本期嘉賓

陳潔

神州信息新動力數字金融研究院創新研究部總經理

趙涵

神州信息新動力數字金融研究院業務咨詢部總監

■ Q1：從新動力數字金融研究院的研發方向來看，我們在零售金融領域的主要研發方向是什么，我們研究院為客戶提供的服務是什么，有什么特點？

陳潔：新動力數字金融研究院是神州信息打造的、業務和技術融合的新型研發機構。目前，主要有四大業務方向：科技咨詢、平臺與技術研發、數字零售金融、數字企業金融。趙涵是我們新動力在數字零售金融方向的大專家、領頭羊。

趙涵：新動力主要聚焦零售銀行數字化轉型、智能營銷和零售客戶深度經營專業領域。我們主要向客戶輸出三項能力，即產品賦能、運營支持和咨詢服務。以產品沉淀核心價值，以運營放大服務效能，以輕咨詢延伸價值探索。特點總結起來就是“輕咨詢、強賦能、靈運營”。

輕咨詢：以“精診斷+速規劃”迅速定位銀行現狀，輸出有效建議。精診斷基于ITSDA零售銀行數字化評估體系，幫助銀行迅速定位、明確“起跑線”；速規劃基于新動力零售銀行數字化經營領域經驗，聚焦經營子主題，提供“短平快”的咨詢建議。

強賦能：“技術+業務賦能”全面強化零售銀行數字化經營能力。首先是產品賦能——在營銷、運營、渠道、分析和管理領域部署拳頭產品，基于統一的數據標準，實現全棧服務能力，為銀行補齊零售銀行數字化經營系統平臺；其次是集成賦能——向銀行提供新、舊系統的集成與整合能力；其他還有流程賦能——協助銀行形成并固化標準化的經營流程；以及業務賦能——引導銀行挖掘新需求、迭代優化現有業務

• 靈運營：是指基于“內容+活動+用戶”三個專題，幫助銀行提升運營水平，增進收益效果。通過業務專家、數據專家輸出持續業務策略、分析建模等專業能力，協同銀行完成經營所需數字化運營工作。其中，內容運營——根據渠道特性，進行內容元素的管理運營，參與形成經營策略；活動運營——結合用戶資源和經營策略，組織管理營銷活動，實現獲客和增長；用戶運營——引入互聯網玩法，推動MAU的增長以及向AUM的快速轉化。

■ Q2：銀行客戶遇到了哪些挑戰，從業務本質和技術賦能方面又提出了哪些新的需求？

趙涵：傳統零售以物理網點為經營支點，提供面對面金融服務，突出的是經營環境的舒適度、服務的人性化和個性化。但近些年面對互聯網平臺的沖擊、線下客戶不斷向線上遷移，數字化零售業務逐漸成為主流。數據顯示，2021年銀行業平均電子渠道分流率已達90.29%，線上服務生態不斷成熟，對零售場景中的金融結算服務和賬戶體系的純線上化支撐提出更高要求，非臨柜、去介質的業務辦理需求促使銀行重新審視現有業務流程和風控核驗手段，圍繞客戶體驗重塑交易流程，構建數字化服務協同模式，實現多渠道一體化、差異化經營服務。

陳潔：我舉一個例子來給大家說明一下，銀行在零售數字化轉型中遇到了哪些問題，以及我們是如何通過業務、技術、管理全方位賦能銀行的零售數字化轉型。

這家銀行是神州信息的老客戶，是一家以對公業務見長的全國性股份銀行，后面我們代稱它為“X銀行”。X銀行近幾年一直致力于補齊零售銀行數字化業務的短板——在銀行數字化轉型的新階段如何應用數字化工具，完成從用戶運營到客戶經營的無縫銜接，實現MAU+AUM的雙重提升。X銀行在數字化渠道升級、客戶精準營銷和精細化管理等方面進行了不少探索，但效果不夠理想。

在這種背景下，神州信息為X銀行提供了從咨詢到落地的端到端服務，幫助它提速零售客戶經營數字化轉型，取得了不錯的效果。簡單總結一共用了四招：輕型咨詢、快速整合、靈智策略和動態支持。

首先，在前期接觸和項目初期，采取“精診斷、速規劃”打法，基于ITSDA零售銀行數字化評估體系，幫助銀行迅速定位、明確“起跑線”；這一過程中我們發現了五個關鍵問題并給出了五大方案建議。其中兩點如下：X銀行經過幾年的零售數字化建設，已有完成了大部分的基礎設施系統建設，但是這些系統呈煙囪狀況；系統煙囪的背后，反映是業務的孤島和流程的斷裂。基于此，我們給出了“短平快”的咨詢建議。一是，X銀行應先進行零售銀行相關系統的打通和集成；二是，X銀行亟需成體系的零售銀行數字化經營流程閉環。

接著，基于第一階段的診斷結果和輕咨詢方案，我們在神州零售銀行數字化經營框架的指導下，聚焦“能力集成”和“業務流程”兩個關鍵能力建設專項進行賦能，為X銀行梳理并設計了零售銀行數字化經營流程閉環，直接打通“數字資源→分析建模→運營策略→營銷活動→客戶觸達→監控評估”的業務鏈路。

在系統和流程貫通的基礎之上，神州信息又通過提供數字化經營策略、數字化運營等服務，幫助X銀行創造了更多的業務價值。項目組幫助客戶共同完成了兩項工作：一是構建了數字化客戶經營策略體系，按照客戶經營生命周期、事件營銷和產品推廣銷售的類別，進行了存量策略的梳理、分類與更新；二是結合客戶經營的重點主題、客群、關鍵節點等，共同構建新的經營策略，支撐更多的營銷活動和運營服務。

最后，為了將數字化經營的理念、打法和動作完全滲透到業務經營的毛細血管中，項目組幫助客戶完善并落實了一套數字化的客戶經營指標體系，其中包括線上用戶的運營指標和精準營銷活動指標，使得各項業務過程和結果能夠得以量化體現；通過豐富的數字化業務經營分析工具，為從一線業務人員到管理者和經營決策者都能夠看得清、看得明、看得及時。

這四招是神州信息近四十年銀行數字化行業經驗和項目經驗的濃縮。我們致力于為更多客戶提供類似這樣端到端的服務，助力更多銀行客戶加速零售客戶經營數字化轉型，實現質效雙贏。

■ Q3：研究院能為銀行客戶提供什么具體的解決方案或是服務？

趙涵：面向銀行客戶，我們在提供解決方案和服務時主要采取在應用端和數據端同時發力的策略。營銷領域是我們在應用端的傳統優勢，推出了Sm@rtMarketing智能營銷解決方案，該體系方案已經在眾多銀行得以實踐，它可以幫助銀行在客戶營銷和經營管理上實現更精準的觸達、更敏捷的營銷和更高效的管理。目前也有很多風險領域點的突破，比如反洗錢、反欺詐、關聯交易等。在數據端有專為模型開發服務的模型工廠，也有為響應國產化替代號召的專業化數據遷移工具平臺。當然，整個數據中臺的產品線對標國外一線廠商，不同的是我們專注于金融這一細分市場，解決銀行數據系統“提質增效”的問題。

■ Q4：Sm@rtMarketing智能營銷解決方案是什么？能否總結一下它的特色之處？

趙涵：Sm@rtMarketing智能營銷解決方案是為解決銀行傳統線下營銷成本高、營銷效率低等問題痛點，打造的一整套數字化營銷綜合解決方案，其基于實時感知、智能分析、精準洞察和自動化技術，實現了大部分零售客戶的標簽化，全渠道、多營銷場景覆蓋，線上營銷流程自動化以及管理的實時監控智能化。

這套數字化營銷綜合解決方案，重點關注構建全流程閉環的數據鏈，從客戶的商機觸發開始就建立了完整客戶旅程的路徑規劃，針對不同的客戶畫像和分層，有目的地提升客戶轉化，增加客戶粘性，提升客戶操作體現。因為是完整的客戶旅程數據閉環，所以會把渠道引流與客戶的后續動作關聯起來考評，這樣可以有序地發揮數據價值、為渠道端賦能。

構建閉環數據鏈的同時也注重構建流量生態體系。前期和主流的流量平臺簽訂合作協議，將流量資源整合篩選后引入銀行端，幫助銀行解決自有渠道流量不足的問題。神州信息長期深耕銀行營銷業務領域，深知銀行客群特征和客戶需求，可以便利地引入流量平臺的資源和優勢，有效幫助銀行快速定位、觸達目標客群。

Sm@rtMarketing智能營銷解決方案的優勢可以從“采、存、用、管”4個方面來總結。

采：自動化、實時

◢ 業務數據打通：有系統支持的業務活動，通過打通業務系統與數據中臺，實現交易明細數據、分析數據的實時交互。

◢ 數據爬取：通過數據爬取方式獲取用戶互聯網行為數據。

◢ 物聯網應用：通過物聯網獲取工廠設備、物料等數據。

存：存得多、存得快

◢ 融匯統一：匯集原來分散于各業務系統中的數據，形成統一存儲，便于交互和分析取用。

◢ 強擴展能力：基于Hadoop架構使存儲擴展便為捷性。

◢ 區別存儲策略：時間周期更細、存儲形式豐富，可存儲非結構化原始數據，無需結構化后進行存儲。

用：自動、便捷、時效、創新

◢ 定制化開發：建立數據工具平臺，為業務人員開放定制化查詢服務、為建模人員提供個性化建模分析服務，從數據展示平臺升級為數據分析平臺。

◢ 快速數據分析：借助數據中臺強大的計算引擎，開展更復雜、更深度的數據建模分析。如區域調撥應用，可綜合考慮復雜影響因素，包括天氣、車輛狀態、路況狀態等，快速計算出優化路徑、調配方案等。如粉絲營銷應用，可豐富多樣的推薦算法。

◢ 數據挖掘：基于過程數據、歷史數據的大量積累，開展創新數據挖掘應用，如客戶畫像、產品創新設計等。

管：質量把控、安全性、標準統一

◢ 數據質量管理：對于多方采集來的主數據、交易數據、分析數據在數據中臺上進行數據質量的統計分析，出具質量分析報告，支持數據治理組織工作。

◢ 數據安全管理：劃分數據安全等級，不同等級制定相應的數據脫敏、數據授權、數據訪問（包括下載、訪問、刪除、修改）留痕策略。

◢ 數據資產管理：主數據、交易數據、分析數據都可以在數據中臺做數據標準化與資產可視化，可以承載數據運營優化的需求。

■ Q5：Sm@rtMarketing是如何滿足不同需要？

陳潔：剛才在介紹Sm@rtMarketing的特點時也提到了，我們會為銀行客戶提供定制化開發服務。在服務過程中，在與行方充分溝通交流、理解需求后，以行方的科技基礎與業務發展訴求為出發點，通過模塊的解耦與重組，提出最適合這家銀行所處的發展階段特點，同時又盡可能最大化產品應用效益的解決方案。

還是按照“采、存、管、用”這個順序來給大家分別舉例來說明：

在采這一方面，我們為某股份制行實施營銷平臺時發現，其數字化轉型已經開展多年，有一定的數據基礎，基本具備了360度資產視圖的價值類數據，但針對客戶行為的實時數據是缺失的。那么我們在數據采集端就集成了行為類的實時埋點數據，之后基于交易報文的動賬數據和刷卡數據、資產數據，形成短、中長期客戶畫像，銀行從而可以更全面地感知客戶，為客戶提供更貼心、更適宜的服務。

在存這一方面，傳統的營銷是基于營銷模型和批量營銷理念的。這類數據量不大，需要的存儲資源也有限。但在大數據時代，隨著銀行渠道觸點的增多，采集手段和時效性的增強，傳統的數據存儲模式已經不能滿足要求。為此，我們在數據架構端特別設計了實時、準實時、T+1等數據存儲區，利用Kafka、Flink等技術來處理和響應時效性高的客戶事件，取得了不錯的成效。

在管這一方面，特別要以業務需求為牽引，聚焦重點領域。以某國有大行進行的客戶標簽項目為例，在進場前，行里存在數套標簽體系：零售標簽、對公標簽、互聯網場景金融標簽等，但這些標簽之間是相互割裂、沒有打通的。因此在進場后，我們按照“統——用——管”這樣的思路把客戶標簽升級到了企業級。1）統：首先就為行方建立了統一的標簽分類體系，針對這一體系，將現有的標簽納入統一框架，去除二義性和冗余的內容等；2）用：接下來，針對這些標簽設計不同的場景應用，如零售財富客戶的高潛預測和活動晉級、公私聯動下的私行客戶挖掘、工資代發識別等，讓各部門深切體會到企業級客戶標簽更好用；3）管：最后就是建立管理制度，把每一個標簽的維護落實到業務部門中去，對未來標簽的上下架維護、如何使用、如何授權進行規范。這樣建立了這個企業級客戶標簽體系的長期運營機制，讓它持續有生命力。

在用這一方面，數據的分析與應用一直以來是智能營銷的重點，也是難點。“用”數有兩個層面含義：一個是為管理層做決策支持，第二個是為一線客戶經理做經營支撐。這里的第二個是神州信息Sm@rtMarketing的一大特色。某個城商行客戶，希望能夠通過Sm@rtMarketing 快速見到業務成效。那么我們就通過在該行“開門紅”的活動中，幫客戶選擇試點支行，對試點支行當地客戶進行精準分析、精確畫像，找到了符合細分客群畫像的專屬產品，再加上智能營銷篩選出的權益、渠道及話術的支撐。最后這次試點活動效果相比傳統批量化營銷實現了翻倍，用實際業績打動、折服了客戶。

■ Q6：線上線下一體化營銷如何實現，是否有具體案例可以向大家介紹一下？

陳潔：我認為銀行線上和線下的渠道，一定要是一體的、打通的，也就是我們所說的“全渠道”。只不過線上和線下渠道屬性不一樣，所承載的職能有所側重。線上渠道具備延伸半徑長、成本低等等特點，適合服務于廣大長尾客戶；再結合數字化、智能化的新特點，就能夠做好標準金融產品的個性化推薦，所謂服務千人千面的標品推薦。而線下渠道，可以跟客戶面對面，更有溫度，能夠更好地服務客戶的復雜金融產品定制化需求，適合提供1對1的貼身規劃服務。

而現在做一體營銷數字化時，幾乎都是打通了線上線下渠道，提供一體化營銷。比如最近在為某家股份制銀行做財富管理數字化規劃方案，我們在線上渠道部署了一個小的財富規劃模塊，用戶可以自助地選擇一些理財用途的生活場景，系統也能很快給客戶一個資產配置方案。通過“推送”和“預約”功能最終將線上與線下渠道打通。具體來說：一方面主動將客戶在線上的財富管理需求，推送、反饋到管戶經理手中；一方面為客戶提供“線下財富規劃預約”功能，客戶可以在APP中預約線下的進一步財富規劃。并且我們在線下配置了一套完整的財富規劃軟件，管戶經理會當面基于客戶的收入、資產、支出、風險偏好以及理財預期情況，精確地測算出目標GAP，針對這個缺口給出適合的理財、保險、基金甚至信托的組合配置方案。這個規劃就實現了線上和線下渠道的無縫銜接。

■ Q7：在數字零售金融的研究方面，圍繞著數據資產有哪些深入的思考和成果？

陳潔：數據作為資產來看待，是未來的趨勢，大家都說“數據是新石油，而且取之不盡用之不竭”。

既然數據資產這么重要，我們就要最大化利用它。但我們回顧過去10多年的數據管理過程，就會發現過去我們對于數據并沒有管理好，因此用起來也會很費勁。過往的數據管理僅僅是技術部門的一廂情愿，業務部門參與度不夠，導致“兩張皮”。當然這不能怪業務部門，因為業務部門沒有體會到數據管理產生的價值。

因此我們認為，現在的數據管理已經到了一個新階段，思路首先要轉變，要把原來重點數據治理向數據運營的方向上轉變。數據運營是要有參與方的，核心就是業務使用部門、數據管理部門、技術開發部門。這三個部門在一個平臺上協作，才能高效地把數據使用的、管理的閉環構建出來。只有閉環構建起來，才能通過運營迭代的方法，快速發現數據使用和管理中的各種問題，比如說質量、標準化、元數據描述等。這里也分享一個經驗：做好數據資產的可視化，也就是數據資源地圖，讓業務部門盡可能方便地找到數據、運用數據，是最關鍵、或者說最有效的一環。

趙涵：數據資產統籌管理的目的是形成銀行體系化的數據資產視圖，支持全盤把握與科學分析、清晰查看及快速使用、智能調度與高效管理，促使完成“從數據轉化成信息，從信息轉化成知識，從知識轉化成決策”的增值過程。

數據標準層面：需要優化完善數據標準規范，完成基礎數據標準和指標標準來源的探查，細化到源系統，后臺表，字段級別，形成一套覆蓋數據標準的編制、維護、應用、監督的管理體系。

數據質量層面：明確數據質量管理各相關方職責，優化數據質量管理流程，修訂數據質量相關管理制度，保證數據質量管理工作的持續運轉，形成“事前預防、事中監督、事后改善”的全面數據質量管理體系。

數據安全合規層面：制定數據安全管理策略，保障數據安全合規。按照國家政策法規相關條款和當前數據保密性要求對數據進行敏感程度評估，劃分至不同敏感級別；明確不同級別數據在監管審計、加密等場景中的安全管理要求，制定數據安全管理策略；在系統建設過程中將數據安全管理策略固化為控制規則，保障數據安全合規。

數據生命周期層面：完善數據生命周期管理策略，提升服務和運維效率。根據數據活躍度、安全管理、及時性、存儲成本和運維成本要求等，制定完整的數據生命周期管理策略，覆蓋數據存儲分級、數據存儲周期和服務級別劃分三項內容；建設數據生命周期管理工具，并根據數據生命周期管理策略對歷史數據進行歸檔、清理、查詢、使用。