時(shí)至2019，無(wú)論是零售轉(zhuǎn)型還是科技轉(zhuǎn)型，對(duì)銀行而言已經(jīng)是一門(mén)顯學(xué)。但時(shí)光倒流至5年前，真正意識(shí)到兩者之間底層關(guān)聯(lián)的銀行卻并不算多。

從2009年到2013年，伴隨著宏觀經(jīng)濟(jì)增速的整體放緩，銀行們的規(guī)模增長(zhǎng)紅利也已不可持續(xù)。而此際“余額寶”橫空出世，對(duì)銀行存款端進(jìn)行了一次“敲山震虎”。

深刻領(lǐng)教了流量的威力和跨界競(jìng)爭(zhēng)的能量之后，零售用戶(hù)的潛在能量也觸發(fā)了銀行們的轉(zhuǎn)型思考：失去了零售端，就意味著失去了獲取低成本資金的可能，長(zhǎng)遠(yuǎn)來(lái)看，這決定了銀行是否需要冒進(jìn)發(fā)展高風(fēng)險(xiǎn)業(yè)務(wù)，影響著一家銀行的資產(chǎn)結(jié)構(gòu)。

銀行們開(kāi)始真正意識(shí)到，商業(yè)力量的天平上，對(duì)C端流量的把控力正成為重要砝碼，于是，迄今為止銀行們最為重要的兩項(xiàng)轉(zhuǎn)型任務(wù)正式開(kāi)啟：戰(zhàn)略方向的數(shù)字化升級(jí)和業(yè)務(wù)端的零售轉(zhuǎn)型。

銀行必須在更高階的維度上打通支付結(jié)算、現(xiàn)金管理、供應(yīng)鏈金融、電子商務(wù)、資產(chǎn)交易等既有服務(wù)內(nèi)容，提供更完整的服務(wù)閉環(huán)，給客戶(hù)體驗(yàn)和價(jià)值感的全面升級(jí)，才有可能在這場(chǎng)從低頻向高頻轉(zhuǎn)型的金融攻堅(jiān)戰(zhàn)中獲得成功。

而這一戰(zhàn)略目標(biāo)顯然無(wú)法一蹴而就。銀行們很快就發(fā)現(xiàn)，技術(shù)升級(jí)這并不是一個(gè)簡(jiǎn)單的命題。銀行需要的是一個(gè)綜合的整體技術(shù)解決方案。銀行們囿于長(zhǎng)期以來(lái)的金融基因，科技轉(zhuǎn)型勢(shì)必要借助一些外力。然而，尋找科技外援亦不是一件容易的事情。

瞄準(zhǔn)銀行轉(zhuǎn)型痛點(diǎn)，試圖掘金這一商機(jī)的科技公司并不在少數(shù)。從螞蟻金服、平安金融壹賬通等巨頭為背景的金融科技企業(yè)，到氪信科技、同盾科技等近年涌現(xiàn)的科技新銳，大大小小不一而足。

不過(guò)，紅海市場(chǎng)的好處就在于，江湖一片混沌，并不是巨頭就一定會(huì)勝出，甚至，在一定的情境下，巨頭因?yàn)闋可媪烁鄳?zhàn)略層面的博弈，無(wú)法成為銀行們的最優(yōu)選擇，這為一些中小規(guī)模的創(chuàng)業(yè)型企業(yè)提供了機(jī)會(huì)。

而當(dāng)所有技術(shù)服務(wù)商在強(qiáng)調(diào)大數(shù)據(jù)、智能科技、云計(jì)算等高大上科技詞匯時(shí)，如何從中遴選出一個(gè)靠譜的合作方，每家銀行又各有打算。

1

先來(lái)說(shuō)說(shuō)銀行在零售轉(zhuǎn)型過(guò)程中需要直面的現(xiàn)狀。

麥肯錫曾在2017年的全球銀行業(yè)報(bào)告中總結(jié)，數(shù)字經(jīng)濟(jì)時(shí)代，生態(tài)圈模式給銀行帶來(lái)的四大挑戰(zhàn)：

客戶(hù)脫媒——銀行正在失去同顧客接觸的機(jī)會(huì)，因?yàn)槿藗冝D(zhuǎn)向非銀渠道，如消費(fèi)信貸;

解綁——銀行提供的眾多產(chǎn)品服務(wù)正在被肢解，因?yàn)轭櫩涂蛇x擇更優(yōu)客戶(hù)體驗(yàn)的單一服務(wù)提供商，如支付寶、微信支付等第三方支付;

商品化——銀行的差異化越發(fā)艱難，因?yàn)橄M(fèi)者可以便捷地在線(xiàn)上獲得理財(cái)產(chǎn)品的比價(jià)信息，如陸金所等;

隱形化——銀行正在失去品牌認(rèn)知度，即使顧客在享受銀行的服務(wù)，也可能對(duì)銀行的存在全不知情，如微粒貸中提供聯(lián)合貸款的銀行們。

這段總結(jié)完美呈現(xiàn)了銀行在轉(zhuǎn)型道路上所遭遇的窘境。零售轉(zhuǎn)型在更大程度上暴露了傳統(tǒng)銀行在風(fēng)控與獲客上的技術(shù)短板，迫使銀行從單純的資金密集型向技術(shù)密集型生態(tài)遷移。技術(shù)的力量很有可能在這新一輪的轉(zhuǎn)型升級(jí)中終結(jié)傳統(tǒng)銀行業(yè)的同質(zhì)化競(jìng)爭(zhēng)，決定未來(lái)銀行的競(jìng)爭(zhēng)格局。

銀行們并非沒(méi)有危機(jī)感，恰恰相反，從各家銀行2018年報(bào)的披露信息來(lái)看，對(duì)科技研發(fā)投入的重視程度空前。

招商銀行和平安銀行在零售端的轉(zhuǎn)型步調(diào)較為激進(jìn)，而其科技投入亦不手軟：前者科技投入達(dá)到65.02億元，同比增長(zhǎng)35.17%，占營(yíng)業(yè)收入比重提升了0.46個(gè)百分點(diǎn);后者IT資本性支出25.75億元，同比增長(zhǎng)82%，全行科技人力較上年末增長(zhǎng)逾44%。而包括中農(nóng)工建交在內(nèi)其余各家上市銀行，雖無(wú)明確數(shù)據(jù)，但從業(yè)績(jī)描述來(lái)看，“金融科技”的成分也在不斷提升。其中，作為銀行直接觸達(dá)客戶(hù)、提高用戶(hù)粘性的渠道，銀行對(duì)APP建設(shè)的重視程度大大提高，下載量和月活用戶(hù)數(shù)成為評(píng)判銀行業(yè)績(jī)的重要指標(biāo)。工商銀行和建設(shè)銀行在2018年底App下載用戶(hù)數(shù)均已突破3億。

不過(guò)顯然，這一切還遠(yuǎn)遠(yuǎn)不夠。

某種程度而言，零售江湖里的用戶(hù)，成熟度已經(jīng)超越了銀行。在過(guò)去十余年的時(shí)間里，早已被互聯(lián)網(wǎng)巨頭調(diào)教過(guò)的用戶(hù)們，對(duì)產(chǎn)品和服務(wù)體驗(yàn)的要求已經(jīng)很難被輕易滿(mǎn)足。

與此同時(shí)，銀行們?cè)陲L(fēng)控端面臨的形勢(shì)也日益嚴(yán)峻。

銀行傳統(tǒng)的風(fēng)控思路多以個(gè)人為主體，對(duì)于復(fù)雜的洗錢(qián)團(tuán)伙和長(zhǎng)期歷史數(shù)據(jù)的追溯識(shí)別效果不佳，導(dǎo)致了誤報(bào)率居高不下?！白ゲ粶?zhǔn)”和“抓不全”兩大痛點(diǎn)長(zhǎng)期存在。而眼下，監(jiān)管層對(duì)于反洗錢(qián)反欺詐的重視程度節(jié)節(jié)攀升。今年4月，金融行動(dòng)特別工作組(FATF)公布了《中國(guó)反洗錢(qián)和反恐怖融資互評(píng)估報(bào)告》，再度強(qiáng)調(diào)了金融機(jī)構(gòu)和特定非金融機(jī)構(gòu)合規(guī)和風(fēng)險(xiǎn)管理水平有待提升。

表面看來(lái)，銀行當(dāng)下的痛點(diǎn)只是前端精準(zhǔn)營(yíng)銷(xiāo)和后端智能風(fēng)控，但銀行真正需要的，則是一套能夠從產(chǎn)品、服務(wù)、用戶(hù)體驗(yàn)到數(shù)據(jù)、模型算法的完整技術(shù)解決方案。

而一切技術(shù)解決方案的底層算法基礎(chǔ)依賴(lài)的是數(shù)據(jù)。移動(dòng)支付年代，使用支付寶和微信支付已經(jīng)成為國(guó)民習(xí)慣，這確實(shí)給銀行帶來(lái)了一定程度的數(shù)據(jù)斷裂、連續(xù)性不強(qiáng)的問(wèn)題。不過(guò)，這并不意味著銀行就毫無(wú)翻盤(pán)機(jī)會(huì)。在AI技術(shù)的策動(dòng)下，存量數(shù)據(jù)亦有變廢為寶的機(jī)會(huì)。

2

一個(gè)有意思的問(wèn)題是，所有的商業(yè)模式都在強(qiáng)調(diào)大數(shù)據(jù)、智能科技、云計(jì)算等高大上科技詞匯，如何從中遴選出一個(gè)靠譜的合作方?

長(zhǎng)久以來(lái)，大中型規(guī)模的銀行招投標(biāo)過(guò)程中，十分看重競(jìng)標(biāo)公司的規(guī)模和行業(yè)地位。一個(gè)重要的原因在于，銀行的內(nèi)控機(jī)制較嚴(yán)，流程規(guī)范顯得尤為重要，因此，一旦選定合作方更換成本相對(duì)較高。AI金融合作伙伴則更是如此，一旦選定，后續(xù)要更換合作方，可能還要為前人“排雷”，選一個(gè)門(mén)當(dāng)戶(hù)對(duì)規(guī)模大資質(zhì)好的AI金融合作伙伴似乎是相對(duì)比較保險(xiǎn)的方案。

但有意思的是，多家大行在選擇技術(shù)合作方時(shí)突破了“門(mén)當(dāng)戶(hù)對(duì)”的既定范式。

圖片來(lái)源：億歐

氪信科技、同盾科技、第四范式都是較為典型的樣本。以氪信科技為例，2015年開(kāi)始，氪信科技先后與民生銀行、招商銀行及四大行展開(kāi)合作，從最初為民生銀行提供小微風(fēng)控直至滲透到招行的零售風(fēng)控、反欺詐延伸到營(yíng)銷(xiāo)、催收等各個(gè)層面，目前已成為四大行的合作方，解決數(shù)億賬戶(hù)體量帶來(lái)的智能金融業(yè)務(wù)挑戰(zhàn)。

一家銀行網(wǎng)金部門(mén)負(fù)責(zé)人告訴十字財(cái)經(jīng)，相較以往，銀行作出這一選擇的背后有著更為細(xì)致深刻的考量。

“淺層的數(shù)據(jù)合作和技術(shù)外包顯然不是今天的銀行們真正需要的。巨頭們的技術(shù)肯定沒(méi)有問(wèn)題，但現(xiàn)在來(lái)看，互聯(lián)網(wǎng)巨頭們達(dá)成深層合作的主體以中小銀行為主，規(guī)模大一些的銀行其實(shí)比較忌憚和巨頭合作。無(wú)論是基于數(shù)據(jù)還是一些更高層面的戰(zhàn)略博弈。而中小科技公司的競(jìng)爭(zhēng)也十分殘酷，要拿下大銀行的訂單，得提供更優(yōu)的價(jià)格和更好的服務(wù)姿態(tài)，實(shí)際上需要不弱于巨頭的技術(shù)能力和超越巨頭的服務(wù)能力。”該人士總結(jié)稱(chēng)，要全方位勝出，關(guān)鍵的核心三要素：數(shù)據(jù)、模型算法、定制咨詢(xún)能力，三者缺一不可，“數(shù)據(jù)層面，大家談?wù)摻鹑诖髷?shù)據(jù)，主要的痛點(diǎn)是在強(qiáng)調(diào)金融數(shù)據(jù)之外的‘另類(lèi)數(shù)據(jù)’。大家的數(shù)據(jù)源都差不多關(guān)鍵是數(shù)據(jù)處理能力。因此，模型算法的有效性和定制咨詢(xún)能力往往成為銀行選擇合作方的關(guān)鍵。”

公開(kāi)數(shù)據(jù)顯示，央行征信記錄基本空白的人群接近十億，這類(lèi)人群仍是一塊金融處女地，但前提是銀行有處理非金融屬性“另類(lèi)數(shù)據(jù)”并對(duì)其進(jìn)行金融定價(jià)的能力。

知識(shí)圖譜解決數(shù)據(jù)痛點(diǎn)生成金融畫(huà)像的過(guò)程

“銀行風(fēng)控專(zhuān)家最痛苦的地方，就是另類(lèi)數(shù)據(jù)無(wú)法按照以前納入以往的評(píng)分體系。傳統(tǒng)的銀行風(fēng)控建模要素都與資金流信息強(qiáng)相關(guān)，比如工資多少、納稅多少。但像個(gè)人移動(dòng)互聯(lián)網(wǎng)行為數(shù)據(jù)，卻難以根據(jù)傳統(tǒng)經(jīng)驗(yàn)將其納入特征變量。AI技術(shù)能夠把這些覆蓋高但關(guān)聯(lián)稀疏的風(fēng)險(xiǎn)弱數(shù)據(jù)，提煉成上千維度的場(chǎng)景化金融屬性特征變量。而傳統(tǒng)銀行擁有海量的客戶(hù)存量數(shù)據(jù)，這是銀行獨(dú)特的優(yōu)勢(shì)，也是一個(gè)非常大的富礦，通過(guò)復(fù)雜集成建模來(lái)精準(zhǔn)刻畫(huà)用戶(hù)的信用風(fēng)險(xiǎn)，能夠做出識(shí)別率非常高的模型?！彪葱趴萍紕?chuàng)始人兼CEO朱明杰向十字財(cái)經(jīng)介紹，“更重要的是，這兩年監(jiān)管對(duì)反洗錢(qián)和可疑交易監(jiān)測(cè)要求很?chē)?yán)格,以前國(guó)內(nèi)監(jiān)測(cè)個(gè)人的欺詐風(fēng)險(xiǎn)，主要是基于規(guī)則和個(gè)人上報(bào)，風(fēng)險(xiǎn)運(yùn)營(yíng)部門(mén)會(huì)用很多人工去找。但事實(shí)上，非結(jié)構(gòu)化的、非金融的數(shù)據(jù)量激增，銀行每天要處理的交易流水量，早已超出了人的經(jīng)驗(yàn)范疇和處理能力邊界。就需要用人的規(guī)則和以前發(fā)生過(guò)的欺詐事件訓(xùn)練機(jī)器去抓。我們成功使用圖卷積神經(jīng)網(wǎng)絡(luò)GCN去處理海量交易數(shù)據(jù)，用于群體風(fēng)險(xiǎn)識(shí)別，通過(guò)列式計(jì)算引擎能夠在15分鐘內(nèi)處理百億級(jí)別數(shù)據(jù)，這在以前是很難想象的?！?/p>

而事實(shí)上，所謂一站式解決方案，要求AI金融合作伙伴擁有足夠豐富的產(chǎn)品和各個(gè)子領(lǐng)域能夠落地的解決方案。并且需要雙方對(duì)于彼此在技術(shù)的邊界或業(yè)務(wù)的要求上有足夠深的了解。這不僅是一種能力上的要求，也決定了AI金融究竟能走多遠(yuǎn)。

“比如，你做的模型是一個(gè)黑盒，沒(méi)有辦法解釋。但我不能只給金融機(jī)構(gòu)一個(gè)結(jié)論，金融機(jī)構(gòu)一定不能接受的，他需要知道為什么。這就好比AI應(yīng)用在醫(yī)療領(lǐng)域，你不能只告訴病人AI模型診斷說(shuō)要切掉一條腿，你一定要告訴他為什么?！敝烀鹘苷f(shuō)道，目前業(yè)內(nèi)對(duì)于通用模型的可解釋性還沒(méi)有出現(xiàn)特別好的解決方法，但在具體的金融場(chǎng)景里，氪信結(jié)合專(zhuān)家經(jīng)驗(yàn)已經(jīng)獲得了一些技術(shù)突破，相關(guān)論文也發(fā)表在了AMCIS等學(xué)術(shù)會(huì)議中?！霸诰唧w的金融場(chǎng)景里，我們可以在某種程度上給出解釋?zhuān)热缬玫途S模型擬合高維模型，或是將AI模型里最重要的幾個(gè)特征變量找出來(lái)，解釋給業(yè)務(wù)專(zhuān)家聽(tīng)?！?/p>