河北快三走势图今天开奖结果查询

2019-07-13 22:47:11

来源:eResearch杨荣团队 中信建投证券

作者:杨荣

导读:

1、银行3.0战略升级,第三极零售应运而生

2、第三极零售之一:场景化零售的场景分类和搭建

场景化零售将金融服务无缝融入到生活的方方面面,延伸出来的生活场景包罗万象,从基本生活需求的“衣食住行”到品质提升需求的“医教文体”。针对不同的场景,各家银行根据自身情况的不同采取不同的场景搭建方式,一般来说场景搭建有2个维度:一是搭建空间,可以是线上场景或者线下场景;二是搭建主体,可以是自建场景、外部引流或者合作共建。

3、第三极零售之二:智能化零售方向

目前智能化零售的方向主要有人工智能、大数据、智能投顾、区块链交易等。在人工智能方面,应用前景主要有3个方向:(1)AI生物识别技术,提高识别与支付的效率和安全性。(2)AI智能客服,减轻人工客服压力、节省成本并提高客服效率。(3)智能营销和投顾,基于千人千面的营销方式和投资选择。

4、第三极零售的案例:各银行场景化和智能化实践

工商银行已建立核心金融服务场景240余个,涵盖生活、消费、出行、理财投资、公共服务等百姓生活的主要领域。并针对客户端,搭建了“工银e支付”全功能支付平台、“融e行”网上银行和手机银行平台、“融e购”电商平台和“融e联”即时通讯平台4大平台。在金融科技上,工行积极探索金融科技的发展和应用情景。目前,工商银行的金融科技人才已达1.5万人,相继成立了金融科技部、业务研发中心、金融科技子公司工银科技和7大创新实验室。

招商银行的场景化零售走在了市场的最前列。而招行场景化的两大利器就是旗下的两大App:“招商银行”App和“掌上生活”App。两大App已成为客户获取和客户经营的主要平台;大部分零售客户的交互行为已经从线下迁徙到线上,其85%的零售客户的交互行为都是通过App完成,并且这种趋势还在延续。在金融科技上,通过引入全新交互形态和AI内核打造智能微客服,利用大数据对零售客户生成1,726个客户画像标签,展开千人千面的营销策略,并在行业内首家启用基于人工智能的智能投顾产品—“摩羯智投”。

浦发银行公布未来5年战略目标—“打造一流数字生态银行”。推出零售经营新体系,通过流程重构实现业务的模块化和组件化;通过开放API、智能感知、挖掘建模等大数据应用技术,提升数据驱动运营能力;通过把握客户需求关键点,连接上下游合作伙伴,与百余家合作伙伴共建生态,形成银行业务的场景融入。在金融科技上,成立了五大创新实验室,并与国内外22家知名科技公司成立科技合作共同体。建设了新一代数据核心支撑平台,推出国内首款智能APP和首款智能柜台i-counter,并推出首个无界开放银行API Bank。

  第三极零售:场景化和智能化

一、银行3.0战略升级,第三极零售应运而生

Bank1.0指的是以传统银行业务为主的银行业务形态,绝大多数业务在物理网点的高柜上完成,主要业务方向为传统的吸储放贷业务。而在金融服务同质化严重的当时,银行主要的竞争方式是网点数量的铺设密度和广度,哪家的网点越近,网点内柜台数量越多就能争取到更多的客户。

Bank2.0是随着ATM和网络银行等金融科技将银行金融服务拓展为全天化和网络化的转变过程,客户依赖物理网点的行为被迅速转变,存取款等行为被24小时可使用、分布更广、跨行可取的ATM所替代,而大部分的零售银行业务也可通过电子渠道进行操作。但是Bank2.0时代的线上化仍有很多的不足,比如客户开户后仍会归属于某个具体的物理网点,且一些像开户、理财与保险购买、大额转账等较为复杂的业务因身份验证、材料审查和纸质合同签署的原因依然需要到网点进行办理。物理网点的布局也慢慢向低柜台和智能化转变但业务适用范围较为有限。

Bank3.0是随着互联网、人工智能和大数据等科学技术发展和社会消费主力人群的变更而引发的客户行为和消费习惯的转变,在物理网点逐渐消亡的同时带来的是绝大多数业务向手机等智能终端的转移,业务办理由全天化向全面线上化转变,而物理网点独有的存取款业务也将因去现金化和移动支付而逐渐淡出客户视野。业务的核心也从银行能提供什么功能到客户需求什么功能转变,这种转变不仅仅需要银行服务进一步便捷化和网络化的提升,更是银行对整个金融服务的再定位和再转型。当银行无法及时跟上客户的需求时,互联网和其他非银金融机构就能跨界渗入到银行客户,所以银行必须将客户需求作为决定金融服务转型的方向,而银行将零售业务升级为场景化和智能化零售是整体战略中的重要一环,第三极零售应运而生。

我们认为场景化零售不仅仅是银行零售业务的一个创新举措,也是未来零售业务的最主要运营方式,通过金融服务和客户生活中的各类场景紧密融合,让客户在无缝享受金融服务的同时,便捷好用的金融产品将牢牢切合客户需求,产生不可替代的客户黏性。而在零售业务逐渐场景化的过程中,智能化金融科技将作为后台中央大脑充分支撑起场景化的各项技术和数据需求。从AI生物识别到精准营销,再到智能投顾和大数据风控,未来银行的每一项零售业务将和智能化零售紧密结合。智能化零售的基础是集合内部系统、客户信息、市场动态的纯数字化的大数据库,没有数据支撑,任何金融科技的手段都无用武之地。而场景化和智能化的有效融合则能形成智能化零售提升场景化零售,场景化零售进一步丰富智能化零售大数据的正向循环效果。

二、第三极零售之一:场景化零售

1、场景化零售的特点和优势

传统银行零售业务“同质化”现象严重,各家银行的零售金融服务单一且没有自身特色和优势,加上互联网公司主导的移动支付逐渐兴起和电子银行的普及,造成银行客户黏性和转移成本均较低,在服务同质化的情况下极易因为办卡送礼或其他优惠活动等营销手段转换银行。而场景化零售以个人客户的日常生活中的真实场景为核心切入点,依托互联网、大数据、AI、生物识别等金融科技,将金融服务融入到具体场景的需求中,提升客户黏性和金融服务维度。场景化零售有4大特点和优势:

从笼统的提供金融服务到应用于真实场景

以往银行零售业务给客户提供最多的为笼统的金融服务,如查询、存款、贷款、转账、支付等,客户的金融服务独立于生活和场景之外,只有在生活中需要金融服务的特定时刻客户才会想起使用金融产品;而场景化扩展了金融服务的范围,将金融服务自然而然的展现在场景中,并利用金融服务在场景中引导和激发客户的潜在需求。

例如在用餐这个场景中,利用各类定制化的营销活动引导客户在用餐时想到去特定餐厅并使用特定支付方式进行支付,而不是在任意餐厅用餐后使用银行卡完成买单行为。针对用餐场景单笔金额小、频次高、需求稳定的特点,利用场景化的金融服务将用餐这个具体场景展现在目标客户面前。通过定制场景专有的营销内容和金融服务,如每周五中午工作餐满减优惠或每周三下午茶赠品活动等营销手段,使目标客群一想到用餐时自然而然的就想起场景特定的营销活动,进而激发客户的潜在需求,引导客户完成最终消费。在该场景消费完成后,银行又可以利用消费时产生的大数据收集目标客户的偏好和习惯,从而进一步精准的描绘目标客户画像,在下一次进入该场景时产生更针对的营销展示和专有活动。

从单一金融产品到完整的产业链和生态闭环

以前的银行只是在零售中提供单一的金融产品,在同质化和低转移成本的情形下面对其他金融机构的价格竞争和营销活动难以抵抗;而在场景化的消费中可以自上而下的延伸更多场景和更多需求,并形成生态闭环。将获客手段从价格竞争升级为价值体现,利用客户的“懒惰”(产品便利性)和“情怀”(产品独特性)提升金融服务的差异化溢价水平,采用网状延伸的场景化金融服务全面覆盖客户多种多样的生活需求,提升客户使用体验,从而聚合更多目标客户群,提升客户忠诚度。

例如在从场景化零售中激发客户潜在需求后,指引客户完成支付,并从支付业务延伸到消费贷款业务,通过不同类型的场景进行定制化分期还款业务,再延伸到链接工资卡等还款方式自动化无感化的进行还款,而多余资金又可在理财平台上进行财富管理和规划,为客户提供综合化的金融解决方案并形成激发潜在消费-支付-贷款-定制化分期方案-自动化还款-再次消费的生态闭环,使得客户接受到的金融服务更加完善。再通过可累计的信用评分系统、积分奖励机制和不定期的VIP专属营销活动等方式建立会员体系,鼓励客户重复使用金融服务,而在转移金融机构时的成本和程序大大增加,从而增加客户黏性。

从刻板的客户群体划分到精准化营销和服务

在场景化零售之前,银行对客户的划分粗放的依靠生理、地理和社会数据,例如年龄、性别、地区、职业、收入等笼统的数据划分客户群,各类客户群有所不同又相互重叠,而且较难通过客户的年龄、性别、地区等信息清晰的判断出客户的具体需求,给客户管理和营销带来混乱和困难。场景化零售要求银行不再通过机械划分客户群体后再去挖掘需求,而是通过挖掘衣食住行等特定场景的独特需求来定向开发目标客户,利用符合场景的定制化金融服务满足目标客户的需求,继而收集客户的大数据信息,延伸开发后续服务。

例如在购车这个场景中,银行不再通过划分年龄、性别和职业的方式去揣测各类客户是否有用车需求,而是通过在购车的场景(4S店、二手车店、网上交易)中利用定制化金融服务更高效精准的开发有用车需求的客户,使金融产品更加贴合客户的实际情况,提供如车主信用卡等专属信用卡,在加油、保养、道路援助等方面的营销活动吸引客户长期使用其金融产品。同时了解客户如购车动机,购车款来源、家庭收入和结构等相关信息,形成精准客户画像,将金融服务延伸至可能出现的搬家或职务升迁等其他场景中,丰富可提供的金融服务范围。此外,通过对客户的整体认识和场景化的需求的准确把控,有利于正确认知产品的风险水平和精准的确认产品定价水平,提升收益降低风险。

从现金贷款到对应真实消费需求

传统现金贷业务中银行无法掌握贷款客户的资金使用方向和额度情况,即使在客户明确告知贷款用途的情况下也难以避免道德风险,无明确用途的现金贷有可能投入到股市、期货、房产等市场中,过高的杠杆极有可能在市场波动较大时给客户带来损失,削弱客户的偿还能力,抬升银行的不良率。场景化零售在一定程度上减少了现金贷资金流向难以控制的现象,明确的消费场景和资金使用方向限制客户挪用信贷资金用于高风险投资或进行超过自身偿还能力的消费的可能性。但仍需要注意的是商家可能通过开具虚假交易清单或协助客户先使用消费贷购买商品再通过卖后折价现金回收的方式从银行套现并违约利用资金,增加银行信贷风险。

2、如何进行场景化零售

场景分类

场景化零售将金融服务无缝融入到生活的方方面面,延伸出来的生活场景包罗万象,从基本生活需求的“衣食住行”到品质提升需求的“医教文体”。随着场景的不断深化、银行利用自身独有优势和资源将大的场景根据客户需求的不同进行差异化细分,利用大数据和人工智能等金融科技手段对潜在目标客户描绘“千人千面”的精准画像并定制专属营销手段和金融服务内容,不断升级旧场景并产生新场景,拓展金融服务范围丰富金融服务种类。

场景搭建

针对不同的场景,各家银行根据自身情况的不同采取不同的场景搭建方式,一般来说场景搭建有2个维度:一是搭建空间,可以是线上场景或者线下场景;二是搭建主体,可以是自建场景、外部引流或者合作共建。

从搭建空间来看,主要有以网络商城和金融商城为主的线上场景和以日常生活与公共服务为主的线下场景组成。随着互联网和通信网络的发展,互联网思维的O2O(Online to Offline,线上到线下)也演化成OMO(Online Merger Offline,线上融合线下),使得线上场景和线下场景的界限越来越模糊,线上发起的场景往往会延伸出线下的服务和销售,线下发起的场景也往往需要线上的查询、支付与结算功能。

从搭建主体来看,银行主要以自建场景和合作共建为主,自建场景可以根据银行自身发展需要定制场景,充分满足差异化和具体化的客户需求,并提供针对化的产品、服务和解决方案;但自建场景往往需要银行具有强大的客户获取渠道、充分的资本支持以及专业的经营能力和后台技术处理能力。合作共建则可充分利用银行与合作伙伴之间不同的优势组合起来,银行可利用微信、支付宝、银联在二维码收支中的绝对优势采取二维码互扫互通,利用美团和饿了吗等外卖平台巨大的外卖场景需求提供支付服务并延伸至到店就餐场景。

而外部引流可以快速拓展新客户,迅速做大业务规模,在银行尤其是中小型银行因自身资本金和客户优势不够明显,地域因素限制较大时,选择以互联网公司做入口进行外部引流的方式搭建场景。例如通过在淘宝、京东、微信的入口建立金融商品旗舰店提供信贷、理财、保险等金融服务。但是引流的劣势也非常明显,一是在入口越来越狭窄,头部互联网公司掌握绝大多数流量入口的今天,引流费用也水涨船高;二是外部引流受到外部企业较大的控制,当互联网企业开始进军互联网金融时容易产生利益冲突;三是外部引流的客户虽规模可迅速扩大但转化为长期固定客户仍有较大难度,客户黏性较差,极易因价格上的优惠转到其他金融服务商处。

线上场景

就线上场景来说,尤其是购物、购票、外卖等日常高频消费场景已经被几家互联网公司牢牢掌握,市场份额巨大且用户黏性强,电子商务的快速发展对于我国居民消费方式的转变是影响巨大且不可逆的,不能在线上零售业务中占据一席之地的银行必将在场景化竞争中处于入口缩窄、客户流失的全面劣势。18年末国内网络零售市场交易规模达9.01万亿,同比增长25.57%,占社会消费品零售总额的23.61%,占比同比增长4.02个百分点;网购用户规模达6.10亿,同比增长14.45%,占网民总体比例达到73.60%,占比同比增长4.50个百分点。

银行作为传统金融机构难以从互联网公司的一片红海之中脱颖而出成为自建电商的领头企业,但是银行尤其是客户总量大的国有大行,可在网络商城的细分领域有所作为,主要专注于精品网络商城、全产品线金融产品与服务商城、增加用户黏性的积分商城等板块,充分利用银行天然的支付结算功能,自身高信用背书,线下网点多便于展示和分销,公司客户众多可批发销售,背后资金支持分期信用贷款,全实名制易辨真伪和追责等方面的优势。从一方面网络商城给银行带来了更大的收入来源和客户黏性,另一面客户在网络商城上的消费、信贷和理财行为又丰富了银行可以掌握的用户数据,便于更加精准的客户画像和进一步产品营销。

在网络商城上,实物商品主打单品价值较高的精品专品,如贵金属、3C产品、奢侈品等,增加单笔业务消费额便于后续链接消费金融服务,精致商品体积小易存放与运输可减小网络商城运营成本,利用线下网点用于商品展示提升网点客户购买欲望减轻排队客户忧虑情绪。在积分商城中,主打虚拟物品如流量卡、电话卡、网络会员和实物商品如生活必需品、新奇物件等低值常用商品,低值保证大小客户均能使用积分换购到合适物品,常用保证客户经常使用服务以增加客户黏性。在金融产品和服务商城中,主打银行作为金融机构的天然属性优势产品,如消费信贷、理财、保险购买、线上支付、生活缴费等。

线下场景

线下场景涵盖了用户日常生活的各个方面,作为商业银行想要把所有场景全部接入是不现实也是不经济的,各家银行的场景拓展方向应该趋向于日常生活中使用范围广的高频场景,再根据自身优劣势做场景细分。具体来看,我们认为发展前景较大的场景主要聚焦于餐饮、旅游、汽车等日常生活场景和医疗、教育、公共交通等公共服务场景,以聚合支付作为主要切入点吸引客户使用银行服务、取得获客机会,再以围绕场景的综合化、网络化和智能化服务作为留客手段,形成闭环的生态圈。

校园场景

我们以校园场景举例展示银行在线下场景中的业务拓展方式。我国针对困难家庭大学生的学费和住宿费,已有社会保障和财政贴息性质的国家助学贷款和生源地信用助学贷款项目,所以银行业在校园场景的主要产品是信用卡和消费贷。早在2009年,《中国银监会关于进一步规范信用卡业务的通知》规定“向经查已满18周岁无固定工作、无稳定收入来源的学生发放信用卡时,须落实第二还款来源”,银行基本上大部分退出了学生专有信用卡业务。在校大学生在没有稳定的收入来源和长期积累的征信信息的情况下,电商旗下消费贷以及网贷公司的校园贷业务大举进军校园信贷场景,也带来了诸多乱象。2017年6月《关于进一步加强校园贷规范管理工作的通知》要求一律暂停网贷机构开展在校大学生网贷业务,并鼓励合规机构积极进入校园,为大学生提供合法合规的信贷服务,重新打开了我国3000万在校大学生群体组成的一个至少千亿以上的合法信贷市场。

银行可以利用自身信用好、资金成本低、运营规范、征信能力强、偿还约束力高等优势,从客户挖掘和贷前审核方面与校方合作,开展消费贷、信用卡等具有明确消费场景和资金用途的小额高频校园信贷。虽然大学生目前无收入无征信,但其具有较强的消费意愿和新一代的消费观念,且未来收入和还款能力有一定程度的保证,是小额高频次消费贷款的优质客户,在拓展校园信贷业务的同时,也获取了未来的潜在客户和优质的征信信息。

针对校园消费贷,目前建设银行、中国银行、招商银行等银行已发布相关产品。建设银行广东分行率先发布“金蜜蜂校园快贷”产品,针对广东省内大学生提供1000到50000元的消费贷,期限在一年以内,日息万分之1.5;中国银行推出“中银E贷?校园贷”,额度在8000元以内,期限在一年以内,未来延长至3-6年;招商银行也推出“大学生闪电贷”,日利息低至万分之1.7,额度8000元以内,而期限最长为2年。

针对校园信用卡业务,目前银行会先向学生办理零额度的信用卡,在达成第二还款来源的要求后提升额度,而目前银行主要采纳3种个人或机构充当第二还款源:(1)直系亲属;(2)保险公司,广发银行利用和保险公司合作,业内首家推出以保险公司作为学生卡第二还款源的银行,中国银行和中信银行也紧随其后推出自己的相应信用卡产品,以保险公司作为第二还款源也是目前最可靠的第二还款源;(3)消费金融公司,工商银行则采取与分期乐消费金融公司合作的方式发布工商银行宇宙分期乐信用卡,以分期乐预先在工行存入的保证金作为第二还款源,如果产生90天以上的逾期,则从这笔保证金中扣除相应的逾期本金。我们认为以上3种第二还款源的还款意愿和还款能力均有所保障,对于小额的校园贷款来说不良率将维持在较低的水平。

聚合支付

聚合支付线下收单是银行场景化零售极其重要的场景,起着拓展客户和商户资源,沉淀结算资金,延伸金融服务的重任。随着支付宝、微信支付、京东支付、美团支付等第三方支付前几年的迅速发展,第三方移动支付越来越普及,尤其是针对长尾客户的支付需求,手机移动支付的小额高频方式已经彻底超越传统网上银行的大额低频支付方式。因第三方支付系统不在银行的支付结算体系内,导致了支付领域的“金融脱媒”,银行被边缘化和后台化。自16年第三方支付机构向银行开通收单通道后,银行采取聚合支付的方式将第三方支付机构的二维码整合起来形成统一的支付码,由过去第三方支付将银行作为通道的快捷支付方式转变成银行将第三方支付作为通道的聚合支付方式。

聚合支付提升了客户端和商户端的体验。从客户体验上,因为聚合支付将市面上大部分支付方式全部融合到一个二维码内,客户无需担心兼容性和可用性,使用任何其习惯的支付方式完成支付即可,增加了便捷度和体验效果。从商户体验上:

1、过去商户需要分别与微信、支付宝、银联的机构进行对账和结算,造成账本的割裂和分离,不利于商户对自身经营状态做整体判断和把握,聚合支付对于各种支付方式产生的收支账目全部汇总到银行的系统内,给商户提供整体的对账和结算服务。

2、此外银行作为底层结算商可以直接进行资金结算,相较于现有的第三方聚合支付公司具有成本和结算速度优势,加上银行可以通过减免手续费而利用后续贷款和理财服务赚取收益的方式拓展客户,其费率更低。

3、银行本身信用等级高、安全性强、金融服务经验丰富流程清晰,更容易得到商户的信赖。

三、第三极零售之二:智能化零售

金融科技已经成为了每家银行的重点战略方向,各银行在年报中也都重点披露了金融科技的最新进展。我们认为智能化零售作为后台辅助,是发展任何零售业务的基础。有且只有在通过金融技术将各类信息组成完全数字化的大数据库,才能在场景中完成AI生物识别确定客户、精准营销确定产品、区块链和聚合支付等手段确定交易流程、智能投顾和大数据风控进行投中和贷中管理的金融产品全链条服务。

1、AI识别和营销

人工智能主要在银行零售业务中应用主要有三:

其一、AI生物识别技术,提高识别与支付的效率和安全性。生物识别是利用人体的固有且独特的生物特征,例如指纹、人脸、虹膜、静脉、声纹等,通过生物统计学解析运算从客户的生物信息数据库中鉴别出个人身份并完成支付和基于客户信息的个性化客服和营销服务。目前的主要识别手段是指纹识别,其优点是技术成熟且成本较低;而未来的发展方向主要是人脸识别,目前市占率增速高于其他识别方式,其优点是无需接触,可以大大的提高识别速度和人数、同时可以做到无感识别,增强客户体验,并且减少接触式识别带来的卫生隐患。

其二、AI智能客服,减轻人工客服压力、节省成本并提高客服效率。目前AI客服主要分线上智能客服和线下网点智能客服两种应用形式。在线上智能客服中,通过人工智能和机器自主学习方式了解和分析人类语言以及表达含义,再通过预先设定好的答案进行快速响应和解答,目前主要运用于常见问题的解答。因当前语言识别技术限制,还无法做到完全替代人工客服的程度,某些疑难问题或客户针对性的问题AI客服仍然无法解答或提供错误答案。所以还需要和线上人工客服互相配合,由AI客服预先将客户分流,解答常见问题并自动将疑难问题转接至人工客服处。

线下网点智能客服主要应用于全自动化的无人网点中提供全年无休的银行服务。在客户步入智能网点后,通过人脸识别鉴别出客户身份,通过AI机器人迎接客户,回答简单问题并对客户进行分流,然后引导客户至相应的智能化一体机中完成全部业务操作,在遇到疑难问题时通过视频连线的方式导流至线上人工客服处进行处理,实现全年无休的快速响应和金融服务。

其三、智能营销和投顾,基于千人千面的营销方式和投资选择。由于大数据在金融科技中的快速运用,各银行制定了成百上千的客户标签并采集了针对每个个体的极大量的相关信息,通过大数据技术完成千人千面的客户画像和客户定位后,利用人工智能技术将个性化的营销内容呈现在客户的手机客户端以及客户迈入智能网点后的营销广告屏上进行针对性的金融产品服务营销。再利用机器学习技术创立智能投顾中心,根据投资理论并结合客户本身的个人财务状况、风险偏好和财务规划目标给出个性化的最优资产配置方案和包括股票、债券、货币基金、衍生品、大宗商品、不动产、贵金属等不同投资领域的投资组合。

2、大数据风控

除了上文提及的利用大数据技术进行千人千面的营销方式,大数据在金融科技中的另一个重要应用是基于大数据的智能和实时风控。在银行进行传统信贷业务的过程中已经积累了丰富的风控经验,但是由于获取公司客户经营信息和个人客户财务信息难度大,频率高,容易引起客户不良体验,造成传统的风控手段存在信息收集困难、存在道德风险和信息滞后等问题。而大数据技术的运用可以优化传统的风险评估模型,提高风险的识别能力和实时性。主要在风控领域的运用有4方面:

其一、优化风控模型。大数据的运用使得银行现在可以基于大数据采集到的更加完善和细致的信息对客户的风险程度进行更好的评估,充足的客户信息可以极大的优化基于传统公司报表和个人银行流水的风控管理体系,改进风控模型的判断能力和预测效果。

其二、增加风控效率。以往风控人员需要在繁杂的报表数据和个人客户流水中找到关键的风控信息,并通过经验积累和公司培训做出风控决定,而通过大数据风控的自动化运行,可以自动采集并分析公司和个人客户的风险数据,减少了重复任务中风控人员的采集和判断时间,提升了效率,并减小了风控人员可能出现的误判率。

其三、提高客户身份识别能力。基于生物探针技术,通过收集用户使用手机的习惯形成的大数据,例如手机点击频率和速度、手持手机的角度、触摸手机的方式和点击力度等方式,进行细致化的行为识别技术,加上生物特征识别技术,极大的减少了账号盗刷盗用的风险。

其四、增强风险识别实时性。利用大数据收到的即时信息和大数据风控体系对客户的风险程度进行实时评估,并在出现风险点时做出实时预警。例如对于制造业客户,利用RFID等技术收集和监控生产数量、成品率、库存、出货率等大数据,对生产过程进行全程监管,在数据出现异常时实时预警,将风险点第一时间暴露并提供给后台风控部门进行干预与整治。

3、智能投资顾问

“智能投顾”(Robo-Advisor)又称机器人投顾,是基于投资者的自身财务状况、风险偏好和投资期限,通过将经典的投资组合理论、行为金融学、效用理论等多种理论融入算法设计,以及对市场数据及时高效的分析处理,对股票、债券、基金、期货、大宗商品等投资标的进行自动化、智能化投资管理。

智能投顾的理论基础一是基于投资者风险偏好的不同和马克维茨的均值-方差模型计算出的有效投资组合在各类资产上进行分散投资来控制波动率并获得长期稳定回报率,二是基于量化投资策略通过alpha因子、beta因子、小市值因子等各种量化因子和无风险套利等策略进行模拟量化投资,利用计算器的快速运算能力选出最优因子和最佳投资组合,同时利用机器学习手段探索和改进投资模型和算法,优化投资逻辑,减少程序漏洞和出错几率。

由于专业理财规划人员有限、获客成本和服务成本高、投资理财的门槛过高等因素,商业银行、信托和第三方理财等财富管理机构都没有足够的资源、精力和意愿为AUM较小的长尾客户提供定制化的一对一财富管理服务。智能投顾利用机器的低成本和高效率可以有效的降低服务成本、提升服务效率、延长服务提供时间、拓展服务对象,解决过去人工理财服务成本高和门槛高的特点。

智能投顾兴起于2008年,当年互联网公司Betterment和Wealthfront相继在美国成立开启智能投顾时代,目前两大公司已成长为管理超过100亿美元,估值超10亿美元的独角兽公司,而目前AUM居首的智能投顾服务机构Vanguard Personal Advisor Services凭借先锋集团自身的品牌优势和客户基础已经管理超过1150亿美元的资产。2018年全球智能投顾的总管理规模和用户已经达到5431.88亿美元和2610万户,未来5年AUM的复合年化增长率为36.27%,而2018年中国智能投顾的总管理规模为289亿美元,未来5年AUM的复合年化增长率高达60.59%。

自2016年开始,国内的金融机构,尤其是银行,纷纷推出智能投顾产品。招商银行于2016年12月在银行中率先推出其智能投顾产品“摩羯智投”,并将其嵌入招行APP,根据投资者的投资期限和自身风险承受等级,匹配投资组合。目前银行系智能投顾包括工商银行AI投、中银银行中银慧投、浦发银行财智机器人、兴业银行兴业智投、平安银行智能投顾、江苏银行阿尔法智投、广发智投等。

银行系智能投顾产品拥有几大特点:(1)投资标的为公募基金;(2)采取智能+人工的投资模型和算法搭建方式;(3)通常投资期限分为1年以内、1-3年和3年以上;(4)投资起点大都在1万到2万之间。

目前智能投顾还存在以下几个问题:

其一、人工智能和机器学习技术尚不成熟。编程设计不够完善,对于资本市场数据和客户数据利用深度不够,从而可能导致智能投顾算法模型缺陷或者系统异常以及向客户匹配不适合其投资偏好的投资组合;加上智能投顾的实时性,可能在短时间内迅速扩大异常交易带来的潜在损失。

其二、投资标的、机器算法和投资组合的同质化。目前银行系智能投顾的投资标的为公募基金,虽然目前我国市场存在超过5000只公募基金,但根据公募基金过去业绩排名,第三方机构评选等方式进行筛选后的可选基金池大大减少。加上目前算法技术不成熟,人工智能方面科技人才匮乏,导致算法的同质化现象严重。较小的可选基金池叠加同质化算法容易产生踩踏效应,而发生踩踏效应后智能投顾的实时性又会第一时间发现下跌趋势而建议投资者更改投资标的,加重踩踏效应的严重程度。

其三、中国金融市场的有效性。中国股票市场政策法规尚未成熟、执法力度有待加强、投资者构成散户化、市场有效性还待验证,市场波动性较大,从而把基于有效市场的传统投资理论搭建的智能投顾模型的适用性大打折扣。同时客户的接受程度不足,散户化的客户基础和客户长期投资理念的缺失,导致客户进行快进快出式的投资方式,从而弱化了基于长期投资理念和价值回归模型的智能投顾的收益效果。

其四、偏股或偏债基金带来的策略偏移。智能投顾的投资策略是基于客户风险偏好和投资期限给出不同比例的固定收益、股票、货币和其他类的投资组合,再根据选定的投资范围,从投资范围中选择相应的公募基金。但相应的公募基金并不是全部100%持有固收或者股票类标的,如果智能投顾认为客户只需要10%的现金和货币基金,但固收和股票类公募基金中也持有10%的现金或货币类产品,就会产生现金类产品占比超过投资组合规划的策略偏移现象。

其五、目前智能投顾的下单和结算方式较为复杂。智能投顾基于公募基金池筛选并选择投资组合的方式和FOF的投资方式十分相像,但和FOF的下单和赎回方法大不相同。FOF采取合并计算旗下投资基金价格,并以母基金每股价格进行买卖交易的方式;而智能投顾采取在推荐客户相应的投资组合或根据市场行情推荐相应调整后,分别购买或赎回投资组合内的公募基金份额。虽然有一键下单和一键优化功能,但客户依然会在购买时收到不同基金公司的短信提醒,在赎回时基于各家基金公司的到账时间收到不同时间段的到账通知,给客户的到账时间和收益核算带来较差的体验。

4、区块链交易

区块链利用块链式数据结构来验证与存储数据、利用分布式节点共识算法来生成和更新数据、利用密码学的方式保证数据传输和访问的安全、利用由自动化脚本代码组成的智能合约来编程和操作数据的一种全新的分布式基础架构与计算方式。目前的主要应用有采用数字加密货币的交易系统和利用区块链不可篡改、公开透明和自动执行的智能合约系统。区块链按集中度主要分为3类:公有区块链、联合区块链和私有区块链。

跨行跨境货币交易系统

目前银行业对区块链的主要应用方式是基于银行业联合区块链的跨行跨境货币交易系统,少数银行已经开始搭建并投入使用。基于银行业联合区块链的跨行跨境货币清算系统相对于现在的货币主要有以下优势:

其一、跨境清算速度优势。相对于目前国内的银行间清算系统不具有速度优势,但相对于国际间利用SWIFT通信并利用CHIPS或EURO1等清算系统进行美元、欧元等货币的跨境清算时速度优势明显,将以前跨境清算以天做单位缩减为以秒做单位。

其二、信息不可篡改。一旦信息经过验证并添加至区块链,就会永久的存储起来,除非能够同时控制住系统中超过51%的节点后对系统做出修改,否则单个节点上对数据库的修改是无效的,在区块链参与人数众多时同时控制51%的节点难度特别大,因此区块链的数据稳定性和可靠性极高。

其三、去中心化。由于使用分布式核算和存储,区块链交易不需要一个集中的中央服务器系统去提供连接和信息处理支持。一是在收到人为攻击或自然灾害时,整个系统的数据依然能够完整的保存在区块链上;二是不存在服务器维护维修时造成系统暂停而中止交易的现象;三是减少信息处理节点,过去系统内的信息需要从发送方发送到中央服务器再发送给接收方,区块链可以跳过中央服务器直接进行点到点的信息互换,提升效率。

其四、信任度升级。区块链采用基于协商一致的规范和协议使得整个系统中的所有节点能够在去信任的环境自由安全的交换数据,使得对人和机构的信任改成了对机器的信任,任何人为的干预不起作用。

区块链交易目前的问题:

其一、处理速度慢。相较与比特币的7笔/秒的数据吞吐量,Visa达到8000笔/秒,而支付宝更是超过25.6万笔/秒,过低的吞吐量根本无法满足当今社会资金流转的需求,极易造成区块链的交通堵塞,而最原始的提高交易费用减小交易频率的方法不仅增加了平台用户成本也没有实际上解决吞吐量过低的问题。

目前提升区块链吞吐量主要有4种方法:

1、增加区块大小:比如将目前比特币当区块大小从1MB提高到2MB就可以使其每秒处理量增加一倍。如果想让比特币达到Visa一样8000笔/秒的处理速度,区块大小将超过1GB,但是过于庞大的文件大小使得在交易时将数据传送给网络中的其他人变得不切实际。

2、链下解决方案:将当前每次交易需要网络中全部节点记录的方式变成交易者先与链下服务器进行交易,链下服务器再集中将一段时间的信息集中上传到区块链上。但是这类链下网络违背了区块链公开透明的原则,安全性也值得怀疑。

3、代理共识:将信息处理交于具有一定信息处理能力的一群代理成员,由代理成员运行代理共识协议达到缩减共识流程增加吞吐量的效果。但共识代理协议实质上是一种中心化的处理模式,也无法杜绝共识代理之间达成合作协议以控制整个区块链网络的道德风险。

4、分片技术:将数据整体打散随机分成更小的部分,由随机确认的节点进行验证总结再将结果上传至区块链。虽然分片技术可以大幅度提高吞吐量,但技术的不成熟也增加了错误概率,从而带来数据的高延迟和不一致性问题。

其二、系统数据储存压力。随着区块链使用人数和频率的增加,区块链需要传输的数据也大幅增加,即使吞吐量极小的比特币目前数据增长率大约为0.14GB/天,一个完整节点的数据存储超过200G,而以太坊的数据增长率约为0.23GB/天,完整的数据存储更是超过1TB。过高的数据增长速度和储存空间要求已经逐渐高出普通用户的承受范围。而随着区块链商用后的数据传输和储存要求将指数倍增加,每个见证节点的负担和他数据同步成本也会增加,使得更少数的节点拥有见证节点的能力并阻碍新的节点接入的动力,从而使区块链变得更加集中和中心化。

其三、安全技术成熟度。各家银行经过多年的网络化和数字化建设,已经在基于传统中央服务器形式的交易安全系统方面积累了许多安全管理经验,已达到金融级的数据加密和传输效果。而区块链作为新技术,可供黑客利用的漏洞更多,区块链基于开放式网络的模式使得黑客可以更容易的进行网络攻击。

从目前情况来看,银行内部之间以及同一集团控制的各家境内境外银行比较适合在私有区块链上利用增加区块大小的方式进行跨境交易,充分利用私有区块链的封闭性和安全性,以及数据吞吐量不大时增加区块大小方式的技术具有相当的成熟度和稳定性。而银行间的跨境交易则更加适合利用代理共识模式的联合区块链,这样可以在数据安全性和公开透明度上做平衡,并利用银行,尤其是大型银行的信用背书充当代理来降低节点可能存在的道德风险,并提升吞吐量和交易效率。

基于区块链的供应链金融和票据业务

供应链行业往往涉及到产业上下游等多家企业,和企业之间商品、资金和信息的交互。传统模式下,供应链上下游各自保存各自的供应链信息,缺乏透明度和认可程度,造成了较高的时间和金钱成本,而且一旦出现问题难以追查和处理。

而区块链提供了一个透明可靠的信息平台,各方均可实时查看商品、资金和信息的当前状态,降低沟通成本,并可通过链上信息逐步追溯商品整个生产和流通过程,并在完成交易条件后依照预先设定好的交易程序自动完成交易流程,从而提高供应链管理的效率金额安全性。当发生纠纷时,因所有信息公开透明且可追溯,举证容易且可行度高。同时银行可以通过区块链实时获取到大量上下游企业的生产信息,并基于大数据系统完成实时风控和信贷管理。

近年来国内票据行业飞速发展,已经从传统的纸质票据时代来到了电子票据时代,电子票据虽然在一定程度上解决了纸质票据交易效率低下、风险较高、虚假票据等问题,但依然存在着中心化、重复记账、流通局限性、安全监管等一系列问题。区块链的去中心化特征可以取代票据中介的作用,从而缩减效益流程、提升交易效率并减少交易成本。区块链的信息不可篡改特征可以在票据交易完成后根据预先设定程序按照合同条约自动执行条款,避免赖账、一票多卖、和打款背书不同步等现象。前后相连的链式结构也公开透明的将信息展示给各类用户和监管机构,提升信息的信任度和可追溯性,加大违法成本并减小监管压力。

四、第三极零售案例:场景化和智能化零售的实践

近两年来,各上市银行纷纷提出了自己的场景化战略和金融科技战略,加快建设各类生活场景,并在提升基础设施处理能力的同时在人工智能、大数据、智能投顾、网络安全、区块链等领域加大资金和人才投入。我们选取业内有代表性的工行、招商和浦发3家银行举例说明各家的场景化与智能化零售实践方式和效果。

1、工商银行

工行作为国内业务规模最大的银行,场景化和智能化零售最大的优势是用户规模和金融科技投入。庞大的用户规模使得场景化业务可以迅速铺开,边际成本和人均摊派成本大大降低,同时各项金融科技的应用也得到了充分的试验和验证。随着持续推进“e-ICBC3.0”战略升级,工行在搭建核心金融场景和金融科技投入与应用方面走在了市场最前列。

场景化实践

工商银行在场景化零售中着力从支付和应用场景两方面入手,目前已建立核心金融服务场景240余个,涵盖生活、消费、出行、理财投资、公共服务等百姓生活的主要领域。

针对商户和服务提供端,在政务服务领域上线社保、公积金、税务等场景应用,完善身份认证、个人信息查询、缴费等全功能生态链;通过“银校通”实现校方对学生学籍信息和各类教育费用的管理,通过“智慧物业”实现物业缴费和报修维修,通过自主研发的“车牌付”成功中标吉林、四川等地高速公路无感支付通行项目,通过“商医通”建设医疗供应链协同平台。

针对客户端,依照互联网金融战略搭建了“融e行”网上银行和手机银行平台、“融e购”电商平台和“融e联”即时通讯平台3大APP,以及“工银e支付”全功能支付平台。

“工银e支付”是工商银行推出的全功能支付平台,目前,该支付平台已实现大小额支付全适用、本他行客户全覆盖、支付场景多样化、风险监控实时化。适应PC、平板、手机、穿戴设备等多终端,覆盖线上线下多支付场景,包括适用于大额安全支付的U盾、密码器等,又包括适用于小额便捷支付的短信认证、密码支付和指纹支付,并可依据交易智能化推送最佳认证方式。此外,工行与银联达成战略协议,实现了与银联二维码的互扫互通,又通过聚合收单服务整合微信和支付宝等第三方支付平台的客户,完成线下支付的资源整合。

智能化实践

工商银行建立了包括物联网、大数据、人工智能、云计算、互联网金融、区块链与生物识别、主机开放平台系统在内的7大创新实验室,积极探索金融科技的发展和应用情景。目前,工商银行的金融科技人才已达1.5万人,相继成立了金融科技部、业务研发中心、和金融科技子公司工银科技。

其一、在人工智能方面,运用神经网络模型和流数据处理技术在反欺诈识别领域实现对电子银行交易的实时监控,有效防范客户资金损失;在生物识别技术上,成立生物识别信息平台对客户的多种生物特征统一管理和识别认证,提升识别精准度,并推动人脸识别技术在ATM取款、业务支付、社保资金领取等领域的应用。

其二、启动智慧银行信息系统(ECOS)建设工程,智慧银行信息系统(ECOS)建设工程,通过构建e支付功能从主机向开放平台延伸,合理布局网点,整合存取款业务;完成主机新一贷双活架构投产运营和切换验证,实现系统级数据零丢失,进一步提升主机系统业务联系性保障水平。在运营管理方面,持续开展信息安全平台建设,搭建IT大数据平台,提升信息安全防护水平。

其三、于17年推出智能投顾AI投,目前AI投正式升级为2.0版本,在原来AI智投的基础上新增AI指数和AI策略模块。其中,AI智投基于海量数据对客户进行精准画像,为不同风险偏好的客户提供不同风险收益特征的基金组合,力争实现稳健回报;AI指数包括追求相对收益的工银股混和追求绝对收益的工银配置,二者分别跟踪中证工银财富股票混合基金指数和中证工银财富动态配置基金指数;AI策略选取则精选工银瑞信、南方基金、鹏华基金等国内优秀的基金投资团队,根据权益投资仓位提供稳健精选、均衡配置、成长优选、积极进取四档不同风险收益特征的基金投资组合。

其四、在区块链方面,工行与贵州省政府合作建设了业界首个服务于精准扶贫的区块链平台,并与雄安新区在万亩造林项目中合作,利用区块链技术实现项目资金的闭环管理和项目及用款审批的透明运作,保障扶贫工程和民生工程的高速发展。此外,工行发布首个区块链专利,致力解决用户向多个实体反复提交个人信息等数据的痛点。该项专利将用户授权书与特定的电子证书相匹配,授权后,数据将会被加密在一个区块链上,可能使用证书的不同实体可以随时更新该分布式账本。

其五、在物联网方面,自主研发了同业首个物联网平台,在信用卡汽车分期业务和小微金融中投入实践,提升了风险控制水平。

2、招商银行

招商银行是最早切入移动端的商业银行,在零售端一直坚持“网络化、数据化、智能化”的发展战略,尤其注重移动客户端的发展,坚持“移动优先”的战略。招商银行在零售端的核心金融科技产品是两款App—包罗理财投资,涵盖生活中主要零售业务的招商银行App以及以“打造品质生活”为核心目标的掌上生活APP。招行两大App每年都会在运用最新金融科技的基础上进行优化升级,推出全新版本,升级用户体验。2018年,两大App的MAU达8,104.67万,较上年末增长47.24%。

从版本更新方向和内容可以看出招行场景化零售的战略思维和逻辑从最开始的利润为先,追求存贷款规模和净息差的传统金融场景;到追求资产管理规模(AUM),将思维拓展到消费信贷和理财等泛金融场景;最后到把握场景入口和流量,以月活跃用户(MAU)作为北极星指标,围绕客户日常生活场景嵌入全方位的产品和服务,而只要活跃用户在场景化的不断使用招行的产品和服务,资产管理规模自然而然就会提升,管理规模的上涨又自然而然的产生更多的收入和净利润。

场景化实践

作为零售银行龙头,招行场景化的两大利器就是旗下的两大App:“招商银行”App和“掌上生活”App。随着数字化平台建设逐步深入,两大App已成为客户获取和客户经营的主要平台,其中借记卡线上获客占比17.89%,信用卡数据获客占比61.21%,两大App分别有27.11%和44.21%的流量来自非金融服务;此外大部分零售客户的交互行为已经从线下迁徙到线上,其85%的零售客户的交互行为都是通过App完成,网点到访流量占比不到3%,并且这种趋势还在延续。在场景搭建上,两大App已有15个MAU超千万的自场景;场景聚焦出行、饭票和电影票、商城、校园、医疗等垂直细分领域。

“招商银行”App侧重金融自场景,提供包括账户收支管理、支付结算、投资理财、贷款、城市便民生活等全方位的综合金融服务,是招行客户最活跃的电子渠道。截至18年末,招商银行App累计用户数7,827.04万户,其中,月活跃用户数4,150.80万户,人均月登录次数11.94次。交易量快速增长,18年招商银行App交易笔数13.82亿笔,同比增长33.91%,交易金额30.76万亿元,同比增长72.13%,其中,招商银行App理财投资销售金额6.26万亿元,同比增长41.31%,占全行理财投资销售金额的59.11%。

“掌上生活”App聚焦高频生活消费场景,如两票(饭票、影票)、商城、旅游等场景,为App客户提供支付和消费金融等金融服务,引领信用卡的转型升级。截至18年末,掌上生活App累计用户数7,002.73万户,其中非信用卡用户占比24.38%,月活跃用户数3,953.87万户,年轻客群占比超过70%,客户规模和活跃度持续领跑同业信用卡类App;累计贡献信用卡名单量384.44万,通过掌上生活App推出的“e智贷智能引擎”成功办理的消费金融交易占总消费金融交易的比例为49.47%,掌上生活App的战略地位得以进一步确立。

2018年9月17日,招商银行正式发布了招商银行App和掌上生活App的7.0版本,在收支账本、城市服务、基金频道、社区升级、智能服务方面均有重大更新,并有149项功能的优化。

新增城市服务板块,利用每个城市不同的生活习惯和消费场景,充分发挥各分行网点的特色服务并将其从线下挪至线上,围绕当地人生活状况将便民服务和生活场景进行定制化和本地化。理财板块新增社区概念,引入大量专业人士观点与客户互动内容,从单纯的金融产品推销变成场景化的社区交流模式,提高用户粘性和平台的活跃度,并在社区营销和推荐中利用招行自有客户的大数据引入用户的风险偏好和资产状况,加上类似于百度等互联网公司采用的信息收集技术对客户在两大App使用过程中点击和搜索的内容提取客户兴趣点,从而智能匹配最适合客户的金融产品和服务。

首次向非招行卡用户开放App,向合作伙伴开放API(应用程序编程接口)。7.0版本向没有招行银行账户的客户开放,通过手机号注册即可使用“饭票”、“影票”以及其他生活缴费等场景,并可对接第三方支付;同时开放API向金融同业和互联网企业输出金融服务能力,依托更大的平台资源提升招行产品渗透率,继而提升MAU。目前非招行卡绑定用户数已超过千万,通过开放用户体系和程序端口的做法,获取大量新增客户,通过定制化无感化的场景服务提升客户的活跃度和黏性,再向原有的账户体系进行导流,引导客户开通招行账户,提升App使用频率以及信贷、理财等产品规模。

智能化实践

在人工智能方面,通过打造智能微客服,引入全新交互形态和AI内核,布局声纹识别、语音大数据分析、智能服务机器人等方式提升线上服务体验。此外,通过对零售客户生成1,726个客户画像标签,展开千人千面的营销策略,营销成功率提升到17.42%,形成基于大数据的个性化精准推荐。

在大数据方面,在APP5.0版本招商银行就利用大数据为客户提供全方位的收支记录功能,按消费、投资、转账与收入四大类别帮助每个用户进行自动分类汇总,全方位自动记录用户资金流向,让每个用户能更全面地了解自己收支财务状况。

在智能投顾上,招商银行在行业内首家启用基于人工智能的智能投顾产品—“摩羯智投”,并在之后定期对其进行升级,目前已经积极引入人工智能、大数据、云计算技术,成为国内规模第一的银行智能化产品。目前,摩羯智投系统已经对3400多只公募基金进行分类优化和指数化编制,每天还要进行107万次计算来优化模型,确保系统能够给予投资者最优风险收益曲线与投资组合方案。

在区块链技术方面,招商银行的主要运用方向为跨境直联清算业务和同业数字签约。在跨境直联清算业务上,招商银行与17年末就与旗下的永隆银行和永隆深圳分行完成了全球首笔基于区块链技术的同业间跨境人民币清算业务,目前的交易笔数已经超过7万笔,交易金额超过80亿港币。在同业数字签约的应用上,通过搭建联合区块链平台,引入大型银行机构充当节点和共识认证机构,而规模不大的参与者则可以加入平台来减轻自己开发和运营平台的资金和时间投入。通过区块链合约解决纸质合同签署的低效率的同时避免萝卜章等道德风险,再利用链上链下结合与授权交换技术,在完成匿名交易、保证交易隐私性的同时降低数据传输量、银行业对客户的核实成本以及欺诈风险。

3、浦发银行

18年初,浦发银行公布未来5年战略目标—“打造一流数字生态银行”,其中生态银行中的重要一环,即是零售业务向场景化生态圈转型,将零售金融服务完全融入到场景中,做到零售金融服务的无处不在和触手可及。19年初,浦发银行召开零售业务合作伙伴大会,并正式宣布推出零售经营新体系。该体系通过流程重构实现业务的模块化和组件化;通过API、智能感知、挖掘建模等大数据应用技术,提升数据驱动运营能力;通过把握客户需求关键点,连接上下游合作伙伴,与中国银联、国泰君安证券、腾讯、蚂蚁金服、京东数字科技、汇添富等百余家合作伙伴共建生态,形成银行业务的场景融入。

场景化实践

浦发银行从自建场景和开放API两方面入手,打造场景生态银行。在自建场景中,发布手机智能APP10.0版,利用动态大数据分析,充分了解用户偏好,为用户精准推荐适合的产品、活动和资讯等。上线“财智机器人”,通过会话即可选择并购买理财产品;提供理财产品转让服务,自售的非保本产品均可在手机银行APP上进行转让,成交后资金当天即能到账,大举提升自售理财产品的流动性。针对高净值客群需求,上线“知享·慧生活”一站式非金融管家服务平台,该平台已有“健康尊护”频道8大项目,近期还将陆续推出子女优培、顾问咨询、雅致生活共计4个频道30多个子栏目的智慧生活内容。截至18年末,个人网银客户3,024.10万户,交易金额9.38万亿元,个人手机银行客户3,466.30万户,交易金额7.29万亿元。

同时,浦发银行提出无界开放银行(API Bank)的概念,强调金融科技与场景化的结合,突破物理网点和手机App的局限,通过API技术搭建多元互动的生活频道和资讯频道,开放产品和服务并嵌入到各合作伙伴的平台上,使银行与各行业连接起来,使用人工智能、数据标签、微服务等技术手段,围绕客户需求和体验形成即想即用的跨界服务,缩短开发周期,降低合作成本。通过和京东金融、马上理财等平台开展“靠浦e投”合作,将金融产品API开放给第三方理财销售平台实现客户群体的扩容。此外,在行业内率先推出个人贷款微信小程序,支持在线贷款申请、一键房产估值、直销银行开户等功能,无缝的将金融服务与社交场景相融合。

智能化实践

浦发银行未来5年的战略目标定位为打造一流数字生态银行,成立了浦发创新实验室、浦发·华为开源技术联合实验室、浦发-百度深度学习实验室、浦发-科大讯飞智能交互实验室和浦发-中国移动5G金融联合创新实验室五大创新实验室,并与国内外22家知名科技公司成立科技合作共同体。浦发银行金融科技的具体应用有:

其一、推出国内首款智能APP和首款智能柜台i-counter。浦发银行就发布了国内新款智能APP,率先开启了智能语音交互应用,通过语音命令可以让客户在APP里快速查询所需信息,也可以让人工智能根据自身需求和客户画像挑选适合的理财产品,同时引进人脸识别、指纹等生物认证技术提升客户体验、保障大额交易安全性。此外,推出银行业首款智能柜台i-counter,其可办理90%以上的业务内容,是目前为止智能柜台替代率最高的。

其二、在大数据运用方面,浦发银行建设了新一代数据核心支撑平台,建立了8000多个零售用户、400多个对公客户、1000多个机构客户画像标签,提升对用户的数字化和定制化服务能力。此外,浦发银行对海量的碎片化数据进行收集处理,采用神经网络等模型算法,打造实时风控体系,对高风险交易进行实时拦截,将欺诈损失率控制在低于百万分之一的领先水平,并通过模型自学习不断优化迭代,持续提升交易风险行为识别率。

其三、推出智能投顾—浦发极客智投2.0。浦发的智能投顾服务已深入嵌入到浦发银行的智能app中,在以近万个客户标签描绘客户画像的基础上,为客户提供投前分析诊断、投中智能交易、投后跟踪提醒为一体的定制化智能投顾服务,目前的起投金额为1000元,是银行系智能投顾中起投金额最低的智能投顾产品,可以涵盖更广泛的理财客户群。

其四、推出首个无界开放银行API Bank。浦发银行将战略思维从金融服务提供商升华为基于生活场景的生活服务提供商。开放API后,可以突破物理网点和手机App的局限,通过API端口搭建多元互动的生活频道和资讯频道,开放产品和服务并嵌入到各合作伙伴的平台上,使银行与各行业连接起来,使用人工智能、数据标签、微服务等技术手段,围绕客户需求和体验形成即想即用的跨界服务,缩短开发周期,降低合作成本。

五、第三极零售的未来发展方向

1、场景化未来发展态势

利用金融科技

随着金融科技的发展,场景化零售也在金融科技的支持下变得更加便捷、安全、效率和智能。金融科技的应用可以从前中后台全流程中对场景化零售进行全方位的提升。科学技术的发展日新月异,给场景化零售业务带来的改变也一步步的更改银行的运营方式。

其一、支付场景的便捷化。随着生物识别技术的发展,使用银行卡加密码的方式进行身份验证的方式逐渐消失,随之而来的是手机+指纹,以及更先进的人脸识别、虹膜识别等验证方式,极大地提高了支付的便捷性,并减少了因为密码被盗用的风险,未来的识别技术也将识别度更高,识别速度更快。

其二、场景的需求预测。随着大数据技术的应用,过去需求的预测主要依靠银行从业者自身的经验和客户基本资料的方式一去不返,大数据将以往认为无用或无法利用的数据全部收集起来,创造出成百上千个客户标签,再通过人工智能技术进行需求预测并建立千人千面的营销手段,增加营销契合程度和成功率,未来的需求预测也将更贴合客户本身需求。

其三、大数据风控。在风险控制方面,以往利用小微企业报表和个人银行流水单的风控手段存在片面性、可粉饰性、和滞后性。而当银行建立起基于客户后台大数据的风控方式,将场景化中独特的风险数据和风险点纳入到风控监管体系中并实时更新数据,将风控变为实时性的全面监管方式,而随着金融技术的发展,风控也将更加全面,风险识别能力更加突出。

联合外部企业

银行本身在除了金融场景以外的其他场景天然存在劣势,目前大多场景入口和流量已被互联网公司和运营商占据,在银行尤其是中小型银行较难争夺入口流量或获客成本太高的情况下,和已经成熟的互联网公司合作,将入口优势与银行的金融优势和支付预结算方面的技术优势结合,可以建立合作共赢的新局面。需要注意的是合作方式应该是技术和优势的融合而不是银行单纯的通过外部企业获得流量客户,一是直接引入流量客户成本较高,二是直接引入的客户相较于培养的客户更易流失,三是易受外部企业控制或终止合作。

ABS融资

在场景化消费中,银行最主要提供的还是支付和后续金融服务,其中消费贷也是银行场景化延伸后的主要盈利方式之一。在中国消费升级和新一代人口超前消费观念的转变下,消费贷款也迎来了爆发时代,银行在大举进行零售转型,拓展消费贷业务的同时,必将对于消费贷对资本金的消耗做补充。消费贷款的资产证券化则是非常好的一个补充途径。原因有三:

其一、将消费贷款进行资产证券化有助有银行走轻资产的零售转型路线,从简单的消费贷款资金提供方变成消费贷款业务平台方,一方面通过自身金融场景优势大举拓展消费金融业务,另一方面通过渠道优势将消费贷款打包出售,快速回笼资金后发放下一批消费贷款,形成滚动发行,提高资金利用率和利润率。

其二、银行系消费贷款底层资产优点突出。一般银行系消费贷款的贷款人资信好,已经经过银行风控筛选,不良率低;且银行贷款相较于第三方贷款公司具有征信系统的优势,具有更大的信用约束力。

其三、银行系ABS具有银行信用背书。银行作为发起人信用程度好,信用评级高,有利于提高发行效率和控制发行利率,为银行提供便捷、低成本、可循环的资金来源。

就参与机构而言,个人消费贷款的发行规模以银行系机构为主,17年和18年发行规模前5的机构除了捷信金融以外均为银行或银行系消费金融公司。其中交通银行和招商银行的发行规模最大,显著高于其他银行。

而目前个人汽车贷款领域较大的ABS发起机构主要为汽车生产商旗下的汽车金融公司,银行系只有招商银行近两年发展势头强劲,2018年个人汽车贷款发行总额最大的前五家公司分别为:东风日产金融(177.57亿)、奔驰金融(168.55亿)、招商银行(144亿)、上汽通用金融(130亿)和广汽汇理(120亿)。

2、智能化未来投入方向

深度学习

深度学习是机器学习中一种基于对数据进行表征学习的方法,其目的是通过模拟人脑进行分析的神经网络系统来分析图像、声音和文本数据。相对于传统机器学习技术需要通过人工来确定重要变量、制定逻辑规则,深度学习可以自动从海量的数据抽取重要的变量,并且根据这些变量的规律,自动学习并做出基于效益最大化的决策,从而减小人工带来的倾向性影响。此外,人工智能机器对于海量大数据进行快速和深度学习的过程中,很有可能发掘出有悖于以往人类经验和经典理论的创新思维和逻辑,就像谷歌旗下Deepmind公司开发的AlphaGo人工智能机器人给围棋届带了全新的下棋思路和套路一样,银行业人工智能机器的深度学习也必将对经典金融理论和行为经济学带来新的思考方向和方法。

当然目前银行业的人工智能和机器学习技术的应用中依然含有大量的人工成分,在逻辑规则的制定和特殊条件限制的设定中夹杂了许多非理智的信息和逻辑判断,主要原因是:

其一、目前深度学习技术尚不成熟,在银行业极度缺乏相关人才的现状下技术劣势尤为突出,基于纯机器深度学习可能产生的漏洞和损失的情况下,被迫加入既定规则或限制性条件对深度学习进行人为约束。

其二、技术开发者对以往经验和经典理论具有不可动摇的信任基础,导致有悖于上述经验和理论的创新逻辑思维不被开发者认可而进行人工干预。

其三、基于安全需要和监管要求,技术开发者主动加入特定信息和逻辑判断。

其四、虽然人工智能机器做出的是基于完全理性人的效益最大化决策,但面对的确是不可能完全理性的、具有基于行为经济学偏见的客户群体,促使银行加入人工干预去满足客户的需求。

数字化

银行业的发展趋势是从传统的金融服务提供商向数字化银行转型的过程。具体来说就是将原有的以物理网点为主、瞄准中高端客户、在自身封闭的系统中提供低频大额金融服务的方式将变为以移动端为主、面向包括长尾客户的全部客户群体、在平台化合作的系统上提供高频的场景化金融服务为主的方式。而为了适应这种趋势,银行业必须在产品服务上彻底的改变原有思维,建立以数字化为核心的前中后台系统。

在系统前台端,以提升客户体验为宗旨,通过移动端APP和API开放平台将金融服务以场景化的形式无缝嵌入到客户的生活中,通过生物识别手段确认客户信息后采取基于客户标签的定制化营销策略,并匹配符合客户自身情况和需求的服务。

在系统中台端,搭建大数据平台和人工智能平台,将过去掌握却无法利用的客户信息、供应端信息、行业信息和市场信息全部数字化,转变成可定量分析的数据,通过人工智能平台进行后续的整理和分析后,对前台客户实施精准的千人千面营销、智能客服和实时风控。

在系统后台端,通过区块链等新型信息交互和储存技术提升基础设施水平,保证高吞吐量、高容错、可拓展的基础系统能全天候的为前台中台系统提供支持。

六、投资建议

年初以来,我们一直看好银行板块的估值修复,主要的原因是:资本和资产质量是约束银行股估值最核心的两个因素,而这两个因素本年都会边际改善,从而打开银行股估值修复的空间。

其一、资本主要是银行发行永续债来补充一级资本,增强抵御风险的能力,同时扩大信贷投放的规模。截至目前我们统计将近有6600亿的发行计划。其中,中行、民生两单永续债在已经成功发行,华夏400亿已经拿到央行的批文,预计六月份成功发行。全年我们预计成功发行的永续规模会达到4000亿。

其二、地方政府债务是约束银行估值最核心的因素,而且今年风险敞口会逐步暴露,所以需要政府来化解地方政府债务风险。这些措施包括之前城投债发行条件的放宽、镇江的方案。昨天,财政部发文加大地方政府专项债的发行规模,同时要求金融机构增加配套融资。我们认为,这将有助于减轻地方政府债务风险,提升板块的估值,主要是三个方面:

(1)稳增长对冲贸易战对实体经济的影响。从政策上来看,主要是增加基建领域的政府投资,那么这将有助于稳定经济;

(2)减轻地方政府债务的风险。因为增量的地方政府隐性债务不会增加,从而两三年后存量地方政府隐性债务比重就会逐步地降低。同时,随着经济逐步好转,隐性债务风险也会直接下降。

(3)平台类贷款占比相对较高的银行将更加受益,包括兴业银行、南京银行和贵阳银行。整体来看,中小银行的地方政府债务占比相对较高,也将更加受益。

更看好股份制,19年PB有望从0.8修复到1倍。中长期我们重点推荐:招行、平安、宁波、浦发、民生;南京、中行、上海、常熟。

来源:福彩网快三大小单双

上一篇:我走下彩票内蒙古快三开奖结果直播 下一篇:青海西宁快三走势图带连线