银行在进行数字化转型的过程中将面临什么样的挑战？

数据王子

2022-06-24

1．数字化转型认知不足，战略定位大而不精。

由于整体基础不同，各类银行对 “数字化转型”的认知和要求截然不同。国内领先银行较早意识到了转型的必要性，对数字化银行的认知已从模糊的概念逐步清晰化、具体化，能够结合行内业务规划、信息化基础等现状，从数据分析场景、系统平台建设、组织人才转型等方面着手，全面构建符合自身特点的数字化转型路径。例如工行从IT架构转型、互联网金融战略、科技组织架构入手构建智慧银行，招行则提出了清晰的做“金融科技银行”的战略目标。

相比之下，部分银行则停留在模糊的概念认知阶段，要么尚未制定数字化转型规划，整体投入不足；要么规划的形式以与领先银行进行简单的对标复制为主，未结合自身优势和特点。可以说对数字化转型的认识不足，就是银行的领导力不足。由于整体认知不足，此类银行往往过于追求数字化转型的短期效益，缺乏对长期数字化能力的构建。

2．应用场景基础薄弱，数据分析流于形式。

构建数据应用场景是银行数字化转型的重要内容，但受制于数据能力不足、基础设施支撑有限、整体规划布局缺乏等原因，许多银行的数据分析流于形式。能力方面，数字化转型需要银行数据人才具备数据统计、数据分析与建模、数据架构、数据治理等多种能力，而当前银行数据人员能力多集中在统计与简单分析，难以开展高级的数据分析与挖掘工作。基础设施方面，银行多以报表系统为主流的数据分析展现形式，需要进一步构建嵌入业务流程、嵌入移动端产品的多元化落地形式，以支持流程自动化、移动化等业务场景。数据分析场景整体规划方面，当前银行数字化多由业务部门零散的数据应用需求驱动，局限在单一业务类型、单一维度、单一应用主体，数据部门难以主动地、系统地、前瞻性地满足业务部门需求。

3．数字化转型推动困难、组织人员体系有待优化。

银行数字化转型绝不仅是数据部门的工作，而是一项需要行领导牵头、组织体系支撑、业务部门与科技部门共同参与的全行性工作。当前银行业开展数字化转型，在组织体系方面存在诸多限制。一是组织流程缺乏配套机制、数据团队定位不清晰，导致实际工作推动困难。二是数据工作协同机制缺失，数据分析成果难以快速、规模化地赋能业务发展。银行普遍面临数据工作协同不足的现状，总行与分行间数据工作割裂，总行推动转型难以全面满足分行需求；数据部门与业务部门沟通存在壁垒，数据分析缺少业务输入或者落地场景；数据部门与科技部门开发流程复杂，执行效率缓慢，经常出现项目延迟上线、甚至难产的情况。三是数据能力建设策略不明确、高级数据人才缺失。当前银行数据人员多以单一知识背景为主，复合型人才比例较低；以基础型数据人员为主，高级数据分析人才缺乏；以外包人员为主，内部专家储备有限。

4．数据质量亟待提升，数据安全与使用面临两难。

实现数字化转型的前提是具备良好的数据基础，这对银行数据治理能力提出了较高要求。当前银行业的数据管理能力正在逐步提升，但具体标准化、体系化的管理尚有差距。一方面，数据质量问题广泛存在，由于数据标准不一、数据质量问题成因定位困难、数据责任归口不清，无法从根源上实现数据质量整改。另一方面，数据安全与外部数据管理面临两难困境。银行业作为信息高度敏感行业，数据安全是不可逾越的红线，但随着大数据时代的来临，通过外部数据进一步丰富银行数据源的需求亦不容忽视，如何在保证数据安全的前提下，实现外部数据的接入、数据资源的置换等，是各行面临的另一挑战。

5．既有系统老化孤立，与全面数字化转型要求相差甚远。

全面数字化转型离不开系统的支撑，银行业系统建设情况呈现出明显的分化现象。国有大行及领先股份制银行由于IT建设起步较早、IT人才储备充足，基本已构建起适应自身需求的IT系统架构。当前建设方向一方面集中在对现有系统的梳理、统一建设与优化，另一方面是对人工智能平台、云平台、数据中台等先进理念的探索。中小银行则由于资金、能力等方面的不足，系统建设基本以零散的业务需求为导向，难以形成体系化的技术架构，同时整体先进性有限，新建领先的技术平台又面临成本压力，在敏捷性方面与全面数字化转型的要求相差甚远。