12月16日消息，由新浪財經主辦的“第14屆金麒麟金融峰會”于12月13日-17日隆重舉行，主題論壇“2021智慧金融峰會”今日召開。南京銀行數字銀行管理部總經理丁曉平在論壇上發表了題為《數聯萬物，智造未來：數字化轉型如何助力高質量發展》的主題發言。

　　丁曉平表示，整個數字化轉型的工作框架實際上分為幾步：首先，通過業務的數據化，實現數據資源和數據資產的形成。第二，數據資產的服務化，實現整個數據資產對業務場景的數字化應用的賦能。第三，通過數據服務的智能化，也就是從數字化向智能化升級，實現終極目標，也就是實現智慧銀行或者是智能銀行的發展。

　　丁曉平在演講中指出，整個金融科技和數字化技術快速的變遷以及快速的迭代，對于技術人員或者數字化人才來說，需要不停地掌握最新的技術，進行系統不斷的更新迭代。另外，金融科技人才的高度緊缺，源于兩方面，一方面是由于全社會數字化轉型全面的啟動，導致各行各業對數字化人才的爭奪都是比較激烈的。第二，由于數字化人才本身的要求非常高的，是交叉的智能，既要能夠有業務知識，又要有數據處理和分析的知識，還要有技術開發的知識儲備，本身是一個復合型人才。第一，這種人才整個市場非常稀缺。第二，各個學校剛剛開設相關的一些專業。第三，由于市場的需求量非常廣，導致目前數字化人才緊缺，未來需要各方一起來努力，培養出高質量的、專業性強的復合型的數字化人才。

　　以下為嘉賓發言全文：  

　　各位朋友大家好，很高興通過這種線上化的方式今天能跟大家做一個主題交流分享。今天我想跟大家分享的主題叫做“數聯萬物，智造未來：數字化轉型如何助力高質量發展”。

　　在當今的時代下，大家看到有一些時代的主旋律，其中高質量發展是當前最重要的一個時代的主旋律。對于高質量發展來說，我們在思考其中一個非常重要的方面，是如何使用更加精煉的投入和代價，更加高效的機制，來實現更加理想的一個發展目標。這其中創新可以稱為是第一動力，而數字化轉型是將科技與業務深度融合的一種創新方式，它的核心是數據要素，主要的手段是通過科技系統和算法模型，將數據由生產資料變為生產力，實現我們業務的一個提質增效、降本增利。

　　這樣一個數字化轉型后面的背景有幾個考慮：

　　第一，數據已經被列為一項非常重要的市場要素和生產資源，跟土地、勞動力、資本、技術一起成為我們一個重要的生產要素。

　　第二，當今的社會由于數據、算法、算力的高速發展，我們已經從信息化時代邁入到一個數字化時代，這個數字化時代跟信息化時代最大的區別就是我們認為信息化系統是作為一個業務的輔助，而數字化時代，系統+數據首先是反映物理世界，同時解決物理世界中問題的一個非常重要的環境和手段。

　　我們看到當前很多產業的數字化和數字的產業化無論是對我們生活中的衣食住行，還是生產中的工業物聯網、數字城市、智慧醫療等等，都產生了巨大的深遠影響，跟高質量發展一樣，數字化轉型包括數字經濟的發展，得到了前所未有的重視。從金融業來說，整個商業銀行積極投身于我們數字化轉型的過程中，這里也包括一些政策層面制定的保障措施，比如說數據成為市場要素，我們的《數據安全法》跟《信息保護法》，包括監管（部門）也正在制定金融行業數字化轉型的指導意見，致力于將數字化轉型成為我們商業銀行高質量發展的一個重要的助推力。

　　我們理解整個數字化轉型的工作框架實際上分為幾步：首先，通過我們業務的數據化這樣一個過程，實現我們的數據資源和數據資產的形成。第二，通過我們數據資產的服務化，實現整個數據資產對業務場景的數字化應用的賦能。第三，通過數據服務的智能化，也就是從數字化向智能化升級，實現我們的終極目標，也就是實現智慧銀行或者是智能銀行的發展。

　　下面我從這三個方面簡單地展開，跟大家做一個交流。

　　首先，業務的數據化。我們知道如果沒有數據，就沒辦法形成一個比較清晰、高像素的數字化對物理世界的描述或者是一種描述或者是模擬。而且我們認為數據的密度越細的話，正如顯示器或者電視機一樣，它對物理世界的像素和清晰度會越高。業務數據化的數據主要包括三方面，首先是客戶在業務辦理過程中采集的各種金融的數據，也可以稱為是傳統的小數據。第二，我們通過各類外部機構、第三方合作機構采集到大量的非金融的數據，可以叫做大數據，這里包括結構化的、非結構化的、文本類的、影像類的等等等等各類的大數據。第三，除了金融業務辦理過程中，客戶在操作過程中也有一些行為類的數據，能夠反映出客戶的一些偏好、客戶的一些行為習慣等，我們稱為客戶的行為數據。

　　通過以上三類客戶的數據，可以對客戶形成信息比較完整的畫像，我們叫做“客戶的360度視圖”。有了客戶的視圖之后，我們就可以對客戶進行一些標簽和分群分類的處理，有了分群分類就可以進行數據資產的服務化，也就是業務的場景化的操作。業務的場景化在數字化方面可以分為數字化的營銷和客戶服務，以及數字化的管理兩大方面。數字化營銷包括客戶服務，我們理解實際上它跟傳統的營銷手段（相比），它首先是采用數據分析以及大數據用例的方法，能夠比較精準地定位我們的目標客戶，提供具有針對性的、差異化的服務。如果說傳統的營銷手段，普遍撒網式的，對所有的客戶營銷一遍，如果我們把它認為是一種“大水漫灌”式的營銷，數字化營銷實際上我們可以認為是“精準滴灌”，相比傳統的客戶營銷的方法實現更加精準的客戶定位，更加符合客戶的愛好和偏向的服務，減少客戶打擾，最重要的是消耗更加低的成本，因為不需要采用普遍撒網且低效的營銷費用，而且會帶來更好的客戶體驗。

　　這種精準化的客戶的營銷，首先是采用數據分析，可以用智能化的營銷手段，也就是線上化的智能化營銷和線下的聯系化營銷相結合，形成一個營銷的全流程閉環的管理，以及客戶全生命周期的經營管理。這種營銷方法可以用在我們獲客、促活、提升、睡眠的喚醒等等，是整個客戶全生命周期的過程。這個是數字化的營銷，數字化的營銷通過這種閉環的管理，實際上本身是一個分析的手段。

　　第二，數字化的管理。數字化的管理包括管理的各個方面，首先是數字化的風控。數字化的風控，我們可以用數據分析挖掘的模型，在客戶的準入、審批、貸中、貸后等各個階段，能夠形成智能化的客戶的風險識別以及定價、反欺詐等等等等，適用于風險管理的各個方面。數字化風控最主要的要素，比如我們有一個全新的客戶，通過線上化的申請，我們要使用客戶各類的外部數據，形成對客戶初始化的標簽和畫像體系，通過我們線上的反欺詐模型、營銷的審批模型，對客戶進行風險畫像，進行一個授信額度的線上化審批，實際上達到一個信貸反欺詐的風控以及信用風險管控的目標。在這個過程中，我們也嘗試著在無論是個人條線還是企業條線方面，開發過一些線上化產品，比如說數字信用卡，實現我們的秒申、秒批、秒用的特點，這是得益于我們數字化的風控的能力。

　　在數字化管理上面還有很多很多可以進行的工作，比如說通過數據模型進行合規管理，對我們的業務、客戶、員工等等進行全面的合規的監測以及信號的預警，提早通過合規手段的干預，能夠避免我們的合規風險。包括在整個數字化的運營過程中，通過對業務辦理流程節點的跟蹤和監測，能夠找到我們業務流程中的薄弱環節和堵點，提出針對性的手段，提升我們的運營效率。

　　這是數字化。通過數字化提升的階段，第三個階段是場景的智能化，也就是從數字銀行到智能銀行的升級。我們理解的“智能化”包括兩類，一類是基于數據的智能，我們有一個通俗的說法叫做“機器學習”或者是“挖掘建模”。數據智能的核心是利用數據分析挖掘可視化技術，以及算法工程，能夠找到在傳統人工的觀察或者是專家規則發現不了的一些信號、指標和對我們業務決策形成的一些指導意見。

　　我們目前已經開發了超過20個各類的分析挖掘模型，從精準的客戶的營銷到特定客戶，比如我們做了一個模型，理財客戶可能會流失或者降級，我們做一些預警，發給我們的理財經理，使理財經理提前做好客戶的服務工作，有效地避免或者減少客戶降級的風險。當然還有很多對于標準化的產品，基于機器學習的模型，建設我們的一些風控模型，廣泛適用于我們業務辦理的各個場景中。

　　我們也在嘗試進行算法模型的全流程的管理，因為模型需要進行評估，需要進行迭代，當然目前在算法模型方面也要防止一些模型的風險，比如算法歧視、算法黑箱等等，包括模型效率的衰減等等這些問題。

　　智能化的第二個方面是人工智能或者叫做交互智能，也就是俗稱的機器人。我們理解人工智能最主要的作用是讓系統具備看、聽、說、理解以及決策的能力，創造出一定的數字勞動力。這種數字勞動力，以目前我們對人工智能水平的理解，沒有辦法完全替代物理的網點或者人員。但是從實踐來看，人工智能可以作為我們人工服務的一個智能助手，尤其是對大批量長尾客戶的在線的標準化服務。大家看到有很多手機銀行上面有一些智能語音的客服和咨詢能力，就是這樣一種體現。

　　我們過去一段時間的實踐中，我們使用語音機器人進行客戶的貸款或者信用卡到期信息的提醒，最近我們把它大量應用于營銷外呼。經過統計，我們發現到目前為止，2021年我們語音機器人的外呼量是2020年的3倍，2020年語音外呼量是2019年的兩倍。經過大量外呼的業務量的增長，我們人工外呼的客服人員幾乎沒有增長，效率就大大提升。另外，我們用圖像機器人進行發票和票據的識別，我們在一個場景中，劃款指令的憑證，用圖像機器人進行識別，進行自動化記賬，有效提升錄入的效率，降低差錯率。同時，去年我們建了很多AI營銷機器人，這種營銷機器人可以入駐抖音、B站、各種微信生態圈，進行標準化產品的營銷和一些標準化業務的咨詢。我們也嘗試著用AI數字員工技術，制造一個虛擬的客戶經理，我們也叫數字孿生，這個虛擬的客戶經理就可以同時在線，同時對他多個客戶提供一對一的服務，有效地提升客戶經理服務的效能。

　　這是在智能化方面。人工智能技術的升級迭代非常快，在可預見的未來，數字勞動力可以在各類線上化，在各類視頻平臺或者是社交平臺大顯身手。

　　最后，要實現數字化轉型的能力，實際上需要我們進行組織推進以及資源保障。

　　第一，我們知道數字化轉型是一個基礎長期復雜性的系統工程，首先是要打好基礎，這個基礎就是數據治理的基礎。由于歷史的關系，原來在若干年中我們建設的一些系統，在標準化、在數據質量方面，可能更多地是面向業務本身的合規性辦理，它并不是面向數字化分析和數字化管理的能力。所以，在這個過程中，在不同驗證系統中存在著數據的不一致、不標準、不統一的情況，對于我們要做完整的客戶的全視圖的畫像以及全業務的分析，首先要定好數據標準，提升數據質量，做好數據的血緣分析和影響分析等等。同時我們也建一些數據治理的平臺和工具，來實現對數據治理本身的數字化管理。

　　第二，要建設一套完整健全的數據架構。這個數據架構包括后臺的數據湖、數據平臺，要建設我們數據中臺、數據資產管理系統以及智能中臺，實現對前臺的一個敏捷高效的數字化支持。這是數據架構。

　　另外，數據的安全和合規性的要求。數據的共享合規需要滿足一系列數據安全的要求，符合法律法規的要求。這一塊各個層面都做了很多工作，比如說在國家層面制定了《數據安全法》、《個人信息保護法》、數據安全分級的條例、標準以及數據全生命周期保護的規范等等。目前比如在上海也建了上海的數據交易所，試圖建立一種數據的共享和交換的標準化機制，包括數據的所有權、使用權，數據的定價機制，如何定價，以及利益的分配機制等等，這些都是當前的環境。

　　我們也積極利用多方安全計算的技術，實現了數據在跨所有方之間數據本身不共享，但是可以共享數據的結果。既保護了數據的隱私權，又能夠實現數據高維的共享和共同建模，產生有效的指標、標簽、信號等等。

　　關于數字化轉型還有其它方面的考慮，比如說整個金融科技和數字化技術快速的變遷，以及快速的迭代，這個對于我們技術人員或者數字化人才，需要不停地掌握最新的技術，進行系統不斷的更新迭代。另外，金融科技人才的高度緊缺，源于兩方面，一方面是由于全社會數字化轉型全面的啟動，導致各行各業對數字化人才的爭奪都是比較激烈的。第二，由于數字化人才本身的要求也是非常高的，他是交叉的智能，既要能夠有業務知識，又要有數據處理和分析的知識，還要有技術開發的知識儲備，本身他就是一個復合型人才。第一，這種人才整個市場非常稀缺。第二，各個學校剛剛開設相關的一些專業。第三，由于市場的需求量非常廣，導致目前數字化人才緊缺，未來需要各方一起來努力，培養出高質量的、專業性強的復合型的數字化人才。

　　我們可以預見到數字化轉型一直在路上，為我們行業包括金融的高質量發展，不斷地研究、探索整個數字化轉型新的方法，實現金融業的彎道超車也好，或者是一種高效、高質量、成本可控的新的商業銀行的創新發展道路。

　　今天就給大家分享到這里，謝謝大家！

海量資訊、精準解讀，盡在新浪財經APP

責任編輯：于勝男