來的傾向性影響。此外，人工智能機器對于海量大數(shù)據(jù)進行快速和深度學習的過程中，很有可能發(fā)掘出有悖于以往人類經(jīng)驗和經(jīng)典理論的創(chuàng)新思維和邏輯，就像谷歌旗下Deepmind公司開發(fā)的AlphaGo人工智能機器人給圍棋屆帶了全新的下棋思路和套路一樣，銀行業(yè)人工智能機器的深度學習也必將對經(jīng)典金融理論和行為經(jīng)濟學帶來新的思考方向和方法。

　　當然目前銀行業(yè)的人工智能和機器學習技術的應用中依然含有大量的人工成分，在邏輯規(guī)則的制定和特殊條件限制的設定中夾雜了許多非理智的信息和邏輯判斷，主要原因是：

　　其一、目前深度學習技術尚不成熟，在銀行業(yè)極度缺乏相關人才的現(xiàn)狀下技術劣勢尤為突出，基于純機器深度學習可能產(chǎn)生的漏洞和損失的情況下，被迫加入既定規(guī)則或限制性條件對深度學習進行人為約束。

　　其二、技術開發(fā)者對以往經(jīng)驗和經(jīng)典理論具有不可動搖的信任基礎，導致有悖于上述經(jīng)驗和理論的創(chuàng)新邏輯思維不被開發(fā)者認可而進行人工干預。

　　其三、基于安全需要和監(jiān)管要求，技術開發(fā)者主動加入特定信息和邏輯判斷。

　　其四、雖然人工智能機器做出的是基于完全理性人的效益最大化決策，但面對的確是不可能完全理性的、具有基于行為經(jīng)濟學偏見的客戶群體，促使銀行加入人工干預去滿足客戶的需求。

　　數(shù)字化

　　銀行業(yè)的發(fā)展趨勢是從傳統(tǒng)的金融服務提供商向數(shù)字化銀行轉型的過程。具體來說就是將原有的以物理網(wǎng)點為主、瞄準中高端客戶、在自身封閉的系統(tǒng)中提供低頻大額金融服務的方式將變?yōu)橐砸苿佣藶橹鳌⒚嫦虬ㄩL尾客戶的全部客戶群體、在平臺化合作的系統(tǒng)上提供高頻的場景化金融服務為主的方式。而為了適應這種趨勢，銀行業(yè)必須在產(chǎn)品服務上徹底的改變原有思維，建立以數(shù)字化為核心的前中后臺系統(tǒng)。

　　在系統(tǒng)前臺端，以提升客戶體驗為宗旨，通過移動端APP和API開放平臺將金融服務以場景化的形式無縫嵌入到客戶的生活中，通過生物識別手段確認客戶信息后采取基于客戶標簽的定制化營銷策略，并匹配符合客戶自身情況和需求的服務。

　　在系統(tǒng)中臺端，搭建大數(shù)據(jù)平臺和人工智能平臺，將過去掌握卻無法利用的客戶信息、供應端信息、行業(yè)信息和市場信息全部數(shù)字化，轉變成可定量分析的數(shù)據(jù)，通過人工智能平臺進行后續(xù)的整理和分析后，對前臺客戶實施精準的千人千面營銷、智能客服和實時風控。

　　在系統(tǒng)后臺端，通過區(qū)塊鏈等新型信息交互和儲存技術提升基礎設施水平，保證高吞吐量、高容錯、可拓展的基礎系統(tǒng)能全天候的為前臺中臺系統(tǒng)提供支持。

　　六、投資建議

　　年初以來，我們一直看好銀行板塊的估值修復，主要的原因是：資本和資產(chǎn)質量是約束銀行股估值最核心的兩個因素，而這兩個因素本年都會邊際改善，從而打開銀行股估值修復的空間。

　　其一、資本主要是銀行發(fā)行永續(xù)債來補充一級資本，增強抵御風險的能力，同時擴大信貸投放的規(guī)模。截至目前我們統(tǒng)計將近有6600億的發(fā)行計劃。其中，中行、民生兩單永續(xù)債在已經(jīng)成功發(fā)行，華夏400億已經(jīng)拿到央行的批文，預計六月份成功發(fā)行。全年我們預計成功發(fā)行的永續(xù)規(guī)模會達到4000億。

　　其二、地方政府債務是約束銀行估值最核心的因素，而且今年風險敞口會逐步暴露，所以需要政府來化解地方政府債務風險。這些措施包括之前城投債發(fā)行條件的放寬、鎮(zhèn)江的方案。昨天，財政部發(fā)文加大地方政府專項債的發(fā)行規(guī)模，同時要求金融機構增加配套融資。我們認為，這將有助于減輕地方政府債務風險，提升板塊的估值，主要是三個方面：

　　（1）穩(wěn)增長對沖貿易戰(zhàn)對實體經(jīng)濟的影響。從政策上來看，主要是增加基建領域的政府投資，那么這將有助于穩(wěn)定經(jīng)濟；

　　（2）減輕地方政府債務的風險。因為增量的地方政府隱性債務不會增加，從而兩三年后存量地方政府隱性債務比重就會逐步地降低。同時，隨著經(jīng)濟逐步好轉，隱性債務風險也會直接下降。

　　（3）平臺類貸款占比相對較高的銀行將更加受益，包括興業(yè)銀行、南京銀行和貴陽銀行。整體來看，中小銀行的地方政府債務占比相對較高，也將更加受益。

　　更看好股份制，19年PB有望從0.8修復到1倍。中長期我們重點推薦：招行、平安、寧波、浦發(fā)、民生；南京、中行、上海、常熟。

免責聲明：自媒體綜合提供的內容均源自自媒體，版權歸原作者所有，轉載請聯(lián)系原作者并獲許可。文章觀點僅代表作者本人，不代表新浪立場。若內容涉及投資建議，僅供參考勿作為投資依據(jù)。投資有風險，入市需謹慎。

責任編輯：趙子牛