1 正使尽情寒至骨，不妨桃李用年华 三季度以来，中国和欧元区经济表现乏力，而美国由于经济强劲进一步推迟其加息终点，引发强势美元对资本市场的冲击犹如 2022 年，全球股债、非美货币以及黄金均纷纷走弱. 

20人已浏览 2023-10-12 52页 5星级

部门：TMT金融组2023 iResearch Inc.2023年中国银行营销数字化行业研究报告署名：孙石琦2目 录CONTENTS01银行营销数字化转型背景介绍Background02银行营销数字化行业现状分析General Introduction03卓越者评选及典型厂商案例Outstanding Enterprises&Case Study04银行营销数字化行业发展趋势Development Trends05银行营销数字化行业专家之声Industrial Experts Insights3银行营销数字化转型背景介绍Background014数字化转型是银行业发展的大势所趋大势所趋（一）：银行数字化转型是促进国内经济体系产融结合、助力银行经营降本增效的核心战略规划大势所趋（二）：层层递进的数字金融系列政策与建设数字中国的战略号召为银行数字化转型提供内在发展指导与外在数字化氛围营造52023.10 iResearch I数字化转型是银行发展的大势所趋(1/2)银行数字化转型是促进国内经济体系产融结合、助力银行经营降本增效的核心战略规划随着我国经济发展由高速增长阶段转向为高质量发展阶段，传统金融体系在支撑国内经济高质量发展的过程中面临诸多挑战，银行作为整个经济体中负责调配资金需求、保障金融资源合理利用的重要金融机构，在促进产融结合、实现金融服务实业方面被给予厚望。与此同时，利率政策的调整、行业内外的市场竞争以及用户习惯的改变对于银行的经营能力提出了更高的要求，数字化转型将成为银行实现产融结合与降本增效的突破口，通过前沿技术赋能银行业务环节，实现银行数据资源的充分应用。数字化转型赋能银行产融结合与降本增效全景图展示互联网金融崛起金融“换媒”浪潮动摇银行市场地位利率市场化改革深入推进息差收缩，银行利润空间降低用户行为习惯改变“非接触式”金融服务需求增多坚持金融服务实体经济宗旨提升金融供给与实体经济的匹配性经济主体发展的支持率有待提升缓解小微企业融资难题金融系统支持国内经济高质量发展适应国内经济转型需求产融结合：经济发展对银行效能提出更高要求商业银行降本增效：市场竞争加剧银行经营备受挑战数字化转型助力银行全面提升数据使用效率，以数据资产为核心优化银行业务运营环节，通过前沿技术赋能银行经营的方式“破局”当前面临的两大挑战风险管理产品定价营销策略服务模式银行数字化赋能环节来源：专家访谈，公开资料，艾瑞咨询研究院自主研究及绘制62023.10 iResearch I数字化转型是银行发展的大势所趋(2/2)层层递进的数字金融系列政策与建设数字中国的战略号召为银行数字化转型提供内在发展指导与外在数字化氛围营造数字中国建设“2522”框架的确立全面推动了国内各领域数字化改革的发展进程，从数字技术及大数据分析平台的发展、数字金融的业务流程优化、“数字足迹”“数字要素”的应用等多方面为国内银行业数字化转型提供外在环境支持。与此同时，以“十四五”规划为基础的国家数字化转型系列政策由广入微、层层推进，为国内银行业数字化转型提供了行业层面的政策指导意见，逐步构建国内数字金融发展的新格局。银行数字化转型系列政策梳理数字化发展指导数字中国建设整体框架国内：数字治理生态国际：数字领域 国际合作两个环境两大能力数字经济数字政务数字文化数字社会数字生态文明数字基础设施数字资源体系数字技术与“五位一体”深度融合两大基础数字技术创新体系数字安全屏障数字中国建设“2522”整体框架规划数字化氛围营造中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要数字社会数字经济数字政府“加快数字化发展 建设数字中国”“加强关键数字技术创新应用”“加快推动数字产业化”“推进产业数字化转型”“十四五”数字经济发展规划金融科技发展规划（2022-2025年）大力推动产业数字化转型强化金融科技治理全面塑造数字化能力数字产业化深化数字技术金融应用“数字驱动 智慧为民 绿色低碳 公平普惠”“鼓励银行业金融机构创新产品和服务，加大对数字经济核心产业的支持力度“以深化金融供给侧结构性改革为目标，以加快金融机构数字化转型、强化金融科技审慎监管为主线”关于银行业保险业数字化转型的指导意见工作目标：“到2025年，银行业保险业数字化转型取得明显成效，数字化金融产品和服务方式广泛普及”“数字化经营管理体系基本建成，网络安全、数据安全和风险管理水平全面提升。”从“战略规划和组织架构”“业务经营”“数据能力”“科技能力”“风险防范”等方面全面推进银行业保险业数字化转型来源：数字中国发展报告（2022年），专家访谈，公开资料，艾瑞咨询研究院自主研究及绘制7营销数字化转型是银行“试水”数字化的优先选择优势凸显：营销是银行数字化核心环节市场驱动：存量竞争驱动营销数字升级技术支持：前沿技术与银行营销高度适配政策保障：政策明确营销数字化要求规模投入：银行营销数字化资金投入规模82023.10 iResearch I优势凸显：营销是银行数字化核心环节营销作为直接触客与利润创造的核心环节，多领域数字化转型经验的赋能助力银行营销数字化转型降本增效与银行日常经营所涉及的其他业务能力相比，营销在职能重要度与数字化转型能力成熟度方面具有相对的数字化转型能力优势，首先，在业务职能方面，营销作为银行触客的首要环节，营销水平的高低将直接影响用户对于银行能力的整体评价，通过数字化转型提升用户画像精准度、助力银行精准营销，将在增强营销水平的同时，提升银行声誉与品牌建设能力。其次，银行营销表现由多项指标描述，数字化转型效果展现明显且易于量化，银行可在试水数字转型的过程中，通过各项指标的变化及时调整数字化转型战略。此外，考虑到营销有很多业务环节与核心要素具有一定的夸行业通用性，多行业的营销数字化转型为银行营销数字化转型提供充足的经验保障，在数字化转型能力成熟度方面，赋能银行营销业务数字化转型。营销业务数字化转型重要性及相对优势分析营销作为银行经营的直接触客环节营销水平影响服务质量与市场声誉营销是银行的核心利润创造环节数字化赋能效果明显且易量化行业不同 业务流程相似多行业营销数字化转型经验共享经验共享经验共享商业银行营销业务l 营销服务作为面向客户的前沿环节，营销能力的将成为客户对于这家银行的“第一印象”。l 银行营销的质量及水平将直接影响客户对于银行的整体评价，也同样会间接影响到银行的市场占有率及自身品牌建设情况。l 银行营销业务的数字化转型是将金融科技前沿技术直接赋能到银行最核心的利润创造环节，通过增强银行营销能力全方位提升银行盈利水平。l 营销表现可以通过营销额、日活、AUM等指标展现，数字化赋能效果可以直接通过指标量化。l 与银行其他业务能力相比，营销是全行业适用范围最广的能力，业务流程与目标需求的相似性为跨行业营销数字化经验分享提供保障，在零售、医美、教育等多领域的营销数字化转型经验能够快速套用在金融领域，从能力的成熟的角度来说，与其他能力相比，银行营销业务的数字化转型优势较为明显。来源：专家访谈，公开资料，艾瑞咨询研究院自主研究及绘制92023.10 iResearch I78.385.389.892.594.816.99%8.94%5.28%3.01%2.46 02120222018-2022年中国银行卡累计发卡规模及增幅情况银行卡累计发卡量（亿张）银行卡累计发卡量增幅（%）市场驱动：存量竞争驱动营销数字升级存量用户竞争时代，精细化经营、个性化服务与多场景覆盖成为银行经营的重要策略，营销数字化转型不可或缺自2018年起我国银行卡累计发卡量增幅呈现逐年下滑趋势，由2018年的17%下滑至2022年的2.46%，根据央行发布的2022年第四季度支付体系运行总体情况显示，2022年Q4季度我国信用卡和信贷合一卡在用发卡量共计7.98亿张，同比下降0.28%，这也是近年信用卡发卡量首次下跌，紧随而来的2023年Q1季度信用卡发卡量持续下跌至7.91亿张，同比下降0.84%。由此可见，我国银行业正在从高速增长阶段逐步过渡到稳定发展阶段，整体发展正逐步迈入“存量用户竞争”的新时代。存量市场下愈加激励的同业竞争推动了银行对于更加细致、全面的营销能力的需求，想要实现银行用户的精细化、个性化、场景化经营，对于银行在用户数据深度挖掘、标签模型系统确立等方面提出了不小的要求。这意味着如果银行想要在竞争激烈的“存量时代”持续保持竞争优势，银行营销数字化转型不可或缺。7.907.988.008.028.078.077.987.910.73%0.97%0.25%0.28%0.57%0.08%-1.20%-0.84 21Q22021Q32021Q42022Q12022Q22022Q32022Q42023Q12021Q1-2023Q1中国信用卡和借贷合一卡发卡量及增幅情况全国信用卡和借贷合一卡在用发卡量（亿张）全国信用卡和借贷合一卡在用发卡量增长率（%）逐步迈入“存量时代”“存量时代”银行营销数字化能力需求分析存量用户竞争时代 银行营销能力需求精细化运营n 重视用户全生命周期运营，将用户经营重点放在如何充分挖掘、开发原有用户的价值上。个性化运营n 通过对于用户数据要素的深度分析，全面了解用户需求，为其提供高针对性的个性化服务。场景化运营重视数据应用的银行营销数字化转型，将成为“存量时代”下银行生存不可或缺的重要发展策略n 通过深入用户的消费场景，以提供消费场景优惠的方式培养用户品牌忠诚度及用卡习惯。来源：专家访谈，公开资料，艾瑞咨询研究院自主研究及绘制102023.10 iResearch I技术支持：前沿技术与银行营销高度适配从场景建设到策略制定，前沿技术助力银行建立全真互联的数字化营销场景与制定智慧化精准营销策略，全面提升用户金融业务办理体验前沿技术与银行营销业务数字化转型需求的高适配性主要体现在两个方面，首先是前沿技术对于数字化营销场景建设的贡献，通过将无限算力、泛在智慧、远程交互等全真互联系技术与银行营销业务场景的高度融合，以数字化虚拟营业厅与虚拟数字人客服的形式为用户提供沉浸式场景营销体验。此外，人工智能、大数据、云计算等前沿技术更是作为银行策略管理平台、客户关系平台、数据分析平台等数字化营销能力的底层技术支持，通过提升用户画像精准度、增加触客渠道、改善交互模式、丰富运营活动等方式，充分挖掘用户数据价值，以数据赋能用户经营，助力银行实现用户全生命周期管理与精准营销策略制定。来源：全真互联白皮书，专家访谈，公开资料，艾瑞咨询研究院自主研究及绘制场景建设前沿技术赋能全真互联的数字化营销场景建设与智慧化银行精准营销策略制定STEP全真互联的数字化营销场景建设智慧化银行精准营销策略制定前沿技术n 银行应用全真互联的前沿技术体系，构建沉浸式线上虚拟营销场景，以虚拟数字人等形式为用户提供线上金融服务，在实现金融业务线上交互化的同时，为用户提供了身临其境的智能化营销服务体验。音视频策略制定数字孪生扩展现实XR云计算人工智能全真互联系前沿技术应用数字虚拟营业厅智能客服虚拟数字人银行用户人工智能大数据云计算底层技术支持策略管理平台（MA）平台建设场景建设客户关系管理平台（CRM、SCRM等）用户数据分析平台（CDP、DMP等）从场景到服务，前沿技术全面提升用户金融业务办理体验全真互联的数字化场景营销服务高度定制的用户精准营销服务n 银行应用人工智能、云计算等底层技术能力，构建服务于银行精准营销业务的数智化平台，通过提升银行数据分析、客户关系处理、数据安全保障等方面的能力，实现用户全生命周期管理与精准营销，为用户提供高定制化服务体验。112023.10 iResearch I政策保障：政策明确营销数字化要求以“十四五”规划和2035年愿景目标纲要为统领性文件的银行数字化转型系列政策，从银行整体层面与营销业务实际应用层面出发，为银行提供从顶层战略统筹、组织架构调整、数据平台建设、金融科技团队构建等整体层面银行数字化转型方针的同时，对于营销业务，特别是个人金融服务业务的数字化转型，提供了更为明确的政策性指导与发展路径支持，强调金融业务服务场景的丰富性与线上线下渠道的协同性，要求银行在加强数据管理、应用能力的同时，加大数据分析、互联网运营等专业化资源配置能力，充分洞察线上客户需求，全面提升客户价值，助力银行建设以用户为核心、以数据治理为基础的数字化营销体系。来源：金融科技发展规划（2022-2025年）、中国银保监会办公厅关于银行业保险业数字化转型的指导意见，公开资料，艾瑞咨询研究院自主研究及绘制银行数字化转型政策明确银行营销业务数字化转型要求，推动以用户为核心、以数据治理为基础的银行数字化营销体系建设银行数字化转型系列政策助力银行数字化营销体系建设“大力推进个人金融服务数字化转型。充分利用科技手段开展个人金融产品营销和服务，拓展线上渠道，丰富服务场景，加强线上线下业务协同。构建面向互联网客群的经营管理体系，强化客户体验管理，增强线上客户需求洞察能力，推动营销、交易、服务、风控线上化智能化。”“建设数字化运营服务体系。建立线上运营管理机制，以提升客户价值为核心，加大数据分析、互联网运营等专业化资源配置，提升服务内容运营、市场活动运营和产品运营水平。”-中国银保监会办公厅关于银行业保险业数字化转型的指导意见银行数字化转型系列政策：营销业务层面数字化转型指导意见顶层战略规划“统筹推进数字化转型工作，高级管理层统筹负责数字化转型工作，开展整体架构和机制设计，建立健全数字化转型管理评估和考核体系，培育良好的数字文化，确保各业务条线协同推进转型工作。”数据平台建设与数据治理“增强数据管理能力，构建覆盖全生命周期的数据资产管理体系，建立企业级大数据平台。”“建设绿色高可用数据中心，架设安全泛在的金融网络，布局先进高效的算力体系”科技能力建设组织架构与机制流程调整“改善组织架构和机制流程。鼓励组织架构创新，以价值创造为导向，加强跨领域、跨部门、跨职能横向协作和扁平化管理。”“加大数据中心基础设施弹性供给，推进基础设施虚拟化、云化管理。建立对信息科技资源全方位覆盖的统一监控平台。”围绕银行数字化建设的战略布局与组织规划结合前沿科技的能力建设与数据治理体系以提升用户价值、丰富服务渠道与场景为核心的用户经营体系122023.10 iResearch I4345987450280237.6$.6R.44.36.54.77.0 0222023e2024e2025e银行营销数字化资金投入规模（亿元）银行营销数字化资金投入增幅（%）规模投入：银行营销数字化资金投入规模随着国内银行业IT投入规模的稳步提升，营销作为银行数字化转型的核心环节其资金投入规模将以约35.2%的增速保持稳定增长随着数字化转型进程的深入推进，国内银行业对于数字化转型的资金投入规模也在逐年递增，而营销作为银行经营与数字化转型的核心环节，在银行的数字化转型资金应用中常常占据较高比例。国内银行业对于营销领域的资金投入主要分为两个阶段，2021年以前，市场上对于营销数字化转型的资金投入主要来自头部国有大行，受周边行业数字化转型的影响，头部国有大行开始重视数字化营销在零售领域的应用，随着在银行零售领域效果逐步展现，在2021年前后，国有大行纷纷选择开展对公领域的数字化营销业务，与此同时，处于腰部的其他股份制银行、城商行、农商行也意识到了数字营销的重要性，开始逐步增加对于银行营销数字化转型的资金投入。因此，在2021年国内整体的银行营销数字化转型资金投入规模迎来了增长的小高峰，在21年用于营销数字化转型的资金规模增长率高达52.4%，随后，考虑到数字化营销业务对于持续性资金投入的需求，预测未来用于营销领域的数字化转型资金投入将以约35%的增速保持稳定增长。2019-2025年中国银行业营销数字化转型资金投入规模情况来源：专家访谈，公开资料，艾瑞咨询研究院自主研究及绘制CAGR=35.2%银行营销数字化行业现状分析General Introduction0214银行营销数字化需求端分析营销数字化转型四大核心能力需求：个性化营销、流量获取、用户多渠道触达、渠道联动不同类型银行的营销数字化转型需求：国有六大行更看重流量与新客的获取，区域性中小行需求相对聚焦于渠道的搭建与联动部署方式选择与原因：私密度好、安全性高的本地化与私有云部署是营销数字化工具的主流部署方式营销数字化转型效果归因分析：本行数字化水平、工具的适配度与设计能力、以及员工使用水平是影响数字化营销效果的核心因素。152023.10 iResearch I银行营销数字化行业核心需求分析（1/3）围绕用户的个性化服务、流量获取、多渠道触达及渠道间联动成为银行营销数字化转型四大核心能力需求国内银行业营销数字化转型核心需求排名情况展示1提升服务提升营销精准度，实现个性化营销流量升级提升银行流量获取能力，增强银行获客情况2用户触达全方位、多渠道用户触达3渠道联动加强线下线上的渠道联通，实现多方位用户营销4整合流程贯穿营销业务流程，缩短营销阶段5策略支持提供营销策略支持，择机择时达成用户营销6活动策划拉新、促活用户小游戏策划7核心需求情况排序说明：以上排名情况，来自艾瑞咨询对于120名银行从业人员关于营销数字化转型核心需求的调研结果分析，以各位银行专家的核心需求重要度打分情况为基础，加权平均出各项需求重要度的得分情况，由高到低按序排列展示，其中【提升服务】、【流量升级】、【用户触达】、【渠道联动】这四项的得分结果较高且断层领先于其他需求，后续将针对这四项核心需求开展更为详尽的分析。注释：N=120，受访对象是国有银行、股份制商业银行、城商行、农商行等相关业务条线的从业人员来源：艾瑞咨询研究院自主研究及绘制162023.10 iResearch I银行营销数字化行业核心需求分析（2/3）实现用户的个性化精准营销成为国内银行业营销数字化转型的首要需求；国有大行对于用户流量获取的重视程度高于其他类型的银行国内银行业营销数字化转型核心需求情况分析提升服务&流量升级1提升服务提升营销精准度，实现个性化营销聚焦于用户精准营销、个性化营销的服务提升精准营销与个性化营销的核心是如何充分地将用户数据可视化，实现用户的精准打标，根据每位用户的标签情况有针对性的提供“1对1”促活、转化、留存等用户运营活动。83% 国有六大行受访从业人员91% 股份制商业银行受访从业人员94% 农商行、城商行等国内区域性中小银行受访从业人员认为【提升服务】是推动银行营销数字化转型的重要因素；从整体情况看，各类型银行对于精准营销、个性化营销的需求度观点一致，区域性中小银行的关注度略高于国有六大行。流量升级提升银行流量获取能力，增强银行获客情况2提升流量获取，增强银行获客能力在流量升级方面，银行普遍关注的核心问题是如何在提升本行自然流量流入的同时，增强自然流量以外客户的获取能力，包括拓展全新的流量获取渠道，改善现有渠道的流量经营模式等。99% 国有六大行受访从业人员91% 股份制商业银行受访从业人员83% 农商行、城商行等国内区域性中小银行受访从业人员认为【流量升级】是银行营销数字化转型的核心需求；从整体情况看，国有六大行在用户流量获取方面的重视度高于区域性中小银行。注释：N=120，受访对象是国有银行、股份制商业银行、城商行、农商行等相关业务条线的从业人员来源：艾瑞咨询研究院自主研究及绘制172023.10 iResearch I银行营销数字化行业核心需求分析（3/3）不同种类银行的核心需求观点基本一致，区域性中小行对于用户触达与渠道联动的需求度高于其他类型的国内银行国内银行业营销数字化转型核心需求情况分析用户触达&渠道联动渠道联动加强线下线上的渠道联通，实现多方位用户营销4用户触达全方位、多渠道用户触达3以交互为核心的全方位、多渠道用户触达在多渠道、全方位用户触达方面，银行普遍关注的核心是如何构建数字化线下及线上触客渠道，以多维度、多渠道、多场景的方式，实现用户的全方位触达。75% 国有六大行受访从业人员91% 股份制商业银行受访从业人员99% 农商行、城商行等国内区域性中小银行受访从业人员认为【用户触达】是推动银行营销数字化转型的重要因素；从整体情况看，区域性中小银行对于用户全方位触达的需求度高于国有六大行。线上线下渠道联动联动，加强多方用户经营在渠道联动方面，银行业的关注点首先是如何在线上及线下渠道统一明确用户身份，实现渠道“归户”管理，其次是打造不同渠道间业务的联动性，达成多渠道联动经营。83% 国有六大行受访从业人员87% 股份制商业银行受访从业人员94% 农商行、城商行等国内区域性中小银行受访从业人员认为【渠道联动】是银行营销数字化转型的核心需求从整体情况看，区域性中小银行在线上线下渠道联动方面的需求度高于国有六大行。注释：N=120，受访对象是国有银行、股份制商业银行、城商行、农商行等相关业务条线的从业人员来源：艾瑞咨询研究院自主研究及绘制综合观点阐释：在银行营销数字化转型的过程中，银行业最关注的核心需求均是围绕用户全生命周期的管理和运营，如何提升营销精准度、多渠道引流触达用户成为银行关注的重点，在这其中不同类型银行的倾向略有不同，国有六大行更看重流量的获取与获客情况，而区域性中小行更看重渠道的搭建与联动。推测原因可能是因为国有六大行目前已经实现了绝大多数的客群覆盖，对于长尾客群的获取难度较大，重叠用户竞争激烈，因此对于流量引入与获客环节更为关注；而对于区域性中小行，目前营销数字化转型仍处于初级阶段，渠道及平台建设仍处于早期搭建阶段，大部分区域性中小银行还未有较为完善的渠道设施及联动应用，因为对于渠道方面的关注相对较高。182023.10 iResearch I91.67f.67S.33P.000.00%.00%数据级别及数据安全本行数字化基础建设产品运营使用便利度项目成本限制项目执行紧急程度产品部署难度国内银行业营销数字化转型工具部署方式选择核心因素考量情况核心因素考量比重（%）银行营销数字化工具部署选择与因素考量私密度好、安全性高的本地化与私有云部署是营销数字化工具的主流部署方式，数据安全与数字化基建水平是部署方式选择中的核心考量因素国内银行业营销数字化转型工具部署方式选择 约56%的受访银行从业者表示，其所处银行在营销数字化转型工具部署中采用了本地化的部署方式。56%本地化部署比例44%约44%的受访银行从业者表示，其所处银行在营销数字化转型工具部署中采用了私有云的部署方式。私有云部署比例银行营销数字化工具部署方式选择：私密度较高的本地化部署与私有云部署仍是银行业主流的工具部署方式数据安全是银行部署数字化工具的重点考量因素在选择营销数字化工具部署方式的过程中，银行会根据产品涉及的数据机密级别与数据暴露程度，以保障银行数据安全为产品部署的首要考量，在调研的过程中有88% 国有六大行受访从业人员99% 股份制商业银行受访从业人员83.3% 农商行、城商行等国内区域性中小银行受访从业人员认可【数据安全】在银行营销数字化工具部署过程中的重要性。【本行数字化基建水平】也是银行在选择部署方式时关注的重要因素，83.3% 农商行、城商行等国内区域性中小银受访行从业人员将【本行数字化基建水平】作为选择数字化部署工具的重点考量因素，推测原因是国内中小银行自身的数字化平台建设与团队能力仍存在较大局限性，在数字化工具的选择中会优先考虑与本行数字化硬件能力匹配度高的部署方式，硬件需求低的部署方式有极可能受到该群体青睐。中小银行对于本行数字化基建水平的急迫度相对较高注释：N=120，受访对象是国有银行、股份制商业银行、城商行、农商行等银行从业人员来源：艾瑞咨询研究院自主研究及绘制192023.10 iResearch I11.7#.30.03.35.08.3Q.7S.3U.0h.3%技术服务商的培训/代运营能力员工数字化营销工具接受度工具的日常使用充分度技术服务商的产品、技术能力银行战略方针制定等顶层战略银行内部部门协同合作能力工具自身产品设计水平员工数字化营销工具使用水平工具的选择与业务适配度银行数字化技术建设水平银行营销数字化转型效果归因分析细分因素影响力情况银行营销数字化转型效果与影响因素分析95%约95%的受访银行从业者表示，银行营销数字化工具的使用与平台的搭建对于银行日常营销经营有正向作用，包括但不限于AUM、GMW、日活月活用户、销售额等营销及活客指标的提升与客户经营关系的改善。银行营销数字化转型效果广受认可，本行数字化水平、工具的适配度与设计能力、以及员工使用水平是影响数字化营销效果的核心因素。银行营销数字化转型效果满意度国内银行业对于营销数字化转型效果的整体满意度较高四大核心因素影响银行数字化营销工具使用效果国内银行业从业者认为，决定数字化产品使用效果的首要因素是银行自身的数字化能力与数字化平台建设基础，该项在银行营销数字化转型效果归因分析中以68.3%的因子影响力位列榜首，获得了国内银行业整体的“高影响力”认可。其次，围绕营销数字化工具的使用匹配度与自身产品设计水平也被认为是影响数字化营销效果的核心因素，其中 国有六大行受访从业人员对于【工具与业务匹配度】的影响力认可度高达77% ，超过国内银行业整体水平。除以上三点因素外，国内银行业认为员工对于数字化产品的使用能力也是影响数字化营销效果的核心因素，其中72.2% 农商行、城商行等国内区域性中小银行受访从业人员对于该项能力给予了超越国内银行业平均水平的认可。从各类型银行的视角看，国有六大行更为看重【本行数字化水平】及【工具与业务的适配度】，股份制银行与区域性银行类似，除【数字化建设水平】外更看重【员工产品使用能力】与【产品设计水平】，对于其他涉及战略规划、内部协同、服务商能力等因素，在银行从业者看来对于营销数字化产品的使用效果有一定影响，但影响力不及前四项。注释：N=120，受访对象是国有银行、股份制商业银行、城商行、农商行等银行从业人员来源：艾瑞咨询研究院自主研究及绘制20银行营销数字化模型介绍及能力评测“渠道升级用户全生命周期管理”营销数字化战略矩阵模型营销数字化战略矩阵模型介绍营销数字化战略矩阵能力展示营销数字化转型工具布局进程展示营销数字化能力评测组合模型营销数字化能力详解及落地案例分析212023.10 iResearch I营销数字化战略矩阵模型：模型介绍注释：以上能力组合结构展示仅为模型参考示例，具体能力组合分布以最终版营销数字化战略矩阵模型展示结果为准来源：专家访谈，公开资料，艾瑞咨询研究院自主研究及绘制“渠道升级用户全生命周期管理”营销数字化战略矩阵模型核心构建因素与模型整体框架展示能力组合一能力组合二能力组合三能力组合四能力组合六能力组合五营销渠道数字化升级3模型整体说明：营销数字化战略矩阵模型是将银行营销数字化转型过程所涉及到用户经营模块与基础设施建设模块的数字化转型能力相结合，通过矩阵的方式实现对于银行营销数字化能力需求的全面评估。模型主要由三个部分构成，分别是：1.横轴：通过对用户全生命周期管理流程分析，总结出三个影响银行营销表现的核心阶段，分别是：获客阶段、升值阶段、留存阶段；2.纵轴：银行渠道数字化作为银行营销数字化转型的基础设施建设模块，包括线上渠道、线下渠道、渠道业务联动三个核心部分；3.核心内容：以矩阵能力组合的方式展现在不同渠道下，不同用户经营阶段银行营销数字化转型所涉及的工具或能力。获客阶段升值阶段留存阶段潜在用户新手用户成长用户成熟用户沉睡用户流失用户l 升值阶段：l 获客阶段：l 留存阶段：银行线上营销渠道银行线下营销渠道线上线下渠道联动能力组合五2用户全生命周期管理1222023.10 iResearch I营销数字化战略矩阵模型：能力展示“渠道升级用户全生命周期管理”营销数字化战略矩阵模型银行营销数字化工具展示客户关系管理平台交互式数字技术产品用户权益平台营业厅广告宣传类硬件设备用户数据分析平台活客类产品引流类产品策略营销管理平台营业厅交互类硬件设备营业厅操作类硬件设备能力展示说明：根据各项银行营销数字化工具在银行营销活动中的实际应用环节与渠道，将以下各项能力拆分至“渠道升级用户全生命周期管理”模型中，各项能力所处的用户全生命周期管理阶段及线上、线下渠道是指该项能力目前被广泛应用的阶段及渠道，并不指该项能力仅在该阶段、渠道应用。来源：专家访谈，公开资料，艾瑞咨询研究院自主研究及绘制获客阶段升值阶段留存阶段银行线上营销渠道银行线下营销渠道线上线下渠道联动用户全生命周期管理营销渠道数字化升级潜在用户新手用户成长用户成熟用户沉睡用户流失用户l 升值阶段：l 获客阶段：l 留存阶段：232023.10 iResearch I营销数字化战略矩阵模型：布局进程展示聚焦用户经营与线上线下渠道联动的用户权益平台成为布局最为广泛的营销数字化转型工具，客户关系管理与数据分析平台同样受到业内重视交互式数字技术产品引流类产品营销策略管理平台营业厅交互类硬件设备营业厅广告宣传类硬件设备活客工具客户数据安全保护工具用户数据分析平台营业厅操作类硬件设备客户关系管理平台用户权益平台没有布局计划有布局计划但仍未开始布局已开始布局但仍未投入使用已投入使用银行营销数字化工具布局进程一览图用户权益平台是目前营销数字化布局最为广泛的工具整体布局情况分析：n 从以上各项银行营销数字化能力部署的进程来看，国内银行营销数字化转型的重心多聚焦于线上渠道，特别是可实现线上线下渠道联动、数据共享的平台能力搭建，围绕用户运营、数据留存、数据安全保护与用户促活等多方面开展银行营销数字化升级活动。用户权益平台是指包括积分商城、权益兑换中心、用户积分管理平台、银行生活APP等将金融场景与生活场景紧密相连、会员体系与权益体系相结合的用户积分权益管理平台。目前在国内银行业营销数字化转型的过程中，n95% 受访银行从业者认为其工作的银行已实现该项平台的部署及应用，是目前投入使用最广泛的银行营销数字化能力；n100%受访银行从业者表示该行有关于该项能力的战略规划，包括布局规划、平台建设、投入应用。客户关系管理与客户数据分析平台部署也得到较高重视客户关系管理平台主要是指包括CRM、SCRM等专注于用户信息搜集、记录、管理于一体，结合多社交媒体渠道触达的客户信息数据库及关系维护系统。目前国内银行业对于【客户关系管理平台】在银行营销数字化转型中的作用认可度较高，n98 %受访银行从业者表示其工作的银行已部署了客户关系管理平台，其中有94% 已经将该项工具投入银行的日常经营。用户数据分析平台主要是指通过捕捉用户行为数据、消费记录等信息，通过对数据的收集、清洗、处理、挖掘等流程，为其匹配合适的用户标签，为后续的精细化用户运营奠定基础。90%受访银行从业者表示已在本行部署用户数据分析平台，国有六大行与股份制银行以88.3% 的工具投入使用比例远超区域性中小行。注释：N=120，受访对象是国有银行、股份制商业银行、城商行、农商行等银行从业人员来源：艾瑞咨询研究院自主研究及绘制242023.10 iResearch I营销数字化战略矩阵模型：布局进程展示行业内较高比例的布局计划将推动引流类产品迎来增量采购的爆发期，交互式数字产品的布局进程将推动其在银行营销领域的充分应用银行营销数字化工具布局进程一览图交互式数字技术或将在新阶段得到更广泛的应用注释：N=120，受访对象是国有银行、股份制商业银行、城商行、农商行等银行从业人员来源：艾瑞咨询研究院自主研究及绘制引流类产品或将迎来银行业增量采购的爆发期引流类产品主要是指包括线上渠道广告投放、跨平台引流合作等聚焦于将公域流量或合作方生态内私域流量，通过广告、小游戏等方式，引入银行自有生态体系内，转变为该行的私有流量的工具部署或合作方式。根据目前国内银行的营销数字化工具部署进程来看，n21.6% 受访银行从业者表示有该项工具的部署计划但目前仍未开始部署，与其他银行营销数字化转型工具相比，【引流类产品】的规划未满足情况是最高的，因此预测该项产品或将在未来一段时间内迎来国内银行业的采购“小高潮”；n 其中有42.8 %的城市商业银行从业者表示目前处于有部署计划但仍未开始部署的阶段，比例远高于其他类型银行，因此建议技术服务商可将城商行作为【引流类产品】推荐的核心目标客户。交互式数字技术是指以人工智能、大数据、拓展现实（XR）等技术为基础，通过提升用户交互式服务体验与全真营销场景的构建，为用户提供更全面、数字化的用户体验。工具包括虚拟数字人、文本语音视频机器人、AR营业厅等交互式数字技术产品。n 虽然该项技术目前在受访国内银行的应用比例仅为46.7%，但有高达30%受访从业者表示目前处于【开始布局但仍未投入使用】阶段，因此预计在未来一段时间内会有大批量交互式数字技术投入应用；n 不同类型银行对于该项能力的应用投入比例也存在较大差距，受访的国有六大行的应用比例高达66.6%，而区域性银行仅为其一半。整体布局情况分析：n 在银行线下渠道数字化升级改造的过程中，国内银行业对于营业厅传统数字化设备升级（包括智能柜面系统、业务一体机等）的重视程度较高，投入使用的比例也远高于其他线下渠道的数字化进程。对于广告类及交互类硬件设备的部署，国内银行业也正稳步推进。交互式数字技术产品引流类产品营销策略管理平台营业厅交互类硬件设备营业厅广告宣传类硬件设备活客工具客户数据安全保护工具用户数据分析平台营业厅操作类硬件设备客户关系管理平台用户权益平台没有布局计划有布局计划但仍未开始布局已开始布局但仍未投入使用已投入使用25银行营销数字化模型介绍及能力评测“渠道升级用户全生命周期管理”营销数字化战略矩阵模型营销数字化能力评测组合模型模型介绍营销数字化工具战略重要度时间序列模型营销数字化工具应用效果&能力成熟度评测模型介绍银行营销数字化能力评测“3C”模型分析评测结果展示营销数字化能力详解及落地案例分析262023.10 iResearch I营销数字化能力评测组合模型介绍（1/3)战略重要度时间序列模型模型介绍营销数字化能力评测组合模型战略重要度时间序列模型展示模型概念说明：考虑到银行对于各项能力的战略部署与发展规划会根据市场情况、自身发展、能力投资回报率及回报周期等多重因素进行阶段性调整，为了更综合全面的评估各项银行营销数字化能力在银行端的战略重要度情况，艾瑞咨询采用了时间序列模型的方式描述各项能力在不同时间点战略重要度的变化情况，并通过给予不同时间点战略重要度不同权重的方式，得到该项能力的综合战略重要度情况，在明确各项能力对于银行战略发展意义的同时，也为下一个阶段，即银行营销数字化能力“3C”模型分析，提供了重要的评测依据。模型结构说明：纵轴：银行营销数字化各项能力的战略重要度情况，依据银行端评测结果的不同分为高、中、低三个等级。横轴：为了便于时间序列模型的搭建，横轴时间点是采用了与当下（t=0）时间点之间相对关系的方式进行描述的。来源：专家访谈，公开资料，艾瑞咨询研究院自主研究及绘制高中低战略重要度等级t=0t=5t=3时间t=-5t=-3272023.10 iResearch I营销数字化能力评测组合模型介绍（2/3)银行营销数字化工具应用效果及能力成熟度分析模型模型介绍高中低高应用效果产品及技术成熟度中低营销数字化能力评测组合模型银行营销数字化工具应用效果&能力成熟度评测模型介绍模型说明：该模型通过评测银行营销数字化各项工具在应用能力及产品技术成熟度两个维度下的表现情况，将理论设计水平与实际应用能力相结合，综合评判各项工具的表现情况，明确再银行营销数字化转型的过程中有相对表现优势的营销数字化核心工具范畴，后续将针对各项核心工具的应用说明与实践效果展开进一步的讨论分析。评测模型具体内容如下：n X轴：产品及技术成熟度分析 (Capability Maturity Analysis)n Y轴：应用效果分析 (Capability Application Analysis)根据评测情况，将各评测维度分为高、中、低三个等级，组合形成“3x3”的二维评测框架，针对框架中各维度表现的组合情况，将其分为三个梯队，分别是：一级核心工具：两项评测维度表现均处于“高”的深绿色区域；二级核心工具：一项评测维度表现处于“高”且另一维度表现优于“低”的浅绿色区域；三级核心工具：处于评测框架其他部分的白色区域；来源：专家访谈，公开资料，艾瑞咨询研究院自主研究及绘制282023.10 iResearch I营销数字化能力评测组合模型介绍(3/3)银行营销数字化能力3C模型分析模型介绍营销数字化能力评测组合模型银行营销数字化能力“3C”模型分析注释：综合战略重要度是根据战略重要度时间序列模型加权平均得出的、综合考量各时间点战略布局的银行营销数字化能力战略综合评定结果。来源：专家访谈，公开资料，艾瑞咨询研究院自主研究及绘制综合战略重要度能力成熟度模型整体说明：银行营销数字化能力“3C”评测模型是通过能力成熟度、应用效果、战略重要度三个维度的综合评测，锁定“渠道升级用户全生命周期管理 营销数字化战略矩阵”中所涉及的银行营销数字化转型核心能范畴，针对各项核心能力开展更详尽的讨论分析，银行营销数字化能力“3C”模型具体情况如下：X轴：能力成熟度分析 (Capability Maturity Analysis)Y轴：能力应用效果分析 (Capability Application Analysis)Z轴：综合战略重要度情况 (Comprehensive Importance Analysis)各项评测维度划分为高、中、低三个等级，组合形成“333”模型评测框架，后续内容将重点围绕位于模型核心板块的银行营销数字化能力展开能力详解及落地指南。*模型核心板块：是指在各维度的评测中，至少有一个维度的评测指标评测表现为“高”且全部维度的评测结果优于“低”的综合评测表现，即评测模型的绿色部分。高中低高中低高低能力应用效果中29银行营销数字化模型介绍及能力评测“渠道升级用户全生命周期管理”营销数字化战略矩阵模型营销数字化能力评测组合模型模型介绍评测结果展示营销数字化工具战略重要度时间序列模型营销数字化工具应用效果&能力成熟度评测模型介绍银行营销数字化能力评测“3C”模型分析营销数字化能力详解及落地案例分析302023.10 iResearch I营销数字化能力评测组合模型展示（1/3)战略重要度时间序列模型结果展示营销数字化能力评测组合模型战略重要度时间序列模型展示营销数字化能力战略重要度综合评测结果说明：l 考虑到银行对于各项营销数字化转型能力的战略重要度认知会随着银行数字化转型进程的推进而变化，为了充分衡量各项能力的战略重要度水平，这里采用了给予不同时间点战略重要度不同权重的方式，基于以上时间序列模型，得出各项能力战略重要度的加权平均表现，用以后续营销数字化能力“3C”模型的评测分析。来源：专家访谈，公开资料，艾瑞咨询研究院自主研究及绘制高中战略重要度等级t=0t=5t=3时间t=-5t=-3低客户关系管理平台用户权益平台营业厅操作类硬件设备客户数据安全保护平台用户数据分析平台引流类产品营业厅广告宣传类硬件设备营业厅交互类硬件设备交互式数字技术产品活客工具营销策略管理平台312023.10 iResearch I营销数字化能力评测组合模型展示（2/3）银行营销数字化工具应用效果及能力成熟度分析模型结果展示营销数字化能力评测组合模型银行营销数字化工具应用效果&能力成熟度评测结果展示高中低高应用效果产品及技术成熟度中低注释：银行营销数字化工具在各维度的评测结果依据120位国有六大行、股份制商业银行、农商行、城商行等国有银行从业者调研结果综合评定得出来源：专家访谈，公开资料，艾瑞咨询研究院自主研究及绘制评测结果展示：一级核心工具：客户关系管理平台、用户权益平台、营业厅操作 类硬件设备、二级核心工具：用户数据分析平台、客户数据安全保护平台 三级核心工具：其他银行营销数字化工具评测结果分析：实际应用效果与成熟度表现越优秀的工具，对于银行达成目前营销数字化转型成就的贡献度也就越大，通过对于国内银行视角下各项工具在以上两方面的表现分析，得出在实际应用层面各项工具对于推动银行营销数字化转型的重要度情况，在为银行理清当下各项能力与应用效果的同时，也为后续计划推动或进一步推动银行营销数字化转型提供布局思路。从评测结果的分析可得，用户经营类平台与数据管理及保障平台在目前国内银行营销数字化转型的过程中，有在银行层面相较于其他类型工具更高认可度的表现。此外，各项工具在评测模型中整体呈现线性分布，这意味着一般在产品及技术成熟度表现优异的工具，也会有不错的应用效果，虽然在小范围的比较中也会出现成熟度相同应用效果不同的情况，但考虑到转型工具的自身特征与部署渠道的不同，不影响对于整体局势的分析。客户关系管理平台用户权益平台营业厅操作类硬件设备客户数据安全保护平台用户数据分析平台引流类产品营业厅广告宣传类硬件设备营业厅交互类硬件设备交互式数字技术产品活客工具营销策略管理平台322023.10 iResearch I营销数字化能力评测组合模型展示（3/3）银行营销数字化能力3C模型分析结果展示营销数字化能力评测组合模型银行营销数字化能力“3C”模型分析注释：综合战略重要度是根据战略重要度时间序列模型加权平均得出的、综合考量各时间点战略布局的银行营销数字化能力战略综合评定结果。来源：来源：专家访谈，公开资料，艾瑞咨询研究院自主研究及绘制综合战略重要度能力成熟度银行营销数字化能力“3C”模型评测结果分析：通过将以上两个模型下，各项能力的评测结果综合到同一个三维立体模型中可知，有以下四项能力在能力成熟度、能力应用效果及综合战略重要度中均有较高的评测得分，位于银行营销数字化能力“3C”模型的核心板块区（深绿色区域），分别是：l 客户关系管理平台l 用户权益平台l 用户数据分析平台l 客户数据安全保护类产品后续章节将围绕以上四项营销数字化转型能力，在能力评测结果分析、布局进程及部署方式选择、细分产品应用分析、落地案例展示等方面展开更为详尽的讨论。高中低高中低高低能力应用效果中客户关系管理平台用户权益平台客户数据安全保护平台用户数据分析平台33银行营销数字化模型介绍及能力评测“渠道升级用户全生命周期管理”营销数字化战略矩阵模型营销数字化能力评测组合模型营销数字化能力详解及落地案例分析能力评测结果分析布局进程及部署方式选择细分产品应用分析落地案例展示342023.10 iResearch I工具一：客户关系管理平台（1/3）客户关系管理平台整体评测表现优异，如何在技术成熟度允许的情况下进一步提升应用表现成为下一阶段需要关注的核心问题以整合客户信息、洞察客户行为、把握客户需求为核心的客户关系管理平台，以三方评测维度均超80%的评分，受到了银行层面对于其在营销数字化转型战略与实践层面的高度认可。虽然在与其他营销数字化工具的比较过程中，客户关系管理平台具有一定的相对优势，但就其能力本身来说仍有提升空间。比较该能力在三方评测维度的得分可知，在实践应用层面，客户关系管理平台的应用效果略低于其产品的成熟度，这意味着该项能力在银行业的普遍使用效果未能达到国内银行对于其产品成熟度的认可水平，如何提升客户关系管理平台在银行实际应用的表现、应用成熟的技术充分赋能银行营销，成为下一阶段能力迭代理应关注的核心问题。结合之前的归因模型分析推断，对于银行来说，提升数字化建设基础与员工的工具应用能力或将成为提升该项工具应用效果的有效途径，技术服务商可通过提升工具与银行业务的匹配度及优化产品设计的方式助力银行提升产品使用体验。55%的受访银行从业者认为客户关系管理平台的实际应用效果评定为“高“，约四成的国内银行认为其在实际业务的应用效果一般。4.334.024.18战略重要度应用效果产品及技术成熟度图像说明：不同颜色的圆环用于区分各维度下的能力评测等级，内切其中的灰色三角用于规范各维度不同评测等级的打分基准；绿色三角形为该项工具在评测模型中的得分表现情况。满分为5分，最终得分结果由各项加权平均得出。注释：N=120，受访对象是国有银行、股份制商业银行、城商行、农商行等银行从业人员来源：艾瑞咨询研究院自主研究及绘制客户关系管理平台评测结果分析n 客户关系管理平台在“战略重要度”、“产品及技术成熟度”及“应用效果”三方维度的评测等分均超80%，成为银行营销数字化转型过程中，国内银行业从战略及实践层面认可的“首要能力”。80% 的受访银行从业者认为客户关系管理平台是本行未来五年内重点规划的核心营销数字化转型工具，有非常高的未来战略规划重要度；63.3%的受访银行从业者认可客户关系管理平台在产品及技术成熟度方面的表现n 在工具的应用效果方面，客户关系管理平台的表现优于其他工具但远低于其在战略层面的认可度；352023.10 iResearch I工具一：客户关系管理平台（2/3）国内各类型银行对于客户关系管理平台的布局进程基本一致，强调数据安全保障能力的本地化部署是国内银行业认可的主流部署方式在国内银行推进营销数字化工具建设的进程中，客户关系管理平台的整体建设进程优于除客户权益平台外的其他全部工具，并且在不同类型的银行之间，该项工具的整体部署进程也相差不大，这意味着该项能力在受到国内银行普遍认可的同时，也能广泛适配于不同规模、类型的银行应用。在部署方式的选择上，银行更倾向于将客户关系管理平台进行本地化部署，选择本地化部署的比例要远高于市场整体工具对于本地化方式的选择，考虑到市场实际的需求与该平台数据应用的特性，推测未来一段时间内，市场对于该项能力的部署方式仍以本地化为主，此外在结合部分私有云的平台建设，对于其他开放度较高的部署形式来说，市场未来的接受度很可能将持续保持较低水平。客户关系管理平台部署进程及部署方式介绍股份制商业银行区域性中小银行国有六大行没有布局计划有布局计划但仍未开始布局已经开始布局但仍未投入使用已投入使用n布局进程：国内银行对于客户关系管理平台的建设部署与投入应用进程均领先于其他营销数字化工具，不同类型的银行对于该项能力的整体布局进程也极为相似，目前已有100%的国有六大行、87.5%的股份制商业银行、94.4%的区域中小行受访从业者已经实现对于该项能力的部署及投入应用，仅有3.33%的受访银行从业者表示未布局该项能力，主要原因来自“成本限制”与“缺少相关顶层战略规划”两个方面。客户关系管理平台部署方式分析11.1.7D.0V.0%1.7%6.8D.1r.8%公有云混合云私有云本地化银行营销数字化工具（整体）客户关系管理平台注释：N=120，受访对象是国有银行、股份制商业银行、城商行、农商行等银行从业人员来源：艾瑞咨询研究院自主研究及绘制客户关系管理平台布局进程分析n部署方式：客户关系管理平台在部署方式的选择上与市场整体的选择思路一致，均呈现“高安全度部署方式收获更高比例银行认可”的趋势，但对于各方式下的选择比例有较大差距，其中客户关系管理平台对于本地化部署的依赖程度要远高于市场平均水平，在所有选择部署客户关系管理平台的国内银行中，72.8%的受访银行从业者采用本地化的方式部署客户关系管理平台；n 推测原因可能是该项工具涉及较多用户的个人私密信息，因此银行对于该项工具部署方式的数据安全保障能力提出了更高的要求。362023.10 iResearch I工具一：客户关系管理平台（3/3）CRM、SCRM两类工具均部署是目前最普遍的客户关系管理平台建设选择；银行自营APP是SCRM平台开展私域运营业务最核心的渠道目前国内银行普遍使用的客户关系管理平台主要有两种，一种是以表单类系统功能为主，综合市场及企业内部的客户资料与画像分析，应用用户数据优化营销业务流程的客户关系管理系统（CRM);另一种是以社交平台为基础，通过多种社交媒体渠道的交叉式网状交流，收集客户的互动信息，把握营销线索的社会化客户关系管理体系（SCRM）。通过调研结果可知，目前国内银行最普遍的客户关系管理方式是将CRM与SCRM两种工具共同部署使用，充分结合SCRM系统在售前用户的引流、培育与转化及CRM 系统在售中、售后销售节点跟进的优势，在提高成单率、客户满意度的同时，打通社交网络渠道，挖掘潜在客户。此外，单独部署CRM系统也是部分银行的客户管理选择，推测原因可能是CRM系统开始应用的时间较早，银行业整体的普及度与客户认可度较高，对比来看SCRM是近年提出的立足于社交媒体的新型客户关系管理平台，仍需一定的市场教育与市场经验验证来助力该系统的广泛应用，目前SCRM平台的渠道部署以银行自营APP为主，部分APP建设能力有限的中小行则会选择在企业微信平台部署SCRM.51.67A.67%3.33%3.33%CRM&SCRM两者均有部署仅以CRM平台部署未部署或以其他方式部署仅以SCRM平台部署78.79c.64c.64%9.09%银行自营APP企业微信微信公众号其他渠道部署客户关系管理平台产品选择分析SCRM平台各渠道部署比例展示注释：N=120，受访对象是国有银行、股份制商业银行、城商行、农商行等银行从业人员来源：艾瑞咨询研究院自主研究及绘制n产品选择：客户关系管理平台的部署方式以CRM&SCRM共同部署为主，也有部分银行会仅选择部署CRM系统，总体来看，目前CRM系统在客户关系管理平台的应用更加普遍93.3%的受访银行从业者在客户关系管理平台的部署中，选择使用了CRM系统，与之相比SCRM系统的使用率要低于CRM。nSCRM渠道部署：SCRM作为近年提出的立足与社交媒体的新型客户关系管理平台，目前其部署渠道以银行自营APP为主，此外，企业微信与微信公众号小程序也是较为重要的布局渠道，其中88.9%的国有六大行受访从业者选择在银行自营APP上应用SCRM系统；72.7%的区域性中小行受访从业者选择将SCRM系统部署在企业微信平台。372023.10 iResearch I工具一：客户关系管理平台 案例展示以“银行APP 企业微信 社群 社交平台”为用户运营基础，打通公域与私域流量循环的银行客户关系管理体系某股份制商业银行通过对于银行内部渠道与外部资源的整合，以客户关系管理系统为基础，凭借搭建在社交媒体渠道的客户关系关系体系，通过活动链接、分享有礼等形式，从公域平台吸引流量，再应用小游戏、小礼品、营销活动等方式实现对于外部流量的承接，将公域平台的流量引入私域平台，后续通过对于用户行为数据、消费数据的分析、分类、打标，由各客户经理在银行APP、企业微信、公众号等私域平台完成用户的运营转化，同时借由好友分享等形式，实现流量的裂变增长。某股份制商业银行客户关系管理平台落地案例介绍特点：覆盖渠道广、内容运营恰当、渠道联动性强、流量转化路径顺畅客户关系管理核心工具展示：以银行自有平台及手机银行App为基础，结合交互式媒体渠道的综合化平台应用银行通过多渠道、全面化的客户管理体系实现对于用户群体从公域平台向私域流量池的转化银行在私域流量平台中充分应用客户数据特征，把握用户转化节点，开发挖掘用户价值，实现用户的全生命周期管理银行公众号银行IP权益生活平台银行抖音号银行各分行支行抖音号银行微博号银行小红书账号公众号&视频号抖音号其他媒体账号公域流量手机银行APP权益生活类APP银行微信群银行信用卡企业微信银行APP企业微信&微信社群私域流量微信公众号银行APP活动链接选择地域扫码进企微群邀请办卡有礼分享好友优惠抽奖付费转化运营流程来源：专家访谈，公开资料，艾瑞咨询研究院自主研究及绘制382023.10 iResearch I工具二：用户权益平台（1/3)用户权益平台主要是指在数字消费新时代下，银行通过细分消费场景将多样化的用户权益聚合在银行的自有平台，通过对线上线下用户权益生态内资源的整合，在为用户提供更优质权益服务的同时，实现流量的引入、升值与转化。在能力模型的评测中，用户权益平台在三个维度下的得分较为均衡，这意味着在银行看来，该项能力在战略与应用、内部驱动与外部表现方面呈现出的效果是相互匹配的，成熟的应用能力及实践效果能够满足国内银行业对于用户权益平台的战略规划需求，同时较高的战略规划与成熟的产品也在优秀的实践效果中得以表现，整体来看，用户权益平台是在所有银行营销数字化转型工具中表现最为均衡、综合评价较高的营销数字化工具。用户权益平台在战略、成熟度与应用效果三个方面的评测得分较为均衡，银行对于该项能力的战略规划能够在应用实践层面较为充分的实现3.953.803.93战略重要度应用效果产品及技术成熟度用户权益平台评测结果分析注释：N=120，受访对象是国有银行、股份制商业银行、城商行、农商行等银行从业人员来源：艾瑞咨询研究院自主研究及绘制n 用户权益平台在“战略重要度”、“产品及技术成熟度”及“应用效果”三方维度的评测得分较为均衡，银行对于该项能力在战略与应用层面的认知基本一致。从战略层面看，51.7% 的受访银行从业者认为用户权益平台是本行目前重要的战略规划，58.3% 的受访银行从业者认为用户权益平台是本行未来五年的重要的战略规划，图像说明：不同颜色的圆环用于区分各维度下的能力评测等级，内切其中的灰色三角用于规范各维度不同评测等级的打分基准；绿色三角形为该项工具在评测模型中的得分表现情况。满分为5分，最终得分结果由各项加权平均得出。n 认可用户权益平台战略能力的银行比例由目前的51.7%提升至五年后的58.3%，由此看来，随着银行营销数字化转型进程的推进，用户权益平台的战略意义将变得愈发重要。n 从应用层面看，虽然用户权益平台在产品及技术成熟度方面的表现略微优于其实际的应用效果，但跟其他营销数字化工具相比，用户权益平台已经较为充分的将产品能力展现于在实际应用效果中得以展现。将战略与应用层面结合来看，用户权益平台的实践能力与效果也能够保障战略规划落地执行。392023.10 iResearch I工具二：用户权益平台（2/3)国内银行业对于用户权益平台的整体布局进程领先于其他营销数字化工具，并且对于云端用户权益平台部署的接受度优于市场平均水平国内银行对于用户权益平台布局进程的推进领先于其他营销数字化工具，目前几乎所有银行都有针对该项能力建设、发展、应用的部署规划，并且不同类型的银行对于用户权益平台的建设进程相差不大，绝大多数银行已处于工具的投入应用阶段。在用户权益平台的部署方面，虽然本地化部署依旧是最主流的部署方式，但银行对于该项能力云端部署的接受度要优于其他营销数字化转型工具，以更为轻量化的部署形式建设用户权益平台将会有不错的市场发展空间。用户权益平台布局进程分析股份制商业银行区域性中小行国有六大行没有布局计划有布局计划但仍未开始布局已经开始布局但仍未投入使用已投入使用n布局进程：除了战略规划与应用效果外，目前国内银行对于用户权益平台的 布局进程领先于其他全部的营销数字化转型工具，从调研中可知，目前已有几乎全部的受访银行从业者有关于用户权益平台建设的相关规划，国内银行广泛处于“已布局完成但仍未投入使用”及“已投入使用”阶段100%的国有六大行受访从业者表示已经完成该项能力的建设并投入使用，在用户权益平台的布局方面，不同类型的银行之间，布局的进程是非常接近的。11.1.7D.0V.0.52.5e.0g.5%公有云混合云私有云本地化银行营销数字化工具（整体）用户权益平台用户权益平台部署方式分析n部署方式：国内银行业对于用户权益平台的部署选择与营销数字化工具整体的布局选择趋势保持一致，本地化部署仍是最普遍的部署方式，但对于用户权益平台来说，银行对于该项工具云端部署的接受度要远高于整体工具的平均水平，目前已有65.0%的受访银行从业者所在的银行选择将用户权益平台部署在私有云上，仅比选择本地化部署的比例略低2.5%n 云端部署的低成本、高算能、易扩容、强兼容可助力银行以更低的成本、更便捷的接入方式、更成熟的迭代算法，在短时间内建设用户权益平台并投入应用。注释：N=120，受访对象是国有银行、股份制商业银行、城商行、农商行等银行从业人员来源：艾瑞咨询研究院自主研究及绘制402023.10 iResearch I工具二：用户权益平台（3/3)用户权益平台场景的多样性成为银行选择权益类产品时考虑的核心因素，产品的交互与对接能力、游戏活动的设计能力也同样影响用户的选择在影响银行用户权益类产品选择的因素中，权益平台场景的多样性以90%的认可度成为影响银行权益工具选择最核心的因素，权益场景的多样性主要是指权益平台对于内部、外部生态及用户生活圈的覆盖，涉及包括视频、娱乐、社交、工作、生活等多元化场景，通过在各场景中为用户提供契合的场景化权益礼包，以数字消费的形式，实现对于用户垂直消费权益需求的满足。除用户权益应用场景的多样性外，银行在选择用户权益平台时也会关注该项产品在数据交互与接口对接方面的表现，真实度高、稳定性强、对接便利的用户权益产品将受到银行的欢迎，此外，用户权益平台内游戏及活动环节的设计能力也同样影响着银行对于用户权益类平台的选择，就整体影响因素的大类来看，用户权益平台的内容设计能力与结构设计能力是影响用户权益类平台选择的两大核心因素，产品在内容力与产品力的表现将极大的影响其市场欢迎程度。36.6P.0P.0U.0.0%不同权益流程的不同字段传输游戏/活动环节设计能力部署便利，接口机流程标准化数据交互的真实性与稳定性用户权益应用场景的多样性影响国内银行选择用户权益类产品的因素分析n 用户权益平台场景的多样性成为国内银行在选择权益类产品时考虑的核心因素，其中100%区域性中小行受访从业者91.7%股份制银行受访从业者77.8%国有六大行受访从业者认为用户权益场景的多样性是影响其产品选择的核心因素。从目前的调研结果看，银行对于该项因素的重视程度随自身区域属性的增强与规模的降低而提升。注释：N=120，受访对象是国有银行、股份制商业银行、城商行、农商行等银行从业人员来源：艾瑞咨询研究院自主研究及绘制412023.10 iResearch I工具二：用户权益平台 案例展示以本地生活为切入点，承担非金融生活场景建设和消费金融生态化线上经营的用户积分权益体系平台用户权益平台的搭建是立足于银行整体业务经营协同能力、互联网运营能力、资源整合能力及企业级能力复用等银行体系内外多重资源及能力的整合，以本地生活为切入点，聚合高频生活场景，通过构建高效运营体系和运营能力，承担非金融生活场景建设和消费金融生态化线上化经营，在C、B、G端协同发力，通过平台、用户、场景、权益互通实现流量贯穿，协同经营，为用户提供符合线上逻辑的产品，用线上生态、线上场景、线上流量形成金融与非金融场景间的全面覆盖。来源：专家访谈，某国有大行微信公众号资料，公开资料，艾瑞咨询研究院自主研究及绘制某大型国有银行用户权益平台建设落地案例介绍用户权益平台满足客户线上化、生态化服务需求，承接业务经营需要企业级生态运营平台、线上数字化经营平台个金、网金、信用卡、房金、普惠、机构、财私、银行研修中心、工会等多部门协同联动用户运营、产品运营、活动运营、商户运营、内容运营、平台运营、数据运营、服务运营、渠道运营、新媒体运营中心化 属地化财务资源企业级营销资源流量资源线上线下流量聚合场景资源分散场景整合远程智能银行中心客服和客诉处理能力企业级研发能力金科部 金科司平台运营中心互联网渠道反欺诈能力企业级中台能力用户、权益、商户、支付业务处理中心集约化业务处理能力企业级数据能力C端用户聚焦生活服务和消费金融类场景建设，通过提供权益领取与兑换渠道等方式，为用户提供美食、外卖、商超、充值、影票等高频本地生活场景服务B端用户依托银行自有平台流量和运营能力，与商户共创共赢，通过“零抽佣”“减费用”等商业模式，助力商户经营纾困，提升品牌曝光度，助力商户获客引流。G端用户助力政府提振消费，以银行自身的平台影响力与认可度，达成与政府间的消费券发放合作，拉动民生消费，惠及中小商户。用户权益平台三类核心主体422023.10 iResearch I工具三：用户数据分析平台（1/3）用户数据分析平台在战略层面的认可度要远高于应用层面，产品技术成熟度的提升或将进一步推动用户数据分析平台的广泛应用用户数据分析平台主要是指通过整合管理企业内部或外部多方平台分散的数据信息，在进行数据清洗、管理与挖掘的同时，完成数据标签化、结构化归纳，为后续业务应用提供精准化用户洞察的技术平台。在评测中，银行对于该项能力的战略重要度给予了很高的评价，并且认可度随银行数字化转型进程的推进逐年提升。与较高的战略重要度相比，用户数据分析平台在应用层面的表现较为普通，特别是在产品及技术的成熟度方面评定仅为“中等”，这不仅导致了该项能力在银行战略规划与实际应用中出现期望与现实的“鸿沟”，并且通过应用层因素关联度的分析可得，表现一般的产品成熟度也将进一步影响其应用效果，因此，如何提升用户数据分析平台的技术成熟度，在改善使用效果的同时逐步匹配战略层面的重要度，成为该平台技术服务商需要关注的核心问题。55.6%的国有六大行受访从业者认为该工具的实际应用效果非常好，认可比例远超区域性中小行，结合前文的应用效果归因分析，推测是原因极可能是两者间数字化基础建设水平及员工应用水平差异导致的图像说明：不同颜色的圆环用于区分各维度下的能力评测等级，内切其中的灰色三角用于规范各维度不同评测等级的打分基准；绿色三角形为该项工具在评测模型中的得分表现情况。满分为5分，最终得分结果由各项加权平均得出。注释：N=120，受访对象是国有银行、股份制商业银行、城商行、农商行等银行从业人员来源：艾瑞咨询研究院自主研究及绘制用户数据分析平台评测结果分析n 用户数据分析平台在三个维度之间的评测得分存在较大差距，银行对于该项能力战略重要度的认可水平要远高于其产品的成熟度与实际应用效果，其中72.2%的国有大行、78.5%的股份制商业银行及61.1%的区域性中小行受访从业者对于未来五年客户关系管理平台的战略重要度给予了很高的认可；n 此外，用户数据分析平台在应用效果维度的评测得分要高于其产品及技术成熟度的评测结果，在银行看来该项能力在技术提升、产品迭代等方面仍有较大进步空间。在应用效果方面3.943.583.28战略重要度应用效果产品及技术成熟度n 并且各类型银行对于用户数据分析平台的战略认可度是随时间逐步攀升的，这意味着对于银行来说，该项能力的战略重要性将随着银行数字化转型进程的逐步推进而愈发重要。432023.10 iResearch I工具三：用户数据分析平台（2/3）不同类型的银行对于用户数据分析平台的布局规划存在一定的差距，本地化与私有云仍是“高用户数据关联度”产品的首选部署方式与之前讨论的其他银行营销数字化转型工具相比，用户数据分析平台的整体布局进程较为落后，虽然大多数银行已完成对于该项能力的部署及应用，但整体比例仍略低于之前讨论的前两项银行营销数字化转型工具，并且在用户数据分析平台的布局进程中，区域性中小行与国有六大行、股份制商业银行之间的布局进程并不同步，与“大多数已应用、少部分未布局”的国有六大行及股份制银行相比，区域性中小银行呈现各部署阶段银行比例阶梯式递增的趋势，并且参与调研的全部区域性银行都有该项能力的建设规划，整体对于用户数据分析平台的认可度较高。此外，在部署方式方面，用户数据分析平台的主流部署方式仍以本地化与私有云为主，并且银行对于该项工具私有云部署的接受度略高于同为“高用户数据关联度”产品的客户关系管理平台。区域性中小行股份制商业银行国有六大行没有布局计划有布局计划但仍未开始布局已经开始布局但仍未投入使用已投入使用n部署进程：国有六大行与股份制商业银行对于该项能力的布局进程情况相差不大，处于“应用阶段”及“未布局阶段”的银行比例相似，目前已有11.1.7D.0V.0%1.9%9.3P.0h.5%公有云混合云私有云本地化银行营销数字化工具（整体）用户权益平台用户数据分析平台布局进程分析用户数据分析平台部署方式分析83.3%的国有六大行及股份制商业银行受访从业者已经完成该项能力的建设并在日常银行营销活动中投入应用的同时，仍有约5%的国有六大行及股份制商业银行没有该项能力的相关布局。n 与之相比，区域性中小行虽然整体应用比例低于前两者，但整体对于用户数据分析平台布局的认知一致性较强，处于各部署阶段的银行数量比例呈阶梯式递增，并且参与调研的全部区域性中小行都有该项能力的建设规划n部署方式：目前国内银行业主流的用户数据部署方式仍是以本地化部署及私有云部署为主，其他开放程度较高的公有云、混合云部署仅有少量银行选择，与行业整体情况相比，用户数据分析平台部署方式的选择偏向“保守安全”，推测原因可能是由于该项工具涉及用户私密数据较多，对于数据安全保障的要求高于行业平均水平。注释：N=120，受访对象是国有银行、股份制商业银行、城商行、农商行等银行从业人员来源：艾瑞咨询研究院自主研究及绘制442023.10 iResearch I工具三：用户数据分析平台（3/3）DMP与CDP功能互为补充，两类平台共同部署成为用户数据分析平台应用的主要模式，银行的数字化转型阶段成为影响工具选择的核心因素目前国内银行普遍使用的用户数据分析平台主要有两种，一种是通过归纳整合二、三方数据，在匿名化处理的情况下形成用户画像标签，实现精准广告投放的数据管理平台(DMP)，另一种是汇聚企业内外多方数据信息，在打破数据孤岛的同时完善用户画像信息，达成内部用户精细化运营的客户数据平台（CDP)。虽然两类工具同属于银行用户营销数字化数据分析平台，但从数据的获取、个人信息的处理、关注的数据周期及业务应用等方面均有不同，相比于DMP专注于前端广告投放，CDP更聚焦后链路数据资产的收集与整合。目前在银行营销数字化转型的过程中，两种工具均受到广泛认可，已有60%的国内银行同时部署了DMP与CDP平台。对于未部署该平台的原因剖析可知，与客户关系管理平台未部署的原因不同，成本并不是影响银行部署选择的主要因素，而是银行自身所处的数字化转型阶段成为决定银行是否选择部署该项能力的决定性因素。60.00.33.67%5.00%DMP&CDP两者均有部署仅以DMP平台部署仅以CDP平台部署未部署或以其他方式部署用户数据分析平台部署产品选择分析0.003.333.33f.66%成本限制顶层战略没有相关建设规划该能力在营销数字化转型中不重要目前营销数字化转型暂不需要该能力未选择部署用户数据分析平台原因分析n产品选择：由于DMP与CDP平台在功能应用与用户服务上专注于不同的业务板块，彼此间功能重复度低、互补性高，目前已有注释：N=120，受访对象是国有银行、股份制商业银行、城商行、农商行等银行从业人员来源：艾瑞咨询研究院自主研究及绘制60%的国内银行受访从业者选择同时部署DMP与CDP平台。n 此外，选择单独部署DMP或CDP平台的受访银行比例相差不大，分别为18.33%与16.67%，推测国内银行业对于两类工具的认知及接受程度相似，在工具部署的选择上银行可能更多的关注于功能应用的选择，而不是对于某种平台有“天然的”高接受度。n原因剖析：对于未选择部署该项能力的银行来说，影响其部署选择的主要原因集中在本行银行数字化转型阶段、能力认可及战略规划三个方面，其中66%未部署该项能力的银行受访从业者认为本行目前营销数字化转型的阶段暂时不需要用户数据分析类产品或工具，该项原因同时也是影响用户数据分析平台部署选择最主要的因素。452023.10 iResearch I工具三：用户数据分析平台 案例展示全渠道实时数据的打通优化银行用户标签精准度，DMP用户画像补充助力银行全面降低营销成本通过实时全渠道数据的打通与智能算法间的相互配合，用户数据分析平台帮助银行提取用户的行为信息与消费数据，通过对于用户数据的收集、清洗、挖掘为其匹配合适的标签，有针对性提供用户营销服务。此外，标签的准确度也会在实践的过程中逐步优化，用户数据分析平台将最新捕捉的用户数据加入数据分析体系，实现对于银行新客及老客的人群画像补充。用户数据分析平台贴合多元化的营销业务场景，从客群分析开始，对目标受众进行精准筛选，最终选择有效的触达渠道，实现真正意义上多维度、多层级、多方向的数据融合及高价值数据挖掘。千人千面的用户画像标签在提升营销效率的同时，大幅减少了银行营销活动初期投入的资金及人力成本，助力银行全面提升营销效率。来源：专家访谈、某技术服务商微信公众号，公开资料，艾瑞咨询研究院自主研究及绘制某民营银行用户数据分析平台落地案例介绍数据收集数据清洗/挖掘标签体系构建行业标签深度挖掘数据应用SDKLBSGPS运营商营销回流一方数据推荐系统预测型机器学习聚类学习深度学习自然语言处理设备信息APP行为APP偏好线下行为垂直行为金融行业电商行业旅游行业出行行业旅游行业汽车行业风控营销洞察分析462023.10 iResearch I工具四：客户数据安全保护类产品（1/3）银行对于客户数据安全保护类产品战略重要度的评价远高于产品成熟度与实际应用效果，如何提升产品应用层面的能力成为其面临的核心问题在营销数字化转型的过程中，银行如何在使用数字工具实现智慧化营销的同时保障客户的信息安全，在先进工具的使用与个人信息保障间找到双赢的解决方案成为银行需要关注的重点问题。客户数据安全保护类产品是包括数据泄露监控及防护系统、隐私计算系统、匿名化计算系统、数据库安全系统等用于保障数据使用安全与数据库安全的信息工具。在国内银行业看来，数据安全保护类产品具有较高的战略重要度，并且其战略意义将随着时间的推进逐步提升，与之相比该项能力在应用层面的表现较为普通，产品成熟度与应用效果方面的表现均处于中等级别，并且在银行看来客户数据安全保护类产品的产品技术成熟度还要略差于其应用效果，如何提升产品的应用能力，满足银行对其的战略规划需求，成为技术服务商应当关注的核心问题。3.883.483.42战略重要度应用效果产品及技术成熟度图像说明：不同颜色的圆环用于区分各维度下的能力评测等级，内切其中的灰色三角用于规范各维度不同评测等级的打分基准；绿色三角形为该项工具在评测模型中的得分表现情况。满分为5分，最终得分结果由各项加权平均得出。客户数据安全保护类产品评测结果分析n战略层面：客户数据安全类产品在银行发展的战略层面有较高的认可度，目前已有46.67%的国内银行受访从业者认为数据安全保护类产品在本行的发展规划中有非常重要的战略意义，并且该项能力的战略重要度随时间逐步提升，在未来五年的战略规划中，认为其有“重要战略意义”的国内银行受访从业者比例由46.67%增长至58.33%。n应用层面：与该项能力的战略重要度相比，银行对于其应用效果与产品成熟度方面的评价要略低一等51.67%及45%的国内银行受访从业者认为该项能力在产品技术成熟度与应用效果方面表现仅为“中等”，远低于其在战略层面获得的评价。n 这意味着在银行看来，数据安全保护类产品在实际应用层面的表现远低于银行对其的战略预期，如何提升该项工具的应用能力，改善产品成熟度与应用效果，是需要关注的重点问题。注释：N=120，受访对象是国有银行、股份制商业银行、城商行、农商行等银行从业人员来源：艾瑞咨询研究院自主研究及绘制472023.10 iResearch I工具四：客户数据安全保护类产品（2/3）国有大行对于数据安全类产品的布局进程领先于其他国内银行，部署方式仍以本地化为主，公有云部署的接受度远低于行业平均水平从各类型银行的布局进程来看，国有六大行对于该项能力投入应用的比例远高于股份制商业银行与区域性中小行，但从已完成该项能力布局的银行比例看，国有六大行与股份制银行相差的比例不大，而区域性中小行与前两者相比仍存在一定差距，但总体看各类型的银行都普遍认可客户数据安全保护类产品，整体国内银行业的产品布局仍在稳步推进。从产品部署的方式来看，本地化依旧是数据安全保护类产品最广泛的部署方式，银行对于该项能力云端部署的接受度随云端部署种类的不同存在一定差异，混合云与私有云部署的接受度与行业整体水平相差不大，但国内银行对于公有云部署方式的接受度要远低于行业整体水平，因此在部署方面，客户数据安全保护类产品仍以私密度较高的主流部署方式为主，银行对于私密程度较低的公有云部署接受度极低。客户数据安全保护类产品布局进程分析区域性中小行股份制商业银行国有六大行没有布局计划有布局计划但仍未开始布局已经开始布局但仍未投入使用已投入使用数据安全保护类产品部署方式分析11.1.7D.0V.0%1.7.5C.1e.5%公有云混合云私有云本地化银行营销数字化工具（整体）客户数据安全保护类产品注释：N=120，受访对象是国有银行、股份制商业银行、城商行、农商行等银行从业人员来源：艾瑞咨询研究院自主研究及绘制n布局进程：国有六大行对于客户数据安全类产品的布局进度要领先于股份制商业银行及区域性中小行，目前已有83.33%的国有六大行受访从业者已经完成该平台的部署并投入使用，此外还有11.1%的国有六大行受访从业者虽然没有应用但也完成了该项能力的部署建设。n 此外，股份制商业银行与区域性中小行也在稳步推进客户数据安全保护类产品的建设，目前已有66.67%的股份制商业银行和61.11%的区域性中小行受访从业者实现了客户数据安全保护类产品的部署与应用。n部署方式：客户数据安全保护类产品的部署方式仍以本地化为主，银行对于混合云与私有云部署的接受度略低于银行营销数字化工具整体水平，但对于公有云部署，银行接受度非常低65.5%的国内银行受访从业者表示其工作的银行采用本地化的方式部署客户数据安全保护类产品，仅有1.7%的银行愿意接受公有云部署482023.10 iResearch I工具四：客户数据安全保护类产品（3/3）隐私计算作为银行保障客户数据安全的核心工具，其在银行营销数字化信息安全保护中的作用受到国内银行业的普遍认可隐私计算技术是银行营销数字化客户数据安全保护系列产品中最具代表性的技术之一，以多方安全计算、同态加密技等密码学加密技术为核心，将融合隐私保护技术的联合建模与可信硬件相结合，实现“数据可用不可见，用途可控可计量”的客户数据安全保障技术。目前国内银行业对于该项技术认可度较高，有超68%的受访银行从业者认可隐私计算在银行营销数字化转型中的重要作用，其中有40%的受访银行从业者认为隐私计算是银行营销数字化转型的首要能力。从不同类型的银行视角来看，区域性中小行对于隐私计算技术在银行营销数字化转型过程中的重要度评价略高于国有六大行及股份制商业银行，结合其对于客户数据安全保护类产品布局进度的分析，推测未来几年区域性中小行的隐私计算能力建设需求将有所提升。约40%的受访银行从业者认为，数据保护是银行营销的基础，隐私计算是银行营销数字化转型的首要能力，拥有绝对核心的重要地位。40%重要程度100(%约28.3%的受访银行从业者认为，隐私计算在银行营销数字化转型的重要度不可小觑，除小部分营销场景外，绝大多数银行营销需要隐私计算系统的数据保护重要程度80%超68%的银行从业者认可隐私计算产品在银行营销数字化转型中的重要作用，其中客户数据安全保护类产品隐私计算技术市场认可度分析国内各类型银行对于隐私计算产品的重要度评价国有六大行股份制商业银行区域性中小行注释：N=120，受访对象是国有银行、股份制商业银行、城商行、农商行等银行从业人员来源：艾瑞咨询研究院自主研究及绘制n重要度分析：整体来看，国内银行对于隐私计算类产品有较高的重视度，在百分制的评测体系下，三类银行的重要度评价得分均在75分以上，其中76.777.582.2受访的区域性中小行从业者以82.2的隐私计算产品重要度评价得分位列首位；n 结合产品的布局进程分析，推测区域性中小行对于隐私计算类产品的建设需求或将在未来几年有所提升。492023.10 iResearch I工具四：数据安全保护类产品 案例展示以隐私求交、隐私大小比较、集合元素判断三项自研算法为核心的用户数据安全保障体系整体方案包含可信硬件、可信平台、可信数据、可信运维、可信计算五个部分，通过软硬协同，利用机密计算的安全隔离环境，将数据在可信执行环境中进行明文计算，在不丢失安全性的前提下，提升隐私计算整体性能，更好的数据安全与计算型能效率，实现基于隐私计算的银行营销业务场景。该产品应用隐私求交、联邦统计、联邦建模等技术筛选出符合要求的目标客户，在通过短表单的方式获取用户的授权确认，达成银行用户营销目标。某股份制商业银行客户数据安全保护类产品建设落地案例介绍来源：专家访谈，金融电子化隐私计算技术助力银行信用卡业务发展、公开资料，艾瑞咨询研究院自主研究及绘制参与方B隐私求交求差、隐去个人信息联邦统计联邦建模B方集合数据A方集合数据双方交集数据B方集合数据双方交集数据工资、职位等信息数值区间不带有个人身份信息的数据评估模型评估结果筛选结果参与方A参与方A隐私评估本场景应用涉及以下三个自研算法隐私求交隐私大小比较隐私集合元素判断卓越者评选&典型厂商案例Outstanding Enterprises&Case Study0351卓越者评选及典型厂商案例银行营销数字化转型卓越服务商评选“卓越者”评选说明入围说明评估指标介绍入围厂商名单银行营销数字化转型典型厂商案例展示52卓越者入围说明Qualification Statement for Outstanding EnterprisesiResearch：“中国银行营销数字化转型卓越服务厂商评选”艾瑞咨询研究团队&产业专家团队 所有的入围者，均为接受过研究团队调研的企业，其在综合能力或者关键能力方面获得了研究团队及产业专家团的一致肯定。“中国银行营销数字化转型卓越服务厂商”的选定，艾瑞咨询研究团队征询了来自国有商业银行、股份制商业银行等需求端专家的意见，外部专家团站在技术水平及服务能力的角度提出了相应的观点和看法。“中国银行营销数字化转型卓越服务厂商”由艾瑞咨询研究团队及产业专家团共同提名，研究团队也在最大程度上实现了对厂商的触达。对未展开调研或者未接受调研的企业，艾瑞咨询不对其发表任何评判观点。“中国银行营销数字化转型卓越服务厂商”不代表企业排名，也不能说明未入围者完全不具备产品力或市场力的优势。本次调研仅为对企业的当下能力判断，不代表对企业的长期判断。532023.10 iResearch Inc iResearch-卓越者 评估指标介绍iResearch-卓越者（2023，中国银行营销数字化转型服务厂商）核心评估指标行业深耕程度项目积累项目类型覆盖度（高）项目数量（中）服务客户情况服务客户数量（中）客户业务规模及市场地位（高）行业理解程度银行零售营销业务理解度（高）银行对公营销业务理解度（高）产品与技术能力产品使用效果银行营销业务相关指标的提升（高）银行用户运维相关指标的提（高）产品使用与服务提供能力方案适配度（高）产品设计完整性（高）个性化需求的满足度（中）服务能力服务质量与服务全面性一站式智能运维服务提供能力（高）服务稳定性与持续性服务的稳定性与连贯性（高）“陪伴成长式”服务提供能力（高）营销产品覆盖维度生态能力资源整合与生态合作能力联合技术研发能力（高）协同企业合作能力（高）其他衍生服务（中）服务流程完备度（高）服务需求匹配度（高）生态内业务拓展能力（高）示例一级指标二级指标三级指标打分标准说明：各项指标评测结果均来自于内部及外部评审团队，根据参选企业提供的资料及调研、走访结果，结合团队专家自身对行业的认知及经验积累，综合评断得出；具体卓越者榜单情况见下页。l 评测说明：评测模型主要包括服务厂商的行业深耕程度、产品与技术能力、服务能力及生态能力四个核心维度，最终评测结果的产出来自于对以上四个核心维度的综合考量，为了更全面的量化各服务厂商在核心维度下的具体表现，将核心维度进一步拆分至二级、三级评价指标，并给予其不同的评测重要程度等级，具体指标如下图所示：来源：专家访谈，公开资料，艾瑞咨询研究院自主研究及绘制营销产品的种类覆盖度（高）产品间的配合能力（高）542023.10 iResearch IiResearch-卓越者 入围厂商（1/2）数字化能力建设服务商银行科技子公司数字化能力建设服务商银行IT解决方案服务商注释：榜单内企业排名不分前后，按企业中文名称音序排列来源：艾瑞咨询研究院自主研究及绘制iResearch-卓越者（2023，中国银行营销数字化服务厂商）基于以上评分体系，综合艾瑞咨询研究团队及外部专家团队的评估结果，将表现优异的前30家银行数字化转型服务厂商纳入“iResearch-卓越者”榜单，榜单分为银行数字化能力建设服务商，包括银行科技子公司、银行IT解决方案服务商、银行数字化创新服务商三个细分类型，及银行数字化核心技术服务商共四类。榜单不代表对厂商梯队的划分，入围者均具有某一方或多方面竞争能力，具体榜单如下：中国银行营销数字化转型卓越服务厂商TOP30榜单iResearch 中国银行营销数字化卓越服务商TOP30榜单552023.10 iResearch IiResearch-卓越者 入围厂商（2/2）中国银行营销数字化转型卓越服务厂商TOP30榜单数字化能力建设服务商银行数字化创新服务商银行数字化核心技术服务商注释：榜单内企业排名不分前后，按企业中文名称音序排列来源：艾瑞咨询研究院自主研究及绘制56卓越者评选及典型厂商案例银行营销数字化转型卓越服务商评选银行营销数字化转型典型厂商案例展示572023.10 iResearch I蚂蚁链摩斯基于多年对银行营销投放场景的经验沉淀，建立了用户联营平台，基于隐私计算技术帮助银行合规地对接多维数据来进行精准营销。在蚂蚁及阿里生态流量与场景联盟的赋能下，摩斯通过对数据的安全多次加密计算，打通银行与消费场景，在不同的时间节点及差异化的场景端对用户进行个性化营销信息投放，精准有效地扩大营销效果，提升客户营销ROI。蚂蚁集团蚂蚁链摩斯用户联营隐私计算技术助力银行创新数字化精准营销，实现用户全生命周期全渠道联合数智化经营人群洞察加密场景服务平台分布式数据联合，进行人群及活动管理联合圈人活动配置投放策略效果分析接口权益发放SDK对账查询广告展示人群管理活动管理数据看板蚂蚁阿里系生态流量、外部平台连接，进行营销投放流量连接活动投放H5摩斯用户联营平台营销投放平台摩斯用户联营服务数据源商家加密场景管理效果分析后台管理账单管理智能投放来源：蚂蚁摩斯，艾瑞咨询研究院自主研究及绘制582023.10 iResearch I68%马上消金以AI技术为基础，立足于金融大模型场景化应用的智能营销解决方案马上消费智能营销系统能力展示来源：马上消金，艾瑞咨询研究院自主研究及绘制零售金融场景众多，不同用户的需求多样且复杂，这为金融机构塑造极致服务体验带来挑战，而AIGC为零售金融业务带来了想象力。马上消费通过多年在零售金融行业的经验积累，基于在零售金融实际业务场景中产生的真实需求，自研金融大模型“天镜”，并将其应用于金融行业智能营销场景中。该智能营销系统有五大特点：采用端到端大模型驱动，一站式部署对话；汇聚公司优秀人工坐席群体智慧；通话效果接近人工座席；实现对同一用户lifetime的连续营销；对话合规、安全。用户交互坐席服务推荐43aWr%深度模型天镜人工平均人工绩优深度模型天镜人工平均人工绩优深度模型天镜人工平均人工绩优230(5%意图理解准确度客户参与度营销成功率个体智慧个体智慧个体智慧用户坐席天镜大模型提取提取提取汇聚592023.10 iResearch I百融云创百融云创作为一站式服务的AI科技领航者，在NLP、隐私计算、机器学习和云计算等领域深耕多年，打造了决策式AI和生成式AI两类相辅相成的AI技术方案，提出了MaaS（模型即服务） BaaS（业务即服务）的服务模式，通过推动AI 在垂直行业的普惠化发展，提升其在垂直行业资产运营的效率，助力金融行业的数字化转型，为经济发展赋能。此外，百融云创通过决策式AI和生成式AI串联垂直行业、场景及客户的方式，将AI能力从中间作业环节延伸至最终效果环节，让AI技术在垂直行业变得可用、可见、可度量。基于长期对行业的理解和洞察，百融云创沉淀下深厚且独有的行业Know-How，将其与AI技术进行有机结合，重点围绕提升决策分析能力、提升资产运营效率两大主线，帮助垂直企业完成数智化发展，实现全面赋能。以“决策式AI 生成式AI”为核心的金融行业数智化解决方案l 2022年度为机构客户促成的资产交易规模超250亿元l 相比纯人工，“AI 人工”节约成本约80%、“AI”模式节约成本约90%l AI Chatbot能打人工4倍的电话量 识别客户意图准确度达95%反应速度在500毫秒以内，和真人接近 可进行20轮以上交互对话 每天2000-3000万通电话云计算机构资产端银行、消金、证券、资管、互联网科技公司等信贷场景增量用户获取存量用户运营财富场景机构负债端通过AI提升金融行业运营效率信贷小微财富底层技术LLMTransformerAutoML深度学习隐私计算联邦学习ASRNLPAIGCTTS决策式AI生成式AI 来源：百融云创，艾瑞咨询研究院自主研究及绘制百融云创数智化解决方案展示602023.10 iResearch I互联数智结合亿量级白名单与DAU50万 流量入口的全链路数字化营销解决方案互联数智作为科技金融数字化营销平台，以产品化方式为金融机构和互联网平台提供数字化营销解决方案，帮助客户实现数字化转型，提高经营效率，增强用户体验。同时，为了实现帮助客户在个人消费信贷产品的高质量增长，互联数智持续投入建设丰富且有区分能力的白名单和流量入口，为金融机构和互联网平台提供基于个人消费信贷产品的联合运营服务。目前，已形成亿量级的白名单规模，通过不同授权方案实现优质客群的触达和营销转化，形成全链路解决方案。基于内外部数据生态历史样本特点，选定活跃度高、中高等资质、意向度较高的客群，作为营销的名单挖掘营销名单制定营销计划智能触达转化人工电销转化合作方数据用户基础数据金融行为数据客户业务数据撞库筛选特征分析名单析出营销方案用户意愿分层营销场景匹配权益营销策略智能触达机器人AI营销站内PUSH/短信 制定合理客户分层策略及营销策略，匹配智能触达方案，可较大程度提升客群转化效率 通过人机协同智能触达体系，以及金融大模型的需求识别，实现高效率低成本的用户触达转化人工电销人机协同人工电销策略外部数据生态客群质量模型转化价值模型客户分层营销策略权益策略精准营销漏损分析大数据模型人工话术设计金融产品匹配触达方式选择金融大模型决策辅助金融标签1234来源：互联数智，艾瑞咨询研究院自主研究及绘制互联数智精准化运营能力展示营销价值模型&用户需求模型612023.10 iResearch I互联数智本地联合建模、存量运营、全系统搭建等多模式下的智能营销方案体系互联数智智能营销解决方案展示1智能营销解决方案-本地联合建模需求响应模型人群质量模型人群转化价值模型营销价值分层 权益策略 触达策略客户本地数据特征 样本(互联可提供样本)来源：互联数智，艾瑞咨询研究院自主研究及绘制1智能营销解决方案-存量运营案例一、某手机厂商客户 3亿 注册用户 通过价值模型筛选top15%进行主动营销 营销白名单人群信贷余额占比达到80%以上 营销方式：电销、短信、push、app资源位二、某运营商客户 2亿 注册用户 通过价值模型筛选top10%进行主动营销 营销白名单人群信贷余额占比达到70%以上 营销方式：电销、短信、push、app资源位银行自营产品增信机构融担互联数智存量用户1.用户借款申请4.终审通过放款3.风险审批2.行方审批拒绝后推送风控支持整合的营销标签对客户进行精准分层并确定不同客群的触达方式，基于人工电销、AI外呼、短信等多种营销场景触达客户，引导沉默用户激活至资方自营产品申请入口数字化营销方案智能营销解决方案-智能营销全系统营销线索系统客户网贷相关系统交叉撞库营销管理系统人工电销系统智能语音机器人系统短信管理系统客户端内触达对接系统人群差异化营销策略部署人机协同触达管理调度语音线路资源 客户资源 互联资源互联可提供人工电销坐席语音线路资源 客户资源 互联资源客户app push 线索系统提供撞库API接口 线索系统不需要与外部交互 线索系统定期本地升级语音营销大模型输入：用户沟通语音数据输出：用户转化价值评分客户存量目标营销用户用户状态实时查询62银行营销数字化行业发展趋势Development Trends04632023.10 iResearch I趋势一：技术方向的选择人工智能、大数据等致力于为银行基础建设与服务能力提供泛在智慧的前沿技术成为最受国内银行业期待的营销数字化转型能力从银行的视角来看，能广泛渗入新型基础设施建设、推动多元化应用场景与客户群体应用的人工智能及大数据技术，被期待在银行营销数字化领域得到更广泛的应用。在本次调研中，有95%的受访银行从业者认为该项技术在银行泛在智能阶段作为推动银行产融结合与产业智能化升级的关键能力，以其为基础的营销数字化转型产品及相关能力平台的建设受到国内银行业的广泛期待。在提升数据应用、改善数据模型框架及AI大模型建设等方面，以先进的处理能力和模型建设，在银行营销领域实现大规模商业应用，从数据积累到模型优化再到应用升级，完成营销数字化产品及能力的迭代式优化升级。在此过程中，以AI数字人、金融大模型建设（AICG）及虚拟现实技术（XR）为代表的银行营销数字化泛在能力，将得到更为泛在、全面的实践应用。36.7A.7c.3v.7.0%音视频、数字孪生等技术RTC、物联网等远程交互技术区块链、隐私计算等可信协议技术云计算、边缘计算等无限算力技术人工智能、大数据等泛在智慧注释：N=120，受访对象是国有银行、股份制商业银行、城商行、农商行等银行从业人员来源：专家访谈、公开资料、艾瑞咨询研究院自主研究及绘制银行营销数字化产品技术拓展方向分析银行营销数字化核心技术分析：以人工智能、大数据等前沿技术为基础，致力于广泛深入地改善银行营销领域新型基础平台建设、应用场景建设与服务能力改进的泛在类技术，成为国内银行业在营销数字化转型领域关注的的核心技术。642023.10 iResearch I趋势二：人工智能系技术的赋能以大模型为基础，决策式AI和生成式AI的综合化广泛应用将重新定义银行营销服务业态，在提升效率的同时实现用户的精准营销人工智能技术作为被国内银行业广泛看好的、可赋能多个银行数字化营销环节的泛在前沿科技，目前已有部分能力在银行营销数字化转型环节得到应用，就技术模式本身来看，人工智能技术目前有两类核心分支技术，分别是以模拟人类决策过程、依据输入信息在短时间内快速决策的决策式AI，与模仿人类创造能力、以处理大量创新问题与生成创新式内容为核心的生成式AI，两类技术在技术架构方面相似但在应用功能的实现上各有不同，在银行数字化营销产品的应用层面，两类AI技术与包含大量参数的深度学习大模型一起，形成了一个紧密联系的技术生态体系，通过提升图像识别、自然语言处理、模型预测等能力，实现对于用户的商机挖掘与销售预判。通过对于AI系列技术的应用，银行将实现消费场景增加、营销决策效率的提升、宣传文案图片的自动化生成与的同时，也全面降低人力成本。决策式AI与生成式AI在银行数字化营销的应用来源：专家访谈，公开资料，艾瑞咨询研究院自主研究及绘制决策式AI 将大数据分析、预测和算法优化相结合，从大量输入信息中学习并提取模式，模拟人类的决策过程，为银行营销提供智能决策支持。擅长处理复杂的、需要快速准确决策的问题生成式AI 通过深度学习和其他机器学习算法，在学习并理解大量的数据信息后，模仿人类创造力，自主生成全新的、有创造性的内容，擅长处理需要大量内容创新的问题，商业知识图谱在AI服务与大模型的加持下，为银行营销提供顺畅的人机交互，围绕用户的偏好、习惯等特征建立模型，提供个性化营销服务AIGC智能营销平台银行营销模型自然语言理解AI数字人l 应用AI技术在关键字识别、NPL语音识别、多人互动问答、机器人自定义对话编排等方面的能力，形成自定义式对话编排，支持主动营销模式的达成。l 通过对优质内容的深度拆解和数据联动后的有效归因，形成银行数字化营销策略的战略指导，结合多模态AIGC生成能力，输出符合用户消费习惯的营销内容。652023.10 iResearch I趋势三：XR视觉交互技术的融合以VR、AR、MR为代表的XR系列技术将成为改变银行营销方式的“未来能力”，集成以上技术的虚拟数字人将成为银行元宇宙建设的重要部分除了人工智能技术外，为用户提供虚拟场景与现实世界无缝转换的XR系列视觉交互技术，凭借在人机交互、虚实结合、多方互联等方面的优秀表现，在为用户提供互动性更强、感官刺激更丰富的银行营销服务体验的同时，也改善了银行营销业务的服务质量与模块化协作能力，在运营成本和服务模式方面均有技术性变革。以该系列技术为基础的虚拟数字人，在银行营销中作为客服、咨询等业务人员为用户提供智能化、专业化服务营销服务，通过在虚拟营业场景下“用户与业务员”“用户与用户”的交互，在虚拟数字空间中实现营销机会的挖掘，为后续银行建设元宇宙社区营业厅、实现元宇宙中的银行用户社交奠定技术基础。VR、AR、MR技术在银行数字化营销的应用来源：专家访谈，公开资料，艾瑞咨询研究院自主研究及绘制l VR技术将全景图像转换为虚拟现实环境，应用VR设备模拟产生三维虚拟空间，建造集视觉、听觉、触觉为一体的虚拟场景，用户可通过VR眼镜或手机APP等设备进入，感受银行的环境与服务，享受身临其境的金融业务消费体验。l 应用场景：虚拟营业厅、虚拟场景交互VR虚拟现实AR增强现实MR混合现实l 作为VR技术的延伸，应用三维建模、实时定位、多媒体、智能交互等技术手段，将计算机生成的虚拟信息仿真叠加在现实的银行营销场景中，实现对于现实场景的加强。l 应用场景：AR虚拟业务办理，包括用户身份识别、虚拟员工响应业务指令等。l MR技术作为AR技术的升级，通过在虚拟环境中引入现实场景信息，在虚拟世界、现实世界和用户之间搭建起一个交互反馈信息的桥梁，将虚拟世界与真实世界合成一个无缝衔接的虚实融合世界。l 应用场景：MR眼镜型数字人，是虚拟数字人影像与线下营业厅环境的结合虚拟现实技术（VR）“无中生有”增强现实技术（AR）“锦上添花”混合现实技术（MR）“实幻交织”662023.10 iResearch I趋势四：产品云端部署方式的选择技术进步推动营销数字化产品部署模式的多样，以低成本、大容量、高并发为特征的云端部署将受到国内银行业的广泛关注随着银行数字化转型进程的推进与云计算技术的成熟，银行IT基础设施与应用运行模式也将迎来革命性变革，传统部署于IDC机房的系统及应用程序，正在逐步向虚拟化云平台迁移。对于银行来说，云端部署不仅仅在技术上可以提供海量、低成本、共享的计算资源，更好地承载大数据、AI等海量数据存储、计算的需求，在业务层面也便于技术服务提供方、产品使用方与用户客群的多方对接，实现企业经营与生活场景云端融合，在提高技术应用便利度的同时也降低了金融服务的门槛。未来云端部署在银行数字化转型中的作用将愈发重要，考虑到银行内部及监管部门对于用户数据安全的相关要求，银行在选择云端部署方式时也应将产品及业务涉及的数据需求作为核心因素，对于涉及银行核心交易数据的产品及业务应选择私密度较高的私有云部署，而对于数据私密度要求不高、以短期快速应用为主的产品，可选择搭建成本较低的公有云平台。此外，随着金融行业云端部署管理办法的逐步完善，未来以金融业务为核心的金融团体云运用，将为银行业的云端部署提供更多的选择，银行营销数字化产品部署方式选择云端部署来源：专家访谈，公开资料，艾瑞咨询研究院自主研究及绘制技术服务商A银行金融云建设技术服务商B技术服务商C应用层用户数据分析平台客户关系管理平台用户权益平台数据处理层硬件层银行技术部门银行业务部门数据安全保障系统服务模式基础架构即服务（IaaS）平台即服务（PaaS）软件即服务（SaaS）672023.10 iResearch I趋势五：产品结构设计与衍生服务的偏好银行对于营销数字化产品结构设计的偏好依据产品功能各有不同，营销数字化产品衍生服务的需求应受到银行数字化转型服务行业的重视银行对于营销数字化产品在结构设计与通用能力方面的需求主要集中在以下四点，分别是多应用合一能力、强拓展性能力和定制化客制化能力，银行对于以上产品结构设计的需求不是针对于同一个营销数字化产品，而是对于不同类型的产品有不一样的结构设计需求，在银行看来，以上产品结构设计的需求是立足于产品整体使用效果之上、锦上添花的部分，在产品有不错的应用表现之余，银行会对有以上特征的营销产品更为倾向，但并不能作为左右银行采买决定的核心因素。此外，对于售前咨询、使用培训、代运营等依托于银行营销数字化产品运营的衍生服务，有近85%的受访国内银行从业者表示在营销数字化转型的过程中，有相关衍生服务的需求，售前咨询的应用可帮助银行理清数字化转型思路，而使用培训与代运营均能直接、有效地提升营销数字化产品的使用表现，需求驱动供给，为银行提供与产品相关的衍生服务，以整体解决方案的模式为银行提供综合化数字转型服务，将成为未来银行数字化转型服务行业的核心服务思路，以衍生服务探寻客源，实现从衍生服务到核心产品的转化，也可能成为未来银行技术服务商拓展业务的方式，因此对于技术服务商来说，在保障产品实际应用效果的同时，对于结构化设计与产品衍生服务也应给予一定的重视，提供满足银行需求的综合化营销数字解决方案。63.3!.7.0%本行有相关衍生服务的需求，并且愿意付费购入衍生服务本行有相关衍生服务的需求，但仅愿意接受免费的衍生服务本行没有相关的衍生服务需求注释：N=120，受访对象是国有银行、股份制商业银行、城商行、农商行等银行从业人员来源：专家访谈、公开资料、艾瑞咨询研究院自主研究及绘制银行营销数字化衍生服务需求分析约85%的受访银行从业者 表示本行有营销数字化产品衍生服务的需求，包括产品及服务的售前咨询、使用培训及代运营，并且认可此类衍生服务对于银行营销数字化产品使用效果的提升。63.3%的受访银行从业者愿意为衍生服务付费。银行营销数字化产品结构需求分析多应用合一能力国内银行，特别是目前处于营销数字化转型前中期的银行，希望技术服务商尽可能将彼此配合的营销数字化转型能力相互结合，为银行提供集多种能力为一体的产品。强拓展性能力对于需要直接面向用户及与外部渠道对接的营销数字化产品，为了应对运营对接中的突发性需求，对其拓展能力较为看重。定制化客制化能力银行希望技术服务商能够根据银行自身的用户数据与实际运营需求，为其提供有针对性调整的营销数字化产品。银行营销数字化行业专家之声Industrial Experts Insights05692023.10 iResearch IiResearch 银行营销数字化行业 专家之声将传统实体渠道与数字渠道相结合，以前沿科技赋能金融机构个性化、自动化用户营销来源：艾瑞咨询研究院自主研究及绘制。“”iResearch 银行数字化转型研究团队陆全陆全马上消费马上消费人工智能研究院院长人工智能研究院院长零售金融企业必须顺应金融服务越来越数字化这一趋势，深入将传统实零售金融企业必须顺应金融服务越来越数字化这一趋势，深入将传统实体渠道与数字渠道相结合，尤其在营销数字化领域。首先，数据驱动的体渠道与数字渠道相结合，尤其在营销数字化领域。首先，数据驱动的个性化是关键。通过数据分析和人工智能技术，零售金融机构迫切需要个性化是关键。通过数据分析和人工智能技术，零售金融机构迫切需要更深入地了解消费者的行为、偏好和需求，更精确地定位目标受众，提更深入地了解消费者的行为、偏好和需求，更精确地定位目标受众，提供个性化的产品推荐和营销活动，从而提高营销效果和客户满意度。其供个性化的产品推荐和营销活动，从而提高营销效果和客户满意度。其次，加大新媒体营销渠道的投入和比例，比如社交媒体营销，短视频内次，加大新媒体营销渠道的投入和比例，比如社交媒体营销，短视频内容营销等。通过在社交媒体平台上建立品牌形象、与用户互动和传播营容营销等。通过在社交媒体平台上建立品牌形象、与用户互动和传播营销信息，或者通过生产高质量视频、博客和社交媒体内容，企业可以建销信息，或者通过生产高质量视频、博客和社交媒体内容，企业可以建立专业形象、提供有用的信息和解决方案，从而吸引潜在客户并建立长立专业形象、提供有用的信息和解决方案，从而吸引潜在客户并建立长期的关系，扩大品牌影响力。第三，发展自动化营销技术，利用人工智期的关系，扩大品牌影响力。第三，发展自动化营销技术，利用人工智能技术和工具来自动化营销过程和任务，提高效率和效果。通过自动化能技术和工具来自动化营销过程和任务，提高效率和效果。通过自动化的媒体发布、客户关系管理和营销活动跟踪，企业可以更高效地管理客的媒体发布、客户关系管理和营销活动跟踪，企业可以更高效地管理客户关系、提供个性化的营销信息，并实时监测和优化营销绩效。这些方户关系、提供个性化的营销信息，并实时监测和优化营销绩效。这些方向并不是相互独立的，企业需要根据自身的业务需求和目标受众选择适向并不是相互独立的，企业需要根据自身的业务需求和目标受众选择适合的一个或多个方向，相互结合，综合运用，并不断创新和调整策略，合的一个或多个方向，相互结合，综合运用，并不断创新和调整策略，以适应不断变化的市场环境和消费者行为。以适应不断变化的市场环境和消费者行为。702023.10 iResearch IiResearch 银行营销数字化行业 专家之声“大模型”时代，垂类应用与模型能力相结合的数字化 服务将全面赋能银行营销来源：艾瑞咨询研究院自主研究及绘制。2023.6 iResearch I“”iResearch 银行数字化转型研究团队陈昀彰陈昀彰百融云创百融云创AIAI创新负责人创新负责人大模型并非是行业内的全新概念，从最初的智能客服到如今的生成式大模型并非是行业内的全新概念，从最初的智能客服到如今的生成式AIAI、决策式决策式AIAI，科技助力下大模型能力实现跨越式提升，也满足了科技助力下大模型能力实现跨越式提升，也满足了更多金融场景的使用需求。与之前面向具体任务然后进行端到端的机更多金融场景的使用需求。与之前面向具体任务然后进行端到端的机器学习方法不同，大模型带来了一种新的范式，它将机器学习步骤分器学习方法不同，大模型带来了一种新的范式，它将机器学习步骤分为了预训练和微调两个阶段。这种方式让机器学习的过程从任务导向为了预训练和微调两个阶段。这种方式让机器学习的过程从任务导向的烟囱模式转化成了平台模式，通过上游的训练后形成强泛化能力的的烟囱模式转化成了平台模式，通过上游的训练后形成强泛化能力的模型，可以降低多种下游任务的边际成本。模型，可以降低多种下游任务的边际成本。对于金融机构来说，需要的不是大模型本身，而是真正能够解决某个对于金融机构来说，需要的不是大模型本身，而是真正能够解决某个具体的业务场景，在实际的交互中决定用户需要哪些功能，以及可能具体的业务场景，在实际的交互中决定用户需要哪些功能，以及可能以何种方式与这些功能产生链接。强化大模型的“工具”能力，以对以何种方式与这些功能产生链接。强化大模型的“工具”能力，以对话的方式让大模型自主的完成一些指令，全面赋能银行数字化营销。话的方式让大模型自主的完成一些指令，全面赋能银行数字化营销。随着技术的演进发展，行业也将发展出几大不同的路径，即以科技巨随着技术的演进发展，行业也将发展出几大不同的路径，即以科技巨头为主的通用型大模型、新兴创业公司主导的各类“小模型”，以及头为主的通用型大模型、新兴创业公司主导的各类“小模型”，以及像百融云创这样的像百融云创这样的AIAI科技公司研发的行业大模型。后续，外界对于大科技公司研发的行业大模型。后续，外界对于大模型的关注将转向其在垂直领域的落地，行业大模型势必将迸发出更模型的关注将转向其在垂直领域的落地，行业大模型势必将迸发出更多势能，垂类应用和模型能力的结合也会更为紧密多势能，垂类应用和模型能力的结合也会更为紧密712023.10 iResearch IiResearch 银行营销数字化行业 专家之声以数据安全为核心，隐私计算平台赋能银行用户精细化运营来源：艾瑞咨询研究院自主研究及绘制。“”iResearch 银行数字化转型研究团队喻继银喻继银蚂蚁集团数字科技事业群蚂蚁集团数字科技事业群摩斯科技商业产品总监摩斯科技商业产品总监在营销数字化转型的过程中在营销数字化转型的过程中，银行对于用户流量银行对于用户流量、数据与前沿科技的数据与前沿科技的应用有着较高的关注度应用有着较高的关注度，而用户画像标签少而用户画像标签少、触达渠道少触达渠道少、数据安全数据安全要求高等问题成为影响银行营销数字化转型的核心因素要求高等问题成为影响银行营销数字化转型的核心因素。同时同时，国内国内监管机构及政策对于如何保障银行内部用户数据的私密性监管机构及政策对于如何保障银行内部用户数据的私密性、安全实现安全实现内外部数据的互联互通有着非常高的关注度内外部数据的互联互通有着非常高的关注度。在市场的需求与政策的双重作用下在市场的需求与政策的双重作用下，蚂蚁摩斯以蚂蚁摩斯以“阿里生态场景阿里生态场景 领领先的隐私计算平台先的隐私计算平台 行业深度行业深度KNOWKNOW HOWHOW”为核心为核心，基于银行业务的深基于银行业务的深耕与标准化产品的同步耕与标准化产品的同步，为银行提供为银行提供“隐私计算平台隐私计算平台 存量用户经营存量用户经营服务方案服务方案”的综合化用户数据安全保障方案的综合化用户数据安全保障方案。对于技术服务商来说对于技术服务商来说，目前工作的核心是把打通的流量数据与前沿科目前工作的核心是把打通的流量数据与前沿科技联合在一起技联合在一起，助力银行实现用户分层助力银行实现用户分层，了解不同层级的用户在业务了解不同层级的用户在业务场景有怎样的金融行为场景有怎样的金融行为，全面增强银行的用户粘性全面增强银行的用户粘性，将互联网经营思将互联网经营思维运用在银行的用户经营中维运用在银行的用户经营中，实现公域平台与私域流量间的安全互联实现公域平台与私域流量间的安全互联，在行业理解与科技数据能力双方的加持下在行业理解与科技数据能力双方的加持下，为银行提供方案级的营销为银行提供方案级的营销数字化转型服务数字化转型服务。722023.10 iResearch IiResearch 银行营销数字化行业 专家之声充分的数据应用助力银行全面把握用户风险，精准识别用户需求来源：艾瑞咨询研究院自主研究及绘制。2023.6 iResearch I“”iResearch 银行数字化转型研究团队周建龙周建龙互联数智互联数智智能营销事业部副总裁智能营销事业部副总裁银行的银行的营销数字化水平决定了营销数字化水平决定了其其获客获客的的效率效率，在在目前目前市场面临资产荒市场面临资产荒的大背景下的大背景下，银行营销领域的数字化转型将成为推动银行发展的助推银行营销领域的数字化转型将成为推动银行发展的助推器器。银行所有业务的数字化转型银行所有业务的数字化转型在大数据应用在大数据应用、算法算法及及算力基础设施算力基础设施建设上彼此相通建设上彼此相通，底层基础设施的建设与运营逻辑也是相互公用的底层基础设施的建设与运营逻辑也是相互公用的。目前银行营销面临的核心问题是目前银行营销面临的核心问题是内部用户行为数据内部用户行为数据的不足的不足，银行在营银行在营销过程中销过程中无法精准识别用户无法精准识别用户的的需求和信用风险需求和信用风险，导致营销效率低导致营销效率低、客客户投诉高户投诉高。因此因此，银行对于营销数字化转型服务银行的核心需求主要银行对于营销数字化转型服务银行的核心需求主要有两点：有两点：首先是用户信贷需求的精准识别首先是用户信贷需求的精准识别，其次是信贷产品与用户需其次是信贷产品与用户需求之间的精准匹配求之间的精准匹配。前者前者的核心的核心是减少对无信贷需求用户的打扰是减少对无信贷需求用户的打扰，降降低客诉；后者是提升用户服务满意度和用户黏性低客诉；后者是提升用户服务满意度和用户黏性，进而提升用户进而提升用户的的复复购率与留存率购率与留存率。以上以上两者都依赖两者都依赖于银行对于银行对用户行为大数据的积累用户行为大数据的积累、深深度洞察和充分挖掘度洞察和充分挖掘，因此因此引入互联网行为大数据引入互联网行为大数据，用以用以辅助辅助银行对于银行对于用户需求用户需求及及风险的精准识别风险的精准识别成为当前银行营销业务的核心诉求成为当前银行营销业务的核心诉求。对于对于技术服务商技术服务商来说来说，主要的工作核心是主要的工作核心是帮助银行整合帮助银行整合、挖掘内外部挖掘内外部数据资源数据资源，实现用户画像精准分层实现用户画像精准分层，通过部署通过部署AIAI智能客服智能客服等方式等方式，实实现用户的现用户的差异化差异化运营运营，帮助银行降低用户触达成本帮助银行降低用户触达成本、提升营销效率提升营销效率。732023.10 iResearch I邓江邓江中关村科金中关村科金副总裁副总裁iResearch 银行营销数字化行业 专家之声以对话式AI技术为核心，构建用户全生命周期旅程管理体系来源：艾瑞咨询研究院自主研究及绘制。2023.6 iResearch I“”银行营销数字化转型的核心是银行营销策略的变革银行营销数字化转型的核心是银行营销策略的变革，从以产品为中心从以产品为中心转变为以用户为中心转变为以用户为中心，积极拓展银行全域营销与私域营销的体系建设积极拓展银行全域营销与私域营销的体系建设。在新的战略背景下在新的战略背景下，如何围绕银行自身客群构建线上如何围绕银行自身客群构建线上、线下于一体的线下于一体的全渠道用户全生命周期旅程管理体系成为银行营销数字化转型的核心全渠道用户全生命周期旅程管理体系成为银行营销数字化转型的核心挑战挑战。对于银行来说对于银行来说，营销数字化转型诉求主要包含以下三个方面：营销数字化转型诉求主要包含以下三个方面：1 1.提升客户服务体验提升客户服务体验。以对话式以对话式AIAI技术为核心技术为核心，推进传统网页式营推进传统网页式营销向对话式营销的全面转变销向对话式营销的全面转变，打造高效打造高效、智能智能、个性化客户服务个性化客户服务。2 2.提高营销质效提高营销质效。依托对话式依托对话式AIAI技术技术，整合分析全渠道客户对话上整合分析全渠道客户对话上下文和意图下文和意图，输出精准客户画像输出精准客户画像，为个性化产品和服务提供支持为个性化产品和服务提供支持。3 3.降低运营成本降低运营成本。以以AIAI机器人为代表的智能科技将全面覆盖标准化机器人为代表的智能科技将全面覆盖标准化的客户营销工作的客户营销工作，实现全量用户规模化经营实现全量用户规模化经营，以达成降本增效以达成降本增效。对于技术解决方案提供商来说对于技术解决方案提供商来说，工作重点是帮助银行构建以客户为中工作重点是帮助银行构建以客户为中心的全渠道服务矩阵心的全渠道服务矩阵，满足银行从标准化到定制化的产品转型需求满足银行从标准化到定制化的产品转型需求，全面挖掘未来零售潜力全面挖掘未来零售潜力，在合作中推动双方能力的相互融合在合作中推动双方能力的相互融合，与银行与银行共同开发数字化营销产品与服务共同开发数字化营销产品与服务，实现多方共赢实现多方共赢。iResearch 银行数字化转型研究团队742023.10 iResearch IiResearch 银行营销数字化行业 专家之声以互联网思维助力银行实现营销数字化升级来源：艾瑞咨询研究院自主研究及绘制。”iResearch 银行数字化转型研究团队移卡移卡（0992309923.HKHK）曾与国内多家银行合作曾与国内多家银行合作，提供灵活便捷的一站式数字提供灵活便捷的一站式数字化营销解决方案化营销解决方案，整合不同的线上下权益资源整合不同的线上下权益资源，通过游戏营销通过游戏营销、本地生本地生活服务权益等产品服务赋能银行营销数字化活服务权益等产品服务赋能银行营销数字化，助力银行业务超预期达成助力银行业务超预期达成目标目标。在我们看来在我们看来，银行营销数字化的发展正呈现以下四个趋势银行营销数字化的发展正呈现以下四个趋势。趋势趋势1 1：综合性强：综合性强、灵活度高兼具性价比的互联网一站式数字化营销解灵活度高兼具性价比的互联网一站式数字化营销解决方案正成为银行升级首选决方案正成为银行升级首选。比如比如，移卡的互动营销平台可以提供丰富移卡的互动营销平台可以提供丰富的场景营销专区的场景营销专区、营销活动和专业的运营指导等营销活动和专业的运营指导等，实现全周期实现全周期、低门槛低门槛、高效率营销高效率营销。趋势趋势2 2：营销方式偏好正在从告知式宣传转向互动式营销营销方式偏好正在从告知式宣传转向互动式营销。通过游戏化营销通过游戏化营销、定制化品牌营销实现获客定制化品牌营销实现获客、裂变裂变、品牌塑造品牌塑造趋势增加趋势增加。趋势趋势3 3：生态能力建设成用户留存核心：生态能力建设成用户留存核心。比如比如，在用户权益层面在用户权益层面，除了除了线上权益外线上权益外，线下到店套餐等正成为越来越多的银行吸引本地客户的手线下到店套餐等正成为越来越多的银行吸引本地客户的手段段。移卡就曾利用旗下本地生活服务资源供给移卡就曾利用旗下本地生活服务资源供给，帮助银行实现私域用户帮助银行实现私域用户粘性和变现数据增长粘性和变现数据增长。趋势趋势4 4：AIAI、元宇宙等新技术新应用场景需求潜元宇宙等新技术新应用场景需求潜力巨大力巨大。移卡与诸多银行客户在合作沟通发现移卡与诸多银行客户在合作沟通发现，有大量银行希望通过打有大量银行希望通过打造数字员工造数字员工、元宇宙元宇宙、ARAR类沉浸式的体验空间类沉浸式的体验空间，更好的提升客户体验更好的提升客户体验。事实上包括浦发银行事实上包括浦发银行、宁波银行等不少银行已经开始了类似的尝试宁波银行等不少银行已经开始了类似的尝试。朱洪伟朱洪伟移卡移卡消费云总裁消费云总裁“752023.10 iResearch IiResearch 银行营销数字化行业 专家之声把握银行营销数字化底层需求，全面实现技术与业务的深度融合来源：艾瑞咨询研究院自主研究及绘制。2023.6 iResearch I“”近二十年来近二十年来，随着银行营销业务由信用卡随着银行营销业务由信用卡，拓展至财富拓展至财富、大零售大零售、普惠普惠金融等更多业务条线金融等更多业务条线，银行营销的方式也从传统的被动式营销逐步演变银行营销的方式也从传统的被动式营销逐步演变为精准营销为精准营销、场景营销场景营销，对于私域流量运营的重视度也随之逐日提升对于私域流量运营的重视度也随之逐日提升。对于银行来说对于银行来说，营销的方式并无优劣之分营销的方式并无优劣之分，重在要符合银行自身的营销重在要符合银行自身的营销目标与营销需求目标与营销需求。银行业对于营销数字化转型的需求点主要体现以下四银行业对于营销数字化转型的需求点主要体现以下四个方面个方面，分别是：分别是：1 1.通过增强银行端到端的闭环管理提升整体工作效率；通过增强银行端到端的闭环管理提升整体工作效率；2 2.助力总行管理管控各分行的营销数字化转型进程助力总行管理管控各分行的营销数字化转型进程，协调各行数字化转协调各行数字化转型资源；型资源；3 3.通过数据分析与案例积累通过数据分析与案例积累，为银行提供用户营销策略选择服务为银行提供用户营销策略选择服务，帮助帮助银行银行，特别是没有营销活动概念的中小行特别是没有营销活动概念的中小行，搭建智能化营销策略工具；搭建智能化营销策略工具；4 4.帮助银行增强营销精准度帮助银行增强营销精准度，全面提升用户转化情况全面提升用户转化情况。对于银行需求的满足不仅考验服务商的技术水平对于银行需求的满足不仅考验服务商的技术水平，更是与银行和技术服更是与银行和技术服务商在数字化领域的经验积累务商在数字化领域的经验积累、业务理解业务理解、行业渗透能力息息相关行业渗透能力息息相关，通通过技术服务商在人工智能过技术服务商在人工智能、大数据大数据、隐私计算隐私计算、微服务等底层能力的支微服务等底层能力的支持持，协助银行将数据转化为业务语言协助银行将数据转化为业务语言，以可视化数据分析与算法能力赋以可视化数据分析与算法能力赋能业务产品能业务产品，实现技术与业务的底层闭环实现技术与业务的底层闭环，全方位赋能银行数字营销全方位赋能银行数字营销。iResearch 银行数字化转型研究团队伍四杰伍四杰领雁科技领雁科技 助理副总裁助理副总裁文学超文学超领雁科技领雁科技 智慧智慧营销产品经理营销产品经理762023.10 iResearch IiResearch 银行营销数字化行业 专家之声贯彻数字化营销四大原则，为银行提供综合性数字化营销解决方案来源：艾瑞咨询研究院自主研究及绘制。2023.6 iResearch I“”iResearch 银行数字化转型研究团队李小兵李小兵深圳壹账通智能科技有限公司深圳壹账通智能科技有限公司产品运营总监产品运营总监随着科技的进步与智能设备的升级随着科技的进步与智能设备的升级，国内银行业的营销模式从传统营销国内银行业的营销模式从传统营销，逐步发展为电子银行营销逐步发展为电子银行营销、移动互联营销以及如今千人千面与智能化相移动互联营销以及如今千人千面与智能化相结合的全新营销模式结合的全新营销模式。在服务银行营销数字化转型的过程中要积极贯彻在服务银行营销数字化转型的过程中要积极贯彻以下四大原则以下四大原则，首先是通过前沿科技实现内外链接首先是通过前沿科技实现内外链接，将金融产品植入互将金融产品植入互联网场景联网场景，应用互联网企业生态能力实现银行金融产品的场景化营销；应用互联网企业生态能力实现银行金融产品的场景化营销；其次是打通线上线下渠道其次是打通线上线下渠道，为不同渠道引入的客户提供一致的服务体验；为不同渠道引入的客户提供一致的服务体验；第三点是要遵循以客户为中心第三点是要遵循以客户为中心、以数据为驱动以数据为驱动，通过科技的手段通过科技的手段，构建构建经营链经营链、搭建服务网搭建服务网，精准洞察用户需求精准洞察用户需求，为客户提供陪伴式服务为客户提供陪伴式服务、无无感知营销；第四点是要为银行提供一站式的零售金融服务解决方案感知营销；第四点是要为银行提供一站式的零售金融服务解决方案，将将金融产品与服务放在统一的平台金融产品与服务放在统一的平台，通过统一的策略模式运营通过统一的策略模式运营。目前技术目前技术服务商的市场定位更偏向于数字化营销工具的提供方服务商的市场定位更偏向于数字化营销工具的提供方，但在未来但在未来，综合综合性数字化营销解决方案将更加受到市场欢迎性数字化营销解决方案将更加受到市场欢迎，以一个业务专家的视角以一个业务专家的视角，为银行提供数字化工具与业务理解力相结合的一体化解决方案将成为技为银行提供数字化工具与业务理解力相结合的一体化解决方案将成为技术服务商未来的发展方向术服务商未来的发展方向。在前沿技术方面在前沿技术方面，ChatGPTChatGPT的应用备受瞩目的应用备受瞩目，凭借其在智慧学习凭借其在智慧学习、内容创新等方面的优势内容创新等方面的优势，未来将以自动生成图文未来将以自动生成图文、音频音频、视频等方式视频等方式，全面赋能银行数字化营销全面赋能银行数字化营销。77近期研究规划（公开发布类报告）Research Programme iResearch：TMT 金融组2023年中国中国金融科技（FinTech）行业创新案例研究报告2023年中国银行风控数字化行业研究报告2023年中国智慧养老市场发展研究报告2023年中国新能源汽车生态保险市场洞察研究报告78近期研究规划（公开发布类）报告咨询2023年中国金融科技（FinTech）行业创新案例研究报告2023年中国金融科技行业创新案例研究报告行业发展背景：金融科技已成为全球经济发展的核心驱动力。前沿科技与金融服务的加速融合，不断催化出新的商业模式与产业生态，深刻改变了现代金融服务的供给关系。伴随着第一阶段“金融科技三年规划”的收官与金融科技发展规划(2022-2025年)的发布，我国金融科技发展从“支撑使能”正式迈入到“深化赋能”的数字化新阶段，围绕金融科技相关的行业创新实践也正不断迸发崭新的活力与价值。报告内容规划：报告将紧扣金融科技行业“业技融合”的发展背景与发展趋势，立足于金融机构的创新需求与痛点，以行业典型案例与创新案例为索引，剖析各细分赛道的最佳实践，旨在为金融科技行业可持续发展提供标杆性实践参考与前沿性趋势洞见。金融科技行业的实践案例分析将分为以下两条路径：1、前沿科技视角：聚焦大数据、人工智能、云计算、物联网、隐私计算、RPA/IPA、低代码等前沿技术的创新实践与融合应用；2、业务创新视角：聚焦银行、保险、证券、消费金融、供应链金融、第三方支付等细分领域/业务能力的模式创新或整体赋能。评选：iResearch：金融科技行业实践专家之声：iResearch金融科技研究团队将通过专家深访的形式，诚邀业内专家学者共同研讨金融科技未来发展趋势，并对核心观点进行提炼总结，最终以“专家名片 专家观点“的形式在报告中呈现。旨在为金融科技行业发展提供前瞻性洞察，并为卓越服务商搭建业内交流渠道与对外发声平台。79近期研究规划（公开发布类）行业发展背景：在银行数字化转型大背景下，报告将聚焦银行风控领域，对现阶段银行风控发展现状做出洞察，从数据建设、技术发展、模式创新等不同的角度分别分析银行风控所面临的痛点，找到银行风控数字化的关键点。所需数字化能力：报告将详细拆分为实现银行风控数字化所需要具备的核心数字化能力，并面向银行、金融科技厂商、数据服务商等行业资深专家进行批量调研，根据调研结果客观地对各项能力从不同的维度进行排序与分析。落地支撑指南：报告将基于不同银行风控场景下数字化最佳实践，结合调研结果，从不同的角度分析如何构建银行风控数字化转型支撑体系，助力银行风控数字化转型的落地。评选：iResearch：银行风控数字化卓越者榜单：报告将围绕银行风控数字化服务商的关键细分能力，从不同维度选取优秀服务商，入围该榜单。iResearch：银行风控数字化卓越者案例：iResearch银行风控数字化研究团队将甄选银行风控数字化厂商的优秀解决方案，作为卓越案例进行重点解读。旨在为行业参与者提供参考范例，并对卓越者服务商有效露出。iResearch：银行风控数字化专家之声：iResearch银行风控数字化研究团队将通过专家深访的形式，诚邀业内专家学者共同研讨银行风控数字化转型趋势，并对核心观点进行提炼总结，最终以“专家名片 专家观点“的形式在报告中呈现。旨在为银行风控数字化转型提供前瞻性洞察，并为卓越服务商搭建业内交流渠道与对外发声平台。报告咨询2023年中国银行风控数字化行业研究报告2023年中国银行风控数字化行业研究报告80近期研究规划（公开发布类）报告将围绕“养老事业发展背景、细分市场发展洞察、发展趋势剖析、智慧服务商选型策略”展开研究。市场现状审视：报告将从健康险保费增长、用户渗透、产品结构、发展进程等角度分析中国商业健康险发展现状，基于产品侧和用户侧的现状，从多角度、分险种地测算中国商业健康险市场的保费增长及盈利空间，进而对现阶段健康险发展困境作出分析、结论。面临困境剖析：基于前文对困境的总结，报告将从供需关系出发剖析当前困境出现的表象原因实际供给背离了真实需求。由有效供需背离的角度出发，报告将结合国外健康险产品结构以及市场发展现状，分析测算如果构建契合真实需求的健康险供给市场，则市场可能的增长趋势、保费空间以及盈利性将会如何。同时报告还将结合海外经验和政策导向，论证构建供需匹配的有效市场的必然性。市场内不同参与者的破局之道：基于前文论述的健康险市场新局势的发展必然性、报告将进一步探讨在市场新局势发展的过程中，不同角色的产品及服务供给者（保险公司、保险中介、保险科技公司、数字化服务商等）应分别需要具备哪些能力、发挥哪些作用，各供给方角色之间应进行哪些协同，以何种途径实现当前发展困境的破局。新局势展望：对未来想要构建的目标市场的新局势、新趋势进行展望。探索保险产品、服务的供应商在长期未来仍可挖掘的发展潜力。同时，报告将围绕“产品异质化特征、产品创新能力、科技能力、服务体系、客户质量、收入及盈利增长潜力”等关键维度输出智慧养老服务商与养老生态的市场耦合指数，指数值较高者入围 iResearch：智慧养老服务商卓越者榜单。报告咨询2023年中国智慧养老市场发展研究报告2023年中国智慧养老市场发展研究报告81近期研究规划（公开发布类）报告将围绕“市场背景研究、产业链风险保障需求洞察、市场菁英参与者案例、发展趋势洞见”展开研究。市场现状审视：报告纵览全球绿色发展、ESG转型趋势，深挖中国新能源汽车生态链路内的保险业务发展动能及新增长脉络，从上、中、下游三个环节拆解新能源汽车生态产业链，深挖促进新能源汽车生态扩张、车后服务成熟的驱动因素。报告还将基于产业链各环节业务构成，结合相关险种促进政策解读，探讨险企可渗透的风险保障着力点。产业链风险保障需求洞察：基基于前文探讨风险保障着力点，输出新能源汽车生态产业链内的风险全景图。分别从上游汽车电池、主机、组件加工；中游新能源汽车驾驶、使用；下游动力电池、储能系统、充换电，三个领域分别核算风险保障空间、评估风险保障需求度、分析当前保障痛点、探究目标市场保险服务可拓展性。最后输出不同类型的保险机构（险企、车险数字化服务商、车后服务厂商、汽车保险中介等）布局新能源汽车生态的策略建议，以及可采纳的市场前沿产品服务模式。市场内不同参与者的破局之道：甄选新能源汽车生态保险市场关键角色的参与者，将其突出的服务模式在报告中作为菁英案例进行解读展示。新局势展望：iResearch保险研究团队将基于前文桌面研究、行业大咖交流、专家访谈等，梳理未来新能源汽车生态新玩法下保险市场可能的发展方向。评选：iResearch：新能源汽车生态保险市场菁英案例：入选艾瑞咨询2023年中国新能源汽车生态保险市场洞察研究报告优秀实践案例，提升厂商品牌知名度和行业影响力。iResearch：新能源汽车生态保险市场专家之声：将通过1V1深访的形式，诚邀业内专家学者共同研讨行业趋势，并对核心观点进行提炼总结，最终以“专家名片 专家观点“的形式在报告中呈现。旨在为行业提供前瞻性洞察，并为卓越服务商搭建业内交流渠道与对外发声平台。报告咨询2023年中国新能源汽车生态保险市场洞察研究报告2023年中国商业健康险发展研究报告83LEGAL STATEMENT版权声明本报告为艾瑞数智旗下品牌艾瑞咨询制作，其版权归属艾瑞咨询，没有经过艾瑞咨询的书面许可，任何组织和个人不得以任何形式复制、传播或输出中华人民共和国境外。任何未经授权使用本报告的相关商业行为都将违反中华人民共和国著作权法和其他法律法规以及有关国际公约的规定。免责条款本报告中行业数据及相关市场预测主要为公司研究员采用桌面研究、行业访谈、市场调查及其他研究方法，部分文字和数据采集于公开信息，并且结合艾瑞监测产品数据，通过艾瑞统计预测模型估算获得；企业数据主要为访谈获得，艾瑞咨询对该等信息的准确性、完整性或可靠性作尽最大努力的追求，但不作任何保证。在任何情况下，本报告中的信息或所表述的观点均不构成任何建议。本报告中发布的调研数据采用样本调研方法，其数据结果受到样本的影响。由于调研方法及样本的限制，调查资料收集范围的限制，该数据仅代表调研时间和人群的基本状况，仅服务于当前的调研目的，为市场和客户提供基本参考。受研究方法和数据获取资源的限制，本报告只提供给用户作为市场参考资料，本公司对该报告的数据和观点不承担法律责任。法律声明

52人已浏览 2023-10-11 82页 5星级

2023年9月全面融合 化繁为简 推进智能化升级区域银行数据能力体系建设白皮书顾问：聂丽琴编委会成员：曹冲、陈昆德、饶争光、来利顺、柳元鑫、尤鹏、曹广智、刘训艳、梁斌、向民、闫显、刘超、尤俊、张功臣、顾志鹏、郭良、黎江、杨志勇、彭贵平、于海军、马思乐、赵宏亮、李祖炎、黄本涛编写组成员：朱并队、倪琲、方伟、侯伟、周涛、张垚、唐菊香、王明迪、杨华、徐旭、周倩、李咏、付胄、刘志民、赵锋、黄世友、侯荣沏、罗长江、谭晓光、胡玉福、杨霞、张倩、姜海、高鹏、陈超、王钢、李旭、孙洁、王海涛、尹卓英、张国瑞、赵克强、魏冲、王强、曾令超、张加华、滕一勤、唐洪华、刘宝龙业务指导单位：北京金融科技产业联盟秘书处主编单位：华为技术有限公司参编单位：上海银行股份有限公司江苏银行股份有限公司威海市商业银行股份有限公司陕西省农村信用社联合社贵州省农村信用社联合社江苏江南农村商业银行股份有限公司齐鲁银行股份有限公司晋商银行股份有限公司北京先进数通信息技术股份有限公司上海安硕信息技术股份有限公司深圳索信达数据技术有限公司深圳兔展智能科技有限公司目录P4 区域银行的特点外部政策要求与技术变革银行自身的变革与困境P11 “1-2-3”数据能力体系蓝图规划数据能力体系建设的核心目标P1 P15 区域银行面临的数据能力建设的挑战与机遇解决之道：全面融合，化繁为简，构建“实时、智能、共享”的数据能力体系前言区域银行数据能力建设的核心业数融合跃升决策智能化产线融合实现数据治理新范式云数智算融合构建智简架构数据能力体系实现五维升级P4P5P7P11P12P15P25P30P38Brochure/report title goes here|Section title goes here P40 实施路径：数据能力体系建设的长效方案规划与路径P58 未来发展趋势与建议P45 实践案例威海市商业银行，五维升级，全面转型陕西农信，凝练数据基因，推动数字化变革贵州农信，数据能力体系铸就数字化转型新引擎江南农商行，数据高效驱动业务，使转型再提速P40P45P485阶15步实施方法P41P51P55前言数据是数字经济时代的核心生产要素，围绕数据要素的生产转化是各行各业当前要面对的问题。在宏观层面上，数据资产将释放数据资源价值，有助于真实反映经济运行状态；在中观层面上，数据资产将培育数字产业，助力营造繁荣发展的数字生态；在微观层面上，数据资产将促进数据流通使用，有助于实现按市场贡献参与分配。金融行业作为数字化水平领先的行业，已经识别到了客户需求和市场的变化，各金融机构纷纷启动了数字化转型战略，推进“一切业务数据化，一切数据业务化”的建设，加速实现从数据到数据资源、数据资产的转化。数据的价值在于应用，而应用的关键在于行动。从数据化到行动化，一般需要经历四个阶段的跃升：数据化：基础阶段，区域银行要做好数据的采集、存储和管理，保证数据的完整和准确地在线使用。信息化：提升阶段，区域银行要通过数据分析和可视化，通过分析将数据转化为有价值的信息，为决策提供依据。知识化：深化阶段，区域银行要构建智能，深入挖掘客户画像、客户和产品关系及行为，为业务产品创新和个性化服务提供支持。行动化：高级阶段，区域银行要利用大模型等AI智能技术优化业务流程，智能响应市场变化，提高业务效率和客户满意度。区域金融机构则面临着自身的挑战和机遇，需要从标准化、产品化向个性化、智能化的方向发展。如何利用数据的力量，实现业务的创新和转型，是区域银行必须思考和解决的问题。数据不仅提升了银行的核心竞争力，还为区域经济发展注入了活力。优化的金融资源配置、高效的金融服务、降低的风险、普惠金融的推动，以及跨区域的合作与交流，都是数据生产力提升所带来的明显益处。以某区域银行为例，通过深入的数据分析，该银行成功地识别了农村地区的小微企业融资需求，进而推出了一系列贴合实际的金融产品，如“农户便捷1前言贷”、“柑橘网棚贷”、“强村贷”等，利用先进的数据分析技术，该银行的融资成功率提高了20%。同时，通过对各种风险因素进行严格的量化评估，其坏账率也下降了0.5%，远低于同行业平均水平。这不仅有效地支持了当地小微企业的发展，还为该区域的经济增长做出了积极贡献。区域银行传统的数据能力建设存在一些不足，如数据资源和能力的复用程度不高，数据平台的定位不清晰等。目前，银行的平台尚未成为真正意义上的数据平台，仅承载了一些前台业务系统的数据计算服务，缺少对数据采集和数据应用等内容规划，没有真正做到数据采集、清洗、存储、挖掘、分析和处理，没有真正发挥建立数据平台的作用。这些不足导致了区域银行的数据能力建设面临着诸多挑战，比如数据质量不高，数据安全风险较大，数据智能化能力不强等。为了解决这些问题，区域银行需要转变数据能力的建设思路，从传统的数据平台建设模式向数据能力体系升级转变。本文基于多家区域金融机构数据能力建设实践，用更全面、更立体的视角去探索数据的技术和业务价值，提出区域银行需要转变数据能力的建设思路，从传统的数据平台建设模式向数据能力体系升级模式转变，旨在帮助银行实现数字化和智能化转型，提升数据能力，创新业务模式，应对市场竞争和监管要求。本文从政策背景、内部需求、数据能力体系蓝图、五维升级、实施路径、实践案例和未来趋势等七个方面，全面解析了区域银行数据能力体系的建设方案，为区域银行数据能力建设提供参考，从而更好地服务客户，提升效率，实现长期、稳健的发展。2前言区域银行数据能力建设面临的挑战与机遇区域银行的特点区域银行起源于20世纪90年代的城市商业银行和农村信用社改制，作为中国银行业的重要组成部分，具有以下显著特点：经营区域聚焦：区域银行业务区域相对较小，主要服务本地中小企业与居民。由于对本地经济发展与客户需求更加熟悉，它们能提供定制化的金融服务，满足区域内客户的特殊需求。聚焦本地客群：区域银行的主要客户群体是中小微企业和广大居民，建立了深厚的客户关系，客户基数稳定。但同时，由于中小企业和当地居民风险集中度相对较高，获客难度大，区域银行需要加强风险管理和客户维护。这也决定了区域银行在数据采集与应用上更注重个性化定制。稳健经营：区域银行普遍采取稳健跟随的发展战略，但这也意味着区域银行容易滞留在传统业务，缺乏创新动力，转型升级较慢。这使得区域银行在数字化转型中压力较大，亟需寻找新的增长点与动能。激烈竞争：随着科技创新与政策开放，区域银行不仅面临来自同业的激烈竞争，还需要应对金融科技企业与大型银行的挑战。这要求区域银行加快自身转型与创新，提升竞争力。转型迫切：在外部监管政策指导银行业加速数字化与创新转型的同时，区域银行内部也需要提高科技与数据智能应用能力，实现业务产品、运营和模式创新。区域银行一般会把战略愿景定义为建设成区域价值领先、客户信赖的银行，会立足于市民、中小企业和政府，在业务上会关注县域、绿色、普惠、中小企业和传统的工业领域。数据的应用和管理与科技并列，共同构成区域银行发展战略的基石。当前国家对区域银行要求两端控制：一端是在对大规模企业贷款方面进行控制，5亿以上的单笔贷款严控；另一端是对于优质（大规模）个人单笔贷款进行控制，1亿以上的单笔贷款严控。这就导致了过去较低风险的优质贷款投放比例下降，更多贷款额度会被投放到两端之外的高风险且多场景的业务中，对于区域银行数字化转型的能力（营销能力和风控能力）提出了更高的要求。在这一章节中，我们将从外部驱动和内部需求两个维度，深入探讨区域银行在数字化转型下面临的机遇与挑战，以及随之而来的数据能力建设中所面临的实际问题。区域银行数据能力建设面临的挑战与机遇4区域银行数据能力建设面临的挑战与机遇外部政策要求与技术变革政策发文加速数据能力建设近年来，国家政策对银行业的数字化转型给予了高度重视。以“十四五”规划为例，其中明确提出了数字化转型的重要性，并为之设定了明确的目标。同时，银保监会和央行也陆续发布了一系列政策和指导意见，为整个行业的数字化转型提供了具体的操作指南。2022年1月，央行的金融科技发展规划（2022-2025年）为金融科技的发展定下了新的方向。与之前的版本相比，这次规划更加注重数据有序共享和综合应用，强调了数据要素在数字化转型中的核心地位。这不仅为金融机构提供了指引，更为区域银行指明了前进的方向。同月，银保监会发布关于银行业保险业数字化转型的指导意见在坚持回归本源、坚持统筹协调、坚持创新驱动、坚持互利共赢、坚持严守底线的原则下，从战略规划与组织流程建设、业务经营管理数字化、数据能力建设、科技能力建设、风险防范、组织保障和监督管理六个方面提出27条具体措施，旨在进一步引导银行业保险业数字化转型，推动银行业保险业高质量发展，构建适应现代经济发展的数字金融新格局，不断提高金融服务实体经济的能力和水平，有效防范化解金融风险。数字化转型不仅仅是简单地将业务上线或采用新技术，它包括了深度的数据治理和数据技术创新，因此，数据能力的建设构成了数字化转型的核心内容。数据已经成为银行的一项核心资产。为此，数据治理和合规性也成为了银行不得不面对的问题。2021年央行发布金融业数据能力建设指引，其中包括了数据战略、数据治理、数据架构、数据规范、数据保护、数据质量、数据应用、数据生存周期管理等八项能力域和29个对应能力项。这一指引详细描述了每个能力项的建设目标和思路，为金融机构开展金融数据工作提供了全面的指导。值得注意的是，同年9月银保监会发布的商业银行监管评级办法已将“数据治理”纳入评价体系，权重占比5%。这意味着“数据治理”已被正式列入商业银行风险监管的评价指标，成为“严监管”的重要领域。对于区域银行而言，其数据治理的要求并不亚于大型银行。由于其业务较为集中，对于数据的准确性和完整性的要求更为严格。同时，区域银行还要面对更加复杂的地方政策和法规，这无疑增加了其数据治理工作的难度。技术创新释放数据生产力技术创新是释放数据生产力的关键因素，也是区域银行实现转型发展的重要途径。区域银行应该把握技术创新的机遇和挑战，加强数据建设和应用，提升科技能力和水平，为客户提供更优质、更智能、更个性化的服务。大数据平台、MPP数据库、AI技术等先进技术，为银行的数据建设提供了新的可能性和选择。这些技术不仅提高了数据处理和分析的效率，还极大地提高了数据的价值和应用场景。例如，大数据平台可以实现海量数据的快速存储、查询和分析，支持银行的风险管理、营销推荐、智能客服等业务场景；MPP数据库可以实现高并发、高性能、高可用的数据服务，支持银行的实时决策、报表分析、审计监管等业务场景；AI技术可以实现数据的智能化5区域银行数据能力建设面临的挑战与机遇处理，支持银行的反欺诈、客户画像、产品创新等业务场景。此外，信息技术创新也在推动区域银行技术架构的转型升级，增强区域银行的科技人员的技术能力。区域银行面临着资源有限、成本压力、竞争激烈等挑战，需要通过信息技术创新来提升自身的竞争力和服务水平。通过引入云计算、微服务、容器等新技术，区域银行可以实现技术架构的灵活性和可扩展性，降低运维成本和风险，提高业务响应速度和创新能力。通过培训、引进、合作等方式，区域银行可以提升科技人员的专业素养和创新意识，增强科技团队的凝聚力和战斗力。6区域银行数据能力建设面临的挑战与机遇银行自身的变革与困境随着数字化转型的深入，数据能力成为区域银行竞争力的关键因素。数据工程是数据能力的基础，它涉及到数据的采集、存储、计算、管理和应用等多个环节，每个环节都有不同的技术和工具，构成了复杂的数据生态系统。数据生态系统的复杂性表现在以下几个方面：1、业务需求与数据技术匹配复杂银行数据体系需要满足不同层次和部门的数据需求，如业务管理、风险控制、决策支持等，这些需求可能随着市场环境、政策法规、业务策略等因素而发生变化，不同的业务需求需匹配相应的数据技术。2、多样化数据高效处理复杂银行数据体系需要从不同的业务系统、外部机构、市场信息等渠道获取数据，这些数据的格式、质量、时效性等可能存在差异，需要进行统一的标准化、清洗、校验等处理。同时这些数据之间存在着复杂的关联关系，需要进行合理的建模、存储、查询等操作。3、数据底座建设复杂随着银行业务的发展，银行数据体系需要处理的数据量不断增加，这对数据体系的性能、稳定性、安全性等提出了更高的要求，需要采用高效的技术手段和方法来实现。本节将探讨区域银行在数字化转型过程中所面临的复杂挑战。新技术与应用缺乏“耦合剂”新技术和应用之间，主要存在两种使能关系：一是新技术推动银行业务创新，二是老应用借助新技术提高效率，优化用户体验。但当前区域银行在数据领域的技术能力和业务需求之间存在“差距”，亟需“耦合剂”。随着信息技术的快速发展，数据已经成为区域银行的关键驱动力之一，大数据、大算力、大模型等数据技术的发展也日新月异。如实时组件能够快速响应数据的变化，实时地对数据进行清洗、转换、聚合等操作，提供实时的数据洞察和决策支持；批流一体能够同时处理批量数据和流式数据，无缝地整合离线和在线的数据处理逻辑，实现实时累积的数据分析；湖仓一体能够将数据湖和数据仓库统一为一个数据平台，实现数据的统一存储、管理和访问，提升数据的可用性和价值。湖仓一体并非简单机械的互通数据湖和数据仓库的数据，其构建在数据湖低成本的数据存储架构之上，又继承了数据仓库的数据处理和管理功能，兼容数据湖的数据多样、灵活计算和数据仓库的质量安全、高效治理等体系的优势，让数据和计算在湖和仓之间自由流动，用户可以根据自身需求使用不同引擎进行湖仓数据的统一处理和交互式查询，对外提供不同类型的服务。而在数据应用需求上，随着消费者行为的日益多样化，客户不再满足于传统的银行服务，他们期待的是更为个性化、便捷的金融产品和服务。以某区域银行为例，该银行希望分析城市边缘地区居民的消费金融需求，推出合适的金融产品以满足这一特定客群的金融需求。而另一家银行则希望能实时了解新上市理财产品的销售情况，从而能快速调整产品及营销策略。7区域银行数据能力建设面临的挑战与机遇但往往技术部门面对繁多的数据组件和技术，困惑于该如何选择，而业务部门提交的业务场景需求又难以得到快速的响应。因此，如何建立一个统一的数据能力体系，将底层的数据技术和上层的数据应用耦合起来，使得“技术得其所，场景得其用”成为区域银行的一大迫切需求。数据治理陷入“漩涡”区域银行的数据治理工作面临着巨大的挑战。随着数据来源的多样化和数据规模的扩大，数据治理的范围和复杂度也不断增加。金融行业与信息技术的融合，导致银行的数据来源、形态、内容和规模发生了变化，给数据管理带来了挑战。银行不仅要处理内部的客户数据，还要处理来自社交媒体、IoT设备、公共数据集等外部数据；不仅要处理结构化数据，还要处理图片、视频、文本和音频等非结构化数据；不仅要处理交易数据，还要处理网页点击、移动应用使用习惯、在线客服交互记录等客户互动数据。这些使区域银行的数据治理工作陷入爆炸式增长的数据种类及数据量的“漩涡”。区域银行数据治理遇到的挑战，主要面临时间长、投入大、见效慢的问题。时间长：数据治理是一项系统性工程，需要银行内部各部门共同协作才能完成，在这个过程中，会涉及到多个方面，而它又不是一个简单的工作内容，结果导致时间长。投入大：缺乏自动化工具和标准化流程，导致数据清洗、整合和维护的工作量巨大，效率低下，无法及时响应业务需求。见效慢：数据治理的价值度量目前在数据理论研究中仍然是一个难题，而价值模糊将影响对其投入程度的评估。此外，还面临数据资产化、数据服务化工程同步建设的影响，导致数据治理工作异常复杂。数据资产是指由企业拥有或者控制的，能够为企业带来未来经济利益的，以物理或电子的方式记录的数据资源，如文件资料、电子数据等。数据在各体系间流转“阻塞”数据流转需要跨多个体系完成，数据平台性能不佳、数据错误处理、算力资源分配不均、跨集群数据传输、网络丢包等都是数据流转的阻塞点，统一的系统架构设计是关键。数据的流转需要经历数据采集、数据存储、数据计算、数据管理、数据应用等多环节，涉及数据平台（数据湖、仓）、数据算力底座（存、算、网）等多个体系。数据的高效流转，可以实现区域银行提升效率的数字化转型目标，但是当前各体系还存在分散设计、分散建设等现象，使得大量数据技术在实际落地中无法实现预期效果，阻碍了数据流转效率。如，某区域银行为了提高理财产品推荐成功率，需要采集客户账户大额进账信息，并结合客户画像进行实时的产品推荐。但是，由于数据从采集到计算延迟超过分钟级，有45%的客户在此期间已将进账转出，从而使得该银行的实时营销成功率难以提升。1、传统的数据仓库系统已不再适应现代银行的复杂需求银行需要转向新的技术和架构，以便更有效地存储数据并满足多样化数据分析的要求。同时，随着风险控制、欺诈检测等业务对实时响应的迫切需求，新的数据平台必须具备快速处理和实时分析大8区域银行数据能力建设面临的挑战与机遇量数据的能力。这种转变不仅源于银行业务对数据访问速度日益增长的需求，还因为多种业务应用的融合使得数据的种类和结构日趋复杂化。2、除了对数据平台自身的需求外，保证算力底座与数据平台之间的紧密协同和优化至关重要银行在高峰期，如月初、月末和季度结算时，需要同时进行大量的数据跑批、风险评估和复杂分析，这就对数据处理的响应速度和准确性提出了更高要求。算力底座与数据平台之间的紧密协同和优化不仅确保了从数据存储到计算的流程效率，而且为最终的业务应用提供了可靠支持。数据共享与数据安全存在“鸿沟”区域银行要实现数字化转型和业务创新，就需要数据的流通。但是，数据的流通也要符合法律法规和监管要求，确保数据的安全和合规。区域银行如何平衡这两方面的需求是一个难题。金融行业有两种主要的数据流通场景：内部数据共享内部数据共享是指金融机构内部不同部门或机构之间为了业务需要而共享和传输数据的过程。这种场景需要保证数据的访问权限和使用范围符合最小必要原则，防止内部人员滥用或泄露数据，并能够进行有效的审计和追责。外部数据交易外部数据交易是指金融机构与外部机构之间为了合作或监管而进行的数据交换和上报的过程。这种场景需要保证数据在离开本机构网络或安全域后仍然受到有效的保护，防止数据被非法复制或泄露，并能够维护各方的合法权益。区域银行应该建立一个合理的数据流通机制，平衡数据的价值和风险。同时，通过引入数据可信流通等新技术及方案，实现数据的安全、合规和高效利用。面向新型数智技术，组织的“内生”能力不足区域银行面临数据管理和应用的双重挑战，需要加快数字化转型，构建专业的金融数据团队。但是，区域银行在组织架构和人才培养方面有所不足，这会影响其竞争力和适应性，使其无法充分利用数智技术的优势和机遇。一方面，在传统的组织架构中，区域银行的数据管理往往是由IT部门或者业务部门分散负责，这种分散的管理方式在当前的数据治理新形势下显得力不从心，区域银行成立集中的数据管理部门迫在眉睫。另一方面，区域银行数据技能与业务知识结合的复合型人才缺乏。这类人才不仅需要掌握数据采集、清洗、挖掘、可视化等技术，还需要了解区域银行的业务特点、风险管理、客户需求等方面，能够将数据分析的结果转化为业务决策的依据。然而，目前市场上这类人才的供给远远不能满足区域银行的需求，导致区域银行在数据驱动的竞争中处于劣势。9区域银行数据能力建设面临的挑战与机遇解决之道：全面融合，化繁为简,构建“实时、智能、共享”的数据能力体系解决之道：全面融合，化繁为简，构建“实时、智能、共享”的数据能力体系“1-2-3”数据能力体系蓝图规划区域银行数据能力体系建设，不是简单的产品叠加，而是要以系统性和工程化思维去构建一体化架构。尤其大模型时代的到来，PB级非结构化数据也将被激活，数据和AI之间的联系也将更加紧密。我们认为应该构建云-数-智-算全面融合架构，化繁为简，助力区域银行数智能力全面升级，实现人人用数，处处智能。区域银行面临着数据管理的巨大挑战，如何有效地整合、分析和应用海量的数据，提升数据价值和竞争力，是区域银行的迫切需求。为了解决这一问题，区域银行需要化繁为简，构建一个简洁、高效、灵活的数据体系。通过这样的数据能力体系，区域银行可以实现数据的全生命周期管理，提高数据的质量、安全和效率，从而实现数据驱动的业务创新和价值增长。区域银行数据能力体系蓝图可以分为“1-2-3”三层架构：1个平台 一体化数据底座和算力底座：数据底座含基于云原生的数据仓库、数据湖；数据湖仓一体的架构支持数据分析从离线走向实时一致性，达到秒级响应，批量分析报告从小时到分钟级呈现。算力底座包括国产化芯片、高性能服务器、大带宽网络设施等。通过数据底座与算力底座的协同，能够加速数据计算和模型训练。例如：某银行千万级用户可以分钟级快速圈选，年度营销场次从200场提升到500场。另外大模型到来后，需要计算、存储和网络进行高效的协同，应对GB到TB级训练样本的增长。2条产线数据产线：集成全链路数据治理工具，实现数据一站式分析与处理，加速内部数据的高效流转，业务人员即可根据需求自助消费数据。包括外部数据管理、数据资产管理、统一数据开发交换、自助BI等。AI产线：AI工业化流水线工厂，提供ASR、OCR、CV等AI原子能力的编排，缩短模型上线时间50%以上，包括数据标注、模型准备、模型训练、模型上线等。数据产线和AI产线是两个相互依赖的环节，数据产线为AI产线提供模型训练所需的数据。数据产线和AI产线的互通，能够提高数据和AI的效率和价11解决之道：全面融合，化繁为简，构建“实时、智能、共享”的数据能力体系值，实现数据驱动的智能创新。3类场景以实时、智能的能力构建数字化场景，包括数字化营销（实时事件营销、精准营销推荐等）、数字化风控（实时反欺诈、实时风险监测等）、数字化运营（数字人、智能审核等）等三类场景。场景层产线层实时精准用数数据与AI融合产线平台层数字化营销数字化运营数字化风控云原生数据湖算力网实时湖仓数据仓库数据产线智能产线统一存储高性能存储大模型分布式集群算力AIGC数据安全人才与组织数据能力体系蓝图规划区域银行数据能力体系核心目标数据能力体系建设的核心目标区域银行数据能力体系建设的核心目标，是实现数据的实时、智能、共享。需要健全数据工作组织、建立数据治理体系、升级数据平台和深化数据运营模式。区域银行建设数据能力需满足业务和管理的实时需求；提供智能化的分析、决策和服务；实现跨部门、跨机构、跨地域的数据共享，促进银行业务的协同和创新三个基本要求。生产即分析秒级处理批流一体数据标准化以及数据可信流转内外部数据共享开放式数据合作平台和生态智能学习与优化智能化数据治理智能分析应用区域银行数据能力体系智能共享实时12解决之道：全面融合，化繁为简，构建“实时、智能、共享”的数据能力体系目标一：实时实时保证了数据的及时采集、传输、处理和应用，实现了数据的动态更新和实时反馈。实时性使得区域银行数据能力体系能够快速响应市场变化，及时调整业务策略，提高风险防控能力，增强服务创新能力。数据能力体系的实时能力包括以下三点：生产即分析：数据生成后立即被计算和分析；秒级处理：低延时秒级数据处理能力，对数据进行准实时处理和响应；批流一体：消除数据处理的时效性差异。目标二：智能智能利用人工智能、大数据、云计算等先进技术，对数据进行深度挖掘、分析和应用，实现了数据的价值转化和智能化服务。智能性使得区域银行数据能力体系能够精准识别客户需求，提供个性化和差异化的产品和服务，优化客户体验，提升客户忠诚度。数据能力体系的智能能力包括以下三点：智能化数据治理：AI4Data，实现数据的自动化识别、分类、质量检测、安全保护和价值挖掘；智能分析应用：知识图谱、智能推荐等对数据进行深度挖掘和价值提升；智能学习与优化：利用数据飞轮效应，不断提高数据的质量和价值，数据能力体系能够实现自我进化，适应不同场景和需求。目标三：共享共享打破了数据孤岛，实现了数据的跨部门、跨机构、跨地域的共享和流通，构建了数据的生态圈。共享性使得区域银行数据能力体系能够拓展业务合作渠道，拓展业务覆盖范围，拓展业务增长空间，提高市场竞争力，数据能力体系的共享分为以下三个阶段实现：数据标准化以及数据可信流通：建立统一的数据标准和规范，确保数据的质量和完整性，同时制定合理的数据安全策略和流转机制，保障数据的安全性和可信度；内外部数据共享：构建高效的数据共享平台和渠道，实现数据的内部整合和外部开放，促进数据的价值最大化和创新应用；开放式数据合作平台和生态：打造开放式的数据合作平台和生态系统，实现数据的跨域、跨行业、跨组织的协同共享，推动数据的社会化和普惠化。13解决之道：全面融合，化繁为简，构建“实时、智能、共享”的数据能力体系五维升级：从“有”到“优”区域银行数据能力建设的核心区域银行数据能力建设的核心业数融合跃升决策智能化数据新技术如流批一体、大模型等的持续滴灌，将推进金融生产力实现智能化的大幅跃升。“实时、智能、共享”的数据支持是区域银行数据生产力跃升的关键。银行用数的方向可以按以下三阶段开展：1、优先把数据平台建好，提供全面、准确、及时的数据，支持监管报送和管理驾驶舱的经营分析。这是数据应用的基础，也是保证数据质量和安全的前提。2、引入机器学习及知识图谱，利用结构化数据为营销、风控等业务提供智能化的解决方案。这是数据价值的提升，也是提高业务效率和效果的关键。3、加入深度学习及大模型，激活非结构化数据，挖掘更深层次的数据价值。这是数据创新的方向，也是拓展业务边界和竞争力的途径。在这个过程中，区域银行可以从以下两个方面提升数据应用与科技的结合：构建数据飞轮：业务在使用数据的过程中，发现数据的需求和问题，科技根据反馈优化数据源和数据处理流程，保证数据的准确性和时效性。由此建立数据与业务场景间的闭环体系，形成数据飞轮，不断释放数据价值。加强人才培养：科技需要有足够的数据分析人才，通过培训提高自身的数据能力和业务理解，同时向业务赋能，提高业务人员的数据素养和应用能力。监管报送：管理驾驶舱：根据监管要求，进行结果报送行长办公会、分条线的支持、对网点和销售人员的支持数据使能监管与经营分析智能审核:票/表/卡/章自动识别与内容审核智能客服：语音自动识别文字，基于大模型提供问答内容推荐网点助手：异常问题监控，基于大模型提供办理流程指引等数据使能营销、风控激活非结构化数据使能智慧运营营销：客户360度画像、实时营销、产品及策略精准匹配风控：数字化实时风险监测、交易实时反欺诈、贷后风险传导分析湖仓能力建设分客群经营分析结果 深度学习、大模型 机器学习、知识图谱22341121业数三阶融合路径15区域银行数据能力建设的核心数据实时洞见管理驾驶舱不再是行办会的“专属”，在数据能力的支撑下，要让每个业务分支、每个客户经理，都有自己专属的“实时管理驾驶舱”。1、银行管理驾驶舱，从分析决策执行1）从“行办会”走向“基层”：管理驾驶舱不仅是领导者进行决策分析的工具，更成为基层调整工作方式的重要帮手。对于行长办公会，管理驾驶舱能够提供全行的整体概览，帮助行长办公会把握全局，制定战略方向和目标，分配资源和责任，评估和激励绩效。对于各个条线的管理者，管理驾驶舱能够展示各个产品或服务的细节指标，制定更具针对性的产品策略和营销策略，提高市场竞争力。对于网点和销售人员，管理驾驶舱能够实时展示每个网点或每个销售人员的业绩完成情况、客户动态等实操指标，帮助他们及时调整工作重点和方式，发现并抓住销售机会。2）从“T N”走向“实时”：通过实时数据流技术，管理驾驶舱可以实时监控和展示各业务线的关键指标（如交易量、客户满意度等），及时发现重大事件以及运营问题，为银行提供实时的运营决策支持。3）从事后分析走向事中决策与执行：管理驾驶舱将各个指标责任到人，当发现经营问题后，可以基于多媒体技术直接圈选问题指标，锁定目标责任人，一键下达决策指令与改进任务，监控问题闭环执行。2、能力支撑基于数据能力体系的技术支持，可实现以下能力：内外部数据统一分析：数据平台可以将银行内部的业务数据与外部数据（如市场趋势、竞争对手信息等）进行融合，从而为管理层提供全面的运营分析报告。这有助于银行更好地了解市场需求，优化产品策略，并抓住市场机遇。实时数据流：通过实时数据流技术，管理驾驶舱可以实时监控和展示各业务线的关键指标（如交易量、客户满意度等），及时发现运营瓶颈和问题，为银行提供实时的运营决策支持。预测分析和资源规划：利用预测分析技术，可以提前预测未来一段时间内各网点的业务量和人流量，从而帮助银行实现精确的资源规划和调配。例如，银行可以根据预测结果提前调整人员排班，确保业务高峰期间有足够的员工提供服务。管理驾驶舱解决方案架构图经营总览月度考核批量数据每日头寸主题分析公司银行部零售银行部网络金融部理财金融部普惠银行部计划财务部授信审批部金融市场部风险管理部行办会驾驶舱全产品计价得分大额存款变动到期提醒数据慧眼客户经理驾驶舱条线驾驶舱管理驾驶舱KafkaFlinkLoaderClickhouseHiveHetuengine数据湖实时数据集成离线数据集成湖仓一体化零售集市风险集市报表集市运营集市对公集市财务集市数据仓库数据集成服务集成消息集成设备集成服务编排数据源实时数据入湖离线数据入湖核心数据网银交易理财资产人行征信16区域银行数据能力建设的核心3、应用场景举例某银行通过建立实时管理驾驶舱，实现了对全行业务数据的实时监控和分析，提高了业务效率和风险控制能力。该银行某个理财产品新推上市，通过对上市后销售情况的实时监控发现该理财产品的销售较预期低25%，该行立即对此情况进行了分析，发现一是市场上出现了更具吸引力的同类产品，二是该理财产品在宣传上未向目标客群投放，客户对其了解不深。通过策略调整，该银行成功地将该理财产品的销售水平提升至较预期水平高5%。迈入营销5.0区域银行营销正在从以产品为中心的营销4.0模式，转变为以客户为中心的营销5.0模式。营销5.0是指银行通过大数据、云计算、人工智能等技术手段，实现对客户的精准洞察和个性化服务，并通过智能化、场景化、社交化、裂变化等方式，实现对客户的全方位触达和持续增值。利用原始数据，由浅入深分层搭建事实、模型、预测标签，建设全行一体化的标签池。1、银行营销5.0的四大趋势以客户旅程视角出发，识别各节点能力关键挑战，通过数据分析、渠道协同、差异化营销等方式，提升客户体验。趋势一：营销从静态营销走向实时驱动的营销传统银行营销是基于历史数据和固定规则进行客户分群和推荐，基于数据能力体系的支撑，银行营销可基于实时数据和动态模型进行客户识别和响应。例如，银行可以通过实时监测客户的行为、情感、需求等变化，及时提供合适的产品或服务，提升客户满意度和忠诚度。银行需要具备实时数据采集、分析、决策和执行的能力，实现营销的智能化和自动化。建设标签管理平台，统一管理和监督全行标签资产。通过对标签的组合应用，提升标签赋能业务的价值。趋势二：营销从规则走向模型驱动传统银行营销是基于人为设定的规则进行客户筛选和推送，基于数据能力体系的支撑，银行营销可基于机器学习和深度学习等算法进行客户预测和优化。例如，银行可以通过构建不同的模型，如转化率模型、留存率模型、生命周期价值模型等，对客户进行多维度的评估和排序，优化营销资源的分配和利用。银行需要具备数据科学、人工智能、机器学习等技术能力，实现营销的精准化和高效化。趋势三：营销从单点客户洞察走向360客户画像原来银行营销是基于单一维度或有限维度的数据进行客户分析和理解，现在银行营销是基于多维度或全维度的数据进行客户构建和管理。例如，银行可以通过整合内部数据（如账户数据、交易数据、信用数据等）和外部数据（如社交数据、地理数据、消费数据等），构建全面而深入的客户画像，包括客户的属性、偏好、需求、价值等方面。通过这样的客户画像，银行可以更好地了解客户的特征和需求，提供更个性化和差异化的产品和服务。银行需要具备数据整合、数据挖掘、数据可视化等数据能力，实现营销的全面化和深入化，通过精细化的客营销场景智能化升级示意客户旅程全周期交互静态规则驱动事件 模型驱动实时 精准高性能高并发自动化静态规则，统计型标签为主，数量3000，颗粒度较细，支持深度洞察，如：交互行为，实时时空用户行为17区域银行数据能力建设的核心户画像，赋能精准营销、关联销售、产品创新和客户体验提升。趋势四：营销从传统CRM营销走向社交化、裂变化营销原来银行营销是基于单一渠道和单向沟通进行客户触达和维护，现在银行营销是基于多元渠道和双向互动进行客户引导和激励。例如，银行可以通过利用社交媒体、社区平台、内容营销等方式，与客户建立更紧密的关系，提高客户的参与度和口碑。同时，银行可以通过设计各种激励机制，如积分兑换、红包分享、邀请奖励等方式，促进客户之间的互动和传播，实现客户的裂变增长。银行需要具备社交媒体运营、内容创作、用户运营等市场能力，实现营销的场景化和裂变化，对CRM系统进行能力升级改造，完善销售过程管理。银行的社交营销包括以下关键三点：一是构建基于数据能力体系的私域运营平台。通过数据分析、大数据挖掘等技术手段，实现客户信息的精准识别和分析。二是通过数据能力体系，整合客户交易交互行为特征，构建以客户为中心的用户养成体系，对统一客户信息系统进行能力升级改造，整合线上和线下的结构化、非结构化信息，形成完整的客户视图。三是通过数据能力体系快速圈选目标客户，支撑多样化金融场景营销。标签系统内容共享合约关联人数据主题层贴源层湖仓一体数据仓库数据湖客户经理赋能应用服务部署统一管理客群圈选接入数据应用数据回流活动鉴权权益数据接入流程引擎营销数据安全防刷内容营销中心标签客群互金平台数据平台权益中心工具 运营数据脱敏标准数据层数据集市层探索变量数据沙箱探索&试验区工具提效 数据提质多维数据 立体经营风控管理系统积分体系数据中心某银行营销架构图18区域银行数据能力建设的核心2、能力支撑在区域银行中，数据能力体系在营销5.0演进中的核心价值可以从以下三个维度进一步突显：1）全面客户画像数据能力体系不仅集成了来自不同业务系统的数据，还涵盖了客户的交易历史、行为习惯和社交媒体活动等多个维度，内外部数据统一分析能力为银行提供了一个360度的客户视图，深化了对客户需求、偏好和行为模式的理解。以前传统的画像是几十维，现在领先的银行达到了5000多维。客户画像的建设赋能精准营销、产品个性化推荐和客户全生命周期的精细化运营。例如，某区域银行成功地利用数据能力体系集成了上述多维度数据，为一位经常出国旅游的客户推荐了一款具有丰富境外消费返现和免费海外医疗保险的信用卡，极大地提高了客户的购买意愿。这是多维度识别客户、整合渠道和产品、合理规划客户接触点、在场景中推送直达客户的例子。2）实时响应能力随着市场环境的快速变化，银行需要能够迅速响应并满足客户的实时需求，对客户进行生命周期管理，全流程挖掘客户价值、提升客户体验。数据能力体系的实时数据处理能力使银行能够实时捕捉和分析市场变化和客户行为，并通过实时营销、精准营销、全渠道协同、客户细分和客户价值管理等手段，不断提升客户体验，增强市场竞争优势。例如，当某一金融产品在市场上突然受到欢迎时，银行可以迅速识别并针对这一趋势进行策略调整，向目标客户群体推送相关的产品信息和优惠活动。3）高效的营销策略在实现完善的统一客户视图基础上，通过数据平台提供的数据分析模型，对客户进行分析和研究，以帮助业务部门了解用户喜好，挖掘优质客户，开展有针对性的市场营销活动。数据能力体系结合AI和机器学习的能力，为银行提供了强大的客户分析工具。这些工具可以自动地细分客户群体，预测客户的购买意向和行为模式，从而帮助银行制定更加精准和高效的营销策略。例如，在大型购物节或特定节日时，数据能力体系支持的实时营销策略使银行能够为客户提供最相关的金融优惠和服务，进一步提高营销的转化率和客户满意度。通过这些维度，我们可以看到数据能力体系如何深刻地改变并优化了区域银行的营销策略，确保其在竞争激烈的金融市场中保持领先地位。下图是基于数据能力体系的实时精准营销解决方案架构图。实时精准营销解决方案精准营销营销运营分析SCRM智慧营销平台实时标签 客户画像零售数据集市数据湖仓CDL实时入湖 Kafka Flink计算集群节点营销模型一体发布平台模型训练推理平台计算集群节点精准触达内容引擎CRM任务管理价值评估客户推荐策略优化实时营销全渠道&事件营销模型效果评估营销分析改进营销模型营销标签营销特征库内外部数据维度自动触达RPA智能营销解决方案架构图19区域银行数据能力建设的核心3、应用场景举例某银行为了提升自身的业绩和竞争力，决定利用大数据和人工智能技术，对存量对公客户进行深入的分析和挖掘。该银行建设了“园区地图”，通过对核心客户的360画像分析，融入产业知识及企业经营关系预测，依托知识图谱还原供应链关系，发现了他们在各个行业和领域中的商业合作伙伴，包括供应商、分销商、子公司等。通过这种方式，该银行构建了一个庞大的客户关系圈，其中包含许多尚未成为该银行客户的潜在目标。同时，该银行改变对公客户经理“陌客”营销方式，通过利用图技术挖掘潜在客户并推送至CRM系统，实现数字化营销：找得到、查的清、联系得上。通过向这些潜在目标推荐该银行的优质产品和服务，实现了新客开发和存量客户增值的双重目标，AUM和LUM合计净提升同比增长53%，交叉获客同比增长478%。构建风控“五化”新模式在区域银行中，数字化风控是确保银行稳健经营的关键。风险管理由“事后风控和单点风控”向“实时风控和全局风控”转变，确保风险管控的全面性、及时性和准确性，构建全行客户及风险视图，打破风控壁垒，打造银行全行级的风险管理体系，搭建模型监控管理平台。1、银行风控的“五化”新模式为了应对复杂多变的风险环境，提高风险管理的效率和效果，区域银行应构建风控“五化”新模式，关键是强化对跨界风险、交叉风险、关联风险的管理，具体而言，包括以下五个方面：1)风险控制前置化：通过前瞻性地识别和评估风险点、线、面，前算风险系数，前置风险因子，实现风险的预防和预警，避免风险的发生或扩散。2)风险控制数据化：对各风险合规应用系统的数据统一汇总、分析，实现各业务之间的风控信息整合，形成监督合力。通过建立安全可信的数据流转机制，提供高并发的风控服务，实现过程计算的实时可追溯，提高风险数据的质量和价值。3)风险控制知识化：通过将风控规则算法化，风控过程线上化，风险关系图谱化，实现风险知识的积累和共享，提升风险决策的智能化和精准化。4)风险控制可视化：通过将风险全貌、过程变化、成因分析等信息可视化展示，实现风险的透明化和监控化，增强风险管理的直观性和有效性。5)风险控制自动化：通过将风险识别、评估、应对、监测等环节自动化执行，实现风险管理的快速化和灵活化，减少人为干预和误差，对风险管理流程梳理并优化。风险精细化管理与防控事后风控 单点风控实时风控 全局风控外部数据引入不足，风险视图不全面异常风险毫秒级预警，统一风险监测前置化 数据化知识化可视化自动化风控场景智能化升级示意20区域银行数据能力建设的核心2、能力支撑在没有数据能力体系支持下，区域银行在数字化风控方面面临着多重挑战，包括数据孤岛问题、实时性不足和风险评估的低准确性。数据孤岛问题会导致重要信息无法实时共享，从而影响决策效率。缺乏实时性的风控则可能导致延误响应，增加潜在风险。而不准确的风险评估则可能导致银行承担不必要的风险，或者错过良好的投资机会。数据能力体系在风控“五化”的构建中起到了统一管控和实时监控关键的作用。下面是一个典型的智能风控解决方案架构图：1)内外部数据融合解决数据孤岛问题数据能力体系能集成来自银行内外部多个源的数据，包括但不限于客户的基本信息、交易记录、征信数据和行业信息。这样的集成为构建更为全面和准确的信贷风险模型提供了可能。2)数据实时捕获和加工提升风险评估的时效性和准确性数据能力体系的强大数据计算和分析能力，使银行能够实时捕获和分析各种交易行为和市场动态，从而能更快速和准确地响应各种风险事件。并且，在交易进行时，数据能力体系利用实时计算能力对交易数据进行即时处理，并支撑风险识别模型进行欺诈预测。一旦识别出存在欺诈可能，数据平台可以在毫秒级时间内向业务系统发送预警，实现对异常交易的实时拦截。3)知识图谱 AI使能风险控制知识化随着金融市场的复杂性和全球化程度的增加，通过图谱构建复杂的风险传导模型将风险控制知识沉淀成图谱，量化信贷风险的传播模式和传导路径，再结合AI智能检测算法，预测未来可能出现的风险传导路径和影响范围，降低风险的扩散率。体系化地覆盖客户预筛、事前审查、事中决策、事后预警等全流程多方面，提升银行的风险防范能力。智能风控解决方案架构图风险监控与预警信用风险风险决策知识图谱AI平台指标库外部数据管理平台数据平台CDL实时入湖 Kafka Flink计算集群节点动态风险评估欺诈风险实时风险预警智能反欺诈实时风险预警知识分析图谱建构图数据库大模型模型训练模型监控模型运行模型管理智能反欺诈决策流引擎统一名单库智能风控体系智能平台21区域银行数据能力建设的核心3、应用场景举例某区域银行为了提升风险管理水平，基于风控“五化”，构建了信贷动态风险评估系统。该系统能够实时监测客户的信用状况，分析客户的还款能力和意愿，以及客户所处的行业和市场环境的变化。当系统检测到客户出现异常事件，如逾期还款、资产负债率上升、经营业绩下滑等时，可以立即触发预警，使银行能够迅速采取相应的风控措施。通过这种方式，该银行成功地将其不良贷款率从原来的3.5%降低到了1.8%，同时提高了贷款批准的速度，从平均7个工作日缩短到了3个工作日。这些成果不仅增强了该银行的市场竞争力，还为其带来了更高的客户满意度和信任度。据调查显示，该银行的客户忠诚度指数提升了15%，客户推荐率提升了12%。激活非结构化数据，打造智能数字员工人工智能技术正从单点技术应用走向智能数字员工，它们将改变区域银行的运营模式，创造更多的价值和竞争力。1、AI技术正深刻地改变银行的运营模式银行的运营模式正在发生深刻的变化。随着科技的进步和客户需求的多样化，银行不再依赖传统的人工服务，而是利用智能技术提升效率和质量。随着预训练基础语言大模型初具与真人相似的交互聊天、文稿撰写、逻辑推理、计算机编程以及综合性思考能力，其展示出强大的通用智能潜力，有可能引发新一轮的技术竞赛、产业革命。智能数字员工将不再是科幻片中的想象，智能化、自动化的运营成为大模型带来的运营模式变革趋势。大模型的核心优势在于其高认知水平、强泛化能力、深厚知识储备、有逻辑推理和有温度的交互。在多轮对话中，它们的交互能力实现了飞跃性的提升，意图识别的准确率也更高。大模型的相关技术在运营中的应用场景广泛。1）在客户服务领域，模型可以提高知识库的丰富度，逐步实现个性化服务；同时，模型可以辅助生成话术，提升数字人的交互能力；2）在运营领域，模型可以提高智能化审核质检能力，并逐渐演化成多模态超级RPA的能力；3）在系统研发领域，模型可以辅助生成代码、监测代码质量，并提高自动化测试的能力；4）在办公领域，模型可以辅助记录会议、编写报告和PPT，从而提高工作效率。大模型将激活银行的非结构化数据，更高效地释放数据价值，应用将渗透到业务前中后段，带来新的生产力升级。运营场景智能化升级示意智能数字员工非结构化数据激活人工智能为主智能辅助动看说闻听语音视频文本图像理解智能化自动化运营22区域银行数据能力建设的核心2、能力支撑非结构化数据是银行业务中不可或缺的一部分，它们涵盖了各种形式和内容，如视频、音频、图片、票据等。这些数据的规模非常庞大，达到了PB级别。然而，传统的数据分析方法往往难以有效地处理和利用这些数据，导致它们的价值没有得到充分发挥。AIGC（生成式AI）是一种新兴的技术，它能够通过向量化的方式，将非结构化数据转化为结构化数据，并进行深度学习和智能分析，为银行的各类业务提供辅助支持。为了支持AIGC的发展和应用，数据能力体系将提供强大的基础设施和平台，包括高性能的计算资源、非结构化数据的清洗与标注、基于向量数据库的数据检索等。数据能力体系将与AIGC共同推动银行业务的数字化转型和智能化升级。智能化运营解决方案架构图智能助手办公助手文档助手开发助手网点助手智能化运营数据标注大模型小模型模型开发模型训练工作流模型运行AI平台消费贷小微信用卡交换平台结构化数据非结构化数据（视频、音频、图片、票据等）业务系统数据API服务数据集服务数据服务数据平台特征计算运维服务数据访问数据采集数据集成Clickhouse（在线）SparkETLESB向量数据库特征存储HIVE（离线）向量数据库23区域银行数据能力建设的核心3、应用场景举例1）智能票表卡章识别金融行业日常业务中涉及大量表单、凭证、票据和图片等材料，如对公对私开户资料、信贷业务资料、客户财务报表、运营票据、合同、档案等。由此带来大量重复的、低效率的录入和核对工作，需要大量的人力成本是金融行业普遍面临的痛点。随着大模型技术发展，构建的金融OCR大模型，可以通过高精度文字检测与多模态表格还原等技术，将手写体票据文字识别的准确性提升至92%，同时实现用一个模型覆盖多个通用的文字识别场景，更进一步降低应用场景拓展门槛。2）智慧客服银行通过设置7*24小时的线上客服，通过电话、短信、邮件或在线聊天等方式，为客户提供全天候的金融咨询、业务办理和问题解决服务，能够快速准确地解答客户的疑问，协助客户完成各种银行业务，如查询账户余额、转账汇款、信用卡还款等。在处理客户投诉和收集建议的过程中，确保客户满意度。随着科技的发展，许多银行还推出了智能客服系统，通过应用AI自然语言处理和机器学习等算法，模拟人类客服的工作方式，为客户提供高效、准确、便捷的服务。智能客服可以理解并回应客户的查询，如账户余额、交易记录、贷款申请等。同时还可以根据客户的问题或需求，提供个性化的建议和解决方案，当前，大模型的智能文本分流率达到了95%，推荐答案的接纳率达到86%。3）智慧网点在线上 线下渠道全面融合的趋势下，银行网点仍然有不可替代的作用，网点多种场景对智能分析能力提出了很高的要求，借助智能化、自助化的设备实现银行的营运、合规、安全等场景的实时监测，从而提升用户的体验；借助智能化服务和安防系统，降低网点相关业务的人员成本。具体的相关服务包括：操作指引，为不同客群的客户提供差异化信息服务；客流分析，提供布局优化、人员调配的科学决策支撑；服务分析，提升合规性、效率和质量；区域监控，异常行为智能识别，实现及时告警等。24区域银行数据能力建设的核心开发治理一体化，DataOps改写数据治理规则1、数据治理四大新理念在区域银行数据管理领域，正在不断涌现新技术、新方法和新理念，以应对数据生态的变化和数据需求的增长，以下是一些新技术、新办法和新理念的介绍：1）数据产线：将数据治理的各个环节（如数据质量、数据安全、数据目录、数据血缘等）串联起来，形成一个标准化、自动化、可度量的数据治理流程。数据产线可以提高数据治理的效率和质量，降低人工成本和风险，实现数据治理的持续改进。2）DataOps：将敏捷开发、持续集成、持续交付和运维等思想和方法应用于数据分析和数据科学的过程中，以实现快速、可靠、高质量的数据产品和服务的交付。DataOps可以缩短数据产品和服务的上线周期，提高数据分析和数据科学团队的协作效率，增强数据产品和服务的可用性和可维护性。3)数据资产入表：将数据作为资产进行管理，为每个数据资产建立一个标识符（如ID或URI），并记录其元数据、价值、权属、使用情况等信息，以便于对数据资产进行统一的登记、查询、评估和监控。数据资产入表可以提升数据资产的可见性和可追溯性，增加数据资产的利用率和价值，促进数据资产的共享和交易。元数据是关于数据的数据，即描述型数据。元数据是数据治理的技术基础，利用统一的企业级元数据模型，为数据标准、数据质量、数据模型等数据治理核心专题领域，提供技术扩展知识。4)非结构化数据治理：针对非结构化数据（如文本、图像、音视频等）进行管理，包括非结构化数据的采集、存储、处理、分析、展示等环节，以及非结构化数据的质量、安全、目录、血缘等方面，以实现非结构化数据的有效利用和保护。非结构化数据治理可以拓展数据管理的范围和深度，挖掘非结构化数据的潜在价值，提高非结构化数据的可信度和合规性。2、基于DataOps的数据产线实现开发治理一体化在数据能力体系的架构中，基于DataOps的数据产线实现了对数据从采集、整合、分析到利用的开发治理一体化。作为一种全新的数据管理模式，它让区域银行的数据治理更加高效、全面、便捷。DataOps将敏捷开发、持续集成和持续交付的理念引入数据分析和数据科学中，确保数据的实时性、准确性和可用性，让正确的数据在正确的时间传递给正确的人。敏捷的数据开发：数据产线支持快速迭代的数据开发流程，使数据科学家、分析师和工程师能够协同工作，共享数据和工具，从而加快分析模型和报告的开发速度。持续的数据集成与交付：数据产线自动化了数据的采集、清洗、转换和交付流程，确保数据在整个组织中流通的畅通无阻，支持实时或近实时的数据交付需求。自动化的数据质量监控：数据产线可以实时监测数据质量，自动识别和修复数据质量问题，从而确保数据的准确性和一致性。产线融合实现数据治理新范式25区域银行数据能力建设的核心数据产线AI产线数据治理升级：数据产线重塑开发与治理效率实时数据流数据资源外部数据接入内部数据接入统一数据开发数据资产管理场景化智能应用自助式数据分析交互式决策运营数据资产生产要素数智应用算法算力知识建模训练推理批量数据流非结构化数据流AI4DataData4AI 跨部门的协作与共享：通过统一的数据服务和数据资产管理，数据产线促进了不同部门和角色之间的数据协作和共享，打破了数据孤岛，提升了组织的数据智能水平。强化的数据安全与合规：数据产线的统一管理还有助于加强数据安全和合规性的控制，确保数据的合法使用和保护。3、DataOps数据产线使能人人用数通过DataOps数据产线，区域银行可以将数据变成一种真正的竞争优势，提高业务响应速度，实现统一的数据资产管理和统一的数据服务，从而使能人人用数，充分释放数据价值。1）统一数据资产管理数据产线的统一数据资产管理是将数据视为有价值的资产进行管理的过程，它强调数据的分类、评估和优化。这一特性有助于实现数据治理的资产化升级，确保数据价值的最大化利用。统一数据资产管理主要涵盖以下方面：数据分类分级：通过对数据的属性、敏感性和重要性进行分析，实现数据的分类和分级管理。数据资产盘点与标签化：对数据资产进行全面盘点，确立其价值和重要性，并通过标签化实现快速检索和使用。统一数据资产目录：建立统一的数据资产目录，确保数据的可发现性和可访问性，从而提高数据的利用效率。数据血缘分析与影响性分析：通过数据血缘分析了解数据的来源和流动路径，通过影响性分析了解数据变更对下游的影响，以增强数据的透明度和可控性。统一数据资产管理的关键技术要点包括：数据的全生命周期管理、数据质量监控、数据安全和合规性等。统一数据资产管理不仅提升了数据的管理效率，而且有助于挖掘数据的潜在价值，推动银行业务的创新和优化。这一过程涉及多个部门和角色的协同工作，需要强调跨部门的沟通和合作，确保数据资产管理的全面和高效实施。数据治理升级数据产线、AI产线融合26区域银行数据能力建设的核心某银行数据治理效果2）统一数据服务数据产线层的统一数据服务特性是通过将数据和分析结果以服务的形式提供给各业务部门和决策者，促进数据治理的服务化升级，从而使数据能够更灵活、更快速地满足不同业务需求。统一数据服务的实现主要包括以下方面：访问统一：通过统一的访问接口，简化了数据消费者的访问流程，降低了访问复杂性，提高了数据访问的便捷性。目录统一：构建统一的数据目录，方便数据消费者快速找到所需数据，促进数据的共享和重用。运维统一：通过统一的运维管理，确保数据服务的稳定和高效运行，及时响应业务需求的变化。监控统一：实施统一的监控管理，实时监控数据服务的运行状态，及时发现和处理异常，保证服务的可靠性。授权统一：通过统一的授权管理，确保数据的安全访问，合规使用，满足数据隐私和安全的要求。统一数据服务的关键技术要点包括服务治理、服务编排、负载均衡、数据缓存等。通过服务目录、服务协议、服务质量管理等手段，实现服务的标准化、自动化和可度量，提供了一套完整的数据服务管理体系。对于区域银行来说，统一数据服务为数据的多样化消费模式提供了强有力的支撑，无论是批量数据处理、实时数据分析，还是移动端的轻量级数据访问，都能够通过统一的数据服务平台得到有效支持。统一数据服务不仅降低了数据的使用门槛，还改变了区域银行的数据消费模式，有助于推动数据的快速流通和共享，提高了数据的使用效率和业务响应能力。银行数据化有一个重要的工作目标，就是要实现人人用数。以某银行为例，基于数据能力体系打造了统一的数据分析平台和数据资产管理平台，构建了统一的数据服务层。当前其全行员工用数渗透率已从20%提升到50% 。同时，通过自助的数据报表开发工具，业务报表开发人员中66%来自业务部门，并开发了在用报表中的50%。正是“人人用数”战略的践行，该银行业务效率、客户体验和风险管理能力得到了显著提升。共享复用的数据生态渗透率业务用户占比50% 97.3%提供高效便捷的用数体验，逐步形成共享，复用的数据应用生态，加速数据价值兑换平民化的数据服务统一资产管理敏捷BI工具提供一站式数据门户和低门槛用数工具，有效提升用数效率，推动全行用数的平民化27区域银行数据能力建设的核心数 智 产 线 融 合 推 进 A I 4 D a t a、Data4AI数据与AI融合是不可阻挡的历史潮流，数智融合这一把火，已从星星之火渐成燎原之势，大数据和AI技术相互激发、相辅相成，共同推进彼此的发展，两把“金钥匙”握手会再次在金融行业掀起高潮。AI的前提是高质量的预训练数据，数据准备和高质量的数据标注耗费较多时间，导致AI训练用数复杂低效。数据仓库、数据湖、AI经过多年相对独立地建设发展，数据与AI算力数据资源分散，数据搬家较为常见。同时DataOps和MLOps未完全打通，导致开发协同效率低下，将数据和智能进行有效融合的“数智融合”解决方案，是破题的关键。解决高质量数据高效互访，释放更多价值，数据与AI双向反哺，勾勒数据创新的基石。1、Data4AI数据的数量和质量成为制约数智融合的瓶颈，没有高质量的数据，就不会有智能的AI，大幅提升数据治理的效率，使开发者从繁重枯燥的数据处理工作中解放出来。1）融合数据管理：基于数据产线统一元数据。元数据可以被数据质量提供检查规则存储的扩展支持，并能够在发现质量问题后，提供数据的血缘分析和影响分析的功能。元数据可以展现数据质量相关的信息，数据质量可以利用原数据的数据地图展现数据质量点、线、面与数据质量相关的分布情况，当数据质量发现问题时，可以查看原数据结构。未来元数据将为数据治理提供技术拓展支持，也是未来数据资产管理的关键。LakeFormation，把数据仓库、数据湖、AI数据的目录、数据权限、事务一致性、多版本管理等能力都融合到一个中心点，支持一份数据在数据湖、数据仓库、AI、开源系统等多个引擎间自由共享，同时支持标注完的数据转换成向量数据，直通AI大模型进行训练，数据的高质量流动大大提升。2）“数据 AI”融合的开发平台：将数据治理工具与数据服务AI能力封装进数据治理生产线DataOPS当中，支持DataOps、MLOps、DevOps无缝协同，帮助数据工程师以及业务人员以简单、熟悉的工具/语言，以拖拉拽的方式在全域数据内使用预置AI算法。在这过程中，数智融合开发平台能够使数据和模型的开发成本大为降低，周期大为缩短。客户旅程全周期交互统一元数据示意图数据分析任务关系型图型时序型非关系型AI数据数据仓库LakeFormation：统一元数据（目录/数据权限/事务一致性/多版本管理）机器学习任务其他应用和任务数据湖结构化数据非结构化数据区域银行数据能力建设的核心282、AI4dataAI4Data是一个数据智能化的解决方案，它可以帮助金融机构实现数据开发、治理的全链路智能化，提高数据治理和准备的效率和质量。AI4Data利用人工智能技术，对数据进行智能分析、清洗、标准化、质量检测等，提高数据的可用性和价值。AI4Data还可以实现数据的智能监控、安全管理、合 规 审 计 等，保 障 数 据 的 安 全 性 和 合 规 性。AI4Data的目标是让用户的数据治理准备工作提效，让用户更专注于数据的应用和创新。AI4Data还提供了丰富的数据可视化功能，让用户可以通过图表、仪表盘、报告等方式，直观地展示和分享数据的洞察和价值。AI4Data还支持多种数据源的接入和集成，让用户可以轻松地处理结构化、半结构化、非结构化的数据。AI4Data是一款适用于各行各业的数据智能化平台，它可以帮助用户提升数据的质量、效率、安全和创新能力。AI4Data智能数据管理数据质量检查基于机器学习，确定数据阙值对数据源进行全面的质量评估和监控，发现和解决数据的不一致性、缺失性、重复性、错误性等问题数据模型管理利用聚类和知识图谱确定实体间关系对数据进行结构化和标准化的建模，实现数据的统一语义和规范表示元数据管理人工智能实现对非结构化数据的采集和关键信息提取对数据的属性、来源、流向、关系、血缘等信息进行收集、存储、展示和分析，实现数据的可追溯性和可理解性。数据安全对数据进行分类、标签化、脱敏、加密等处理，保护数据的隐私和安全主数据管理人工智能帮助企业识别主数据对企业的核心数据进行统一的定义、维护、共享和同步，保证数据的一致性和完整性15423区域银行数据能力建设的核心29智简架构智简架构将智能技术与极致的简化策略融为一体。在实际的技术应用中，这种架构追求的不仅仅是智能化，更在于通过“云数智算”这四个核心维度的深度整合，达到系统的高效、简洁和灵活。1.云数融合，资源调度最优化多模融合成为主流，多模数据需要协同处理以实现资源集约化管理。从过去主要处理的是结构化数据，到现在银行处理非结构化数据，例如：图、时序、流、文档等数据类型，这对数据整合处理和整合分析提出了更高的要求。随着多样性计算的演进，数据平台软件必须支持多种算力。过去以CPU为中心的架构，现已发展到多样性算力协同的对等计算架构，CPU、GPU、NPU甚至包括为特定场景开发的计算单元等都要形成协同关系，从而更好地去处理数据。例如某银行需要在一段时间内处理大量的数据，但是处理量难以预测，需要根据实际情况来进行资源调度。如果企业采用传统的数据处理方法，需要购买足够的硬件设备才能满足一段时间内的处理需求，这会带来很大的成本和资源浪费。而云数融合后，企业可以将数据存储在云端，利用云原生技术架构实现弹性资源调度。当需要处理数据时，系统会自动分配足够的资源来完成任务，处理完成后，系统会自动释放这些资源，从而降低成本，提高效率。2.数智融合，高效释放数据价值区域银行机构不同业务系统建设存在时间差异，各不同业务条线往往根据自身需求独立获取数据、进行数据加工，再进行系统部署应用，最终形成一个个独立的“烟囱式”数据架构，出现数据孤岛、数据与AI架构不互通、业务流程难以穿透等各种问题。传统的做法是将处理好的数据搬迁到AI架构进行训练，但普通银行在做增量数据搬迁时，大概需要6-8个小时，而做全量数据迁移的时间，往往达到了4-7天，这就导致企业构建、保护和管理数据的过程复杂且耗时，并且需要大量开发和维护成本。为了应对这种被动局面，需要支持一份数据在数据湖、数据仓库、AI、开源系统等多个引擎间自由共享，实现了引擎元数据互通，达到了数据与AI共存的效果。元数据可以为数据标准提供定义存储的扩展支持，并能对数据标准的执行情况提供检查依据。数据标准指导系统建设的成果，可以通过元数据来反应。元数据的管理，反过来也可以促进数据标准的完善。3.数算融合，软硬件开放协同当银行云数智融合达到了一定水准，很难在软件层面实现突破时，还想要再进一步提升效率，那么在硬件上下功夫便是最优解。最常见的像银行的日终跑批、数据分析、监管报送等这些针对数据展开的业务，对时效性均有较高要求。随着数据量的增长，日终跑批的时长也随之提升，如某银行日终跑批经常要到早上10点结束，影响第二天业务的正常开展。此外，数据分析的复杂度上升，也使得分析响应时长相应增加。据统计，某银行仅67%的数据查询在30秒内返回，大约有5%的查询响应大于5分钟。通过无损网络、加速包等新技术实现数据平台及算力网络的融合协同，能够进一步提升高并发、大数据量、复杂数据处理的效率。云数智算融合构建智简架构区域银行数据能力建设的核心30数据架构参考4.智算融合，大模型部署不费力大模型的爆发，将金融业带入到了一个全新时代，但同时也给行业带来了一些难题。尤其是大模型的部署，会有一系列复杂的工程化问题，比如数据采集、数据标注、数据清洗、模型的再训练、推理等等，所以企业需要一个端到端的解决方案来实现高效落地。另外对于大模型来讲，能够看到一个非常显著的区别，便是训练的参数量在剧增，例如GPT3.5的训练参数量为1750亿，而GPT-4则达到了万亿级别。数据级别从GB级到TB级，因此需要在大模型、计算、存储、通信四个层面实现高效融合，加速大模型训练与推理。交易持续运营云-数-智-算全面融合架构化繁为简场景层产线层数字化人才：数据管理AI科学伦理数据科学家模型工程师资产能力平台层数字化营销数字化风控数智统一服务层现代化BI数据开发数据仓库计算系统超大规模计算集群通信系统数据安全管理400g RoCE网络加速存储系统数据目录数据架构数据质量可视化ETL混合编排流批结合并发调度监控运维数据接入数据一站式开发元数据采集血缘分析资产管理数据地图资产报告业务分层数据标准约束规则数据模型数据指标质量稽核数据对账指标管理监控告警质量报告数据标注模型训练模型评估推理部署数据集算法模型镜像自定义图形化编排代码编排模型调测数智安全AI全栈：昇腾-计算机框架-大模型智算融合：训练样本GB级到TB级数据服务订阅AI集市AI服务自助编排数字化运营湖仓一体数智融合流批一体实时营销 实时智能营销实时风控 实时智能风控人工 智能数字员工数据湖云原生弹性资源池DataOps MLOpsAI平台云数融合：分钟级构建数据集群异构资源统一纳管 三层池化云智融合：模型上线时间从月到周统一元数据 AI4Data和Data4AI数算融合：跑批时间提升3小时开放架构 鲲鹏 RoCE 湖仓跨域查询 细粒度容灾存算分离全闪存获客服务化资产化云原生架构在线扩缩容软硬协同产数据上云数据领域建模敏感数据安全存储存数据服务化分析资产沉淀分析资产标准化消数据质量管理元数据管理数据模型管理访问权限管理敏感数据识别隐私保护管理数据动态脱敏仓内动态脱敏湖内动态脱敏数据可信流通AI安全可信策略可信底座管数据服务计量数据脱敏数据水印保护审计追溯控区域银行数据能力建设的核心31云数智算融合架构不仅为区域银行构建了坚如磐石的数据基础，更确保了与AI的高效融合，为银行将来进一步运用AI打下了坚实基础。在此基础上，银行可以构建连贯的数据与智能生产流程，实现业务的全面数字化，为客户提供更加个性化、智能化的服务。10项核心能力整体参考架构围绕存、算、管、用四个阶段，具备实时、智能、共享三个维度10项核心能力，包括：云原生架构、存算分离、湖仓一体、流批一体、软硬协同、跨域查询、细粒度容灾、在线扩缩容、数据动态脱敏、数据可信流通。1、云原生架构“ALL In the Cloud。实现了高度灵活的资源池管理，包括CPU资源池、GPU资源池、存储资源池和网络资源池。这种集成方式大大提升了硬件资源的利用率，降低了运维成本，并且为各类业务应用提供了弹性可伸缩的基础设施。基于云原生的数据仓库和数据湖，支持多种数据类型、多源数据接入，实现了数据的高效存储和处理，降低了数据延迟，提高了数据查询性能。以某区域银行为例，经过云原生数据仓库和数据湖的应用，查询性能提升了3倍，存储成本降低了60%。2、存算分离跨集群数据共享，独立资源管理。将数据存储系统（处理数据的长期保留）与计算系统（负责数据处理与分析）分开，通过标准接口连接，使计算引擎灵活地选择不同数据源进行计算，并将结果发送至各种存储系统。存算分离的优势在于提高了系统的灵活性和可扩展性，适用于大规模数据处理的设计，需要同时支持高并发读写和复杂计算场景的应用。可以充分发挥数据处理与计算的优势，实现数据的快速处理与实时分析。此外，存算分离的设计可以方便地扩展系统规模，提高系统的容错性和可用性，从而为银行提供更高效、更稳定的数据服务。例如，金融机构实时洞察手机用户的行为，对计算消耗量很大，对存储的消耗较少，这种场景比较适合采用存算分离的技术。3、湖仓一体湖仓直通访问，统一元数据。湖仓一体是一种新型开放式架构，将数据湖和数据仓库的优势充分结合，不但具有传统数据仓库的支持事务能力，也具备数据湖的开放性、扩展性、多场景分析能力等优势。它构建在数据湖低成本的数据存储架构之上，又继承了数据仓库的数据处理和管理功能。金融业务产生多种不同类型的源数据且业务繁多复杂，仅传统数据湖或者仅数据仓库无法满足业务场景的需求，只有湖仓一体整体解决方案才是最适合金融业务数据分析的最佳方案。湖仓一体采用开放标准化的存储格式，各种工具和引擎（包括机器学习和Python/R库）可以高效地对数据进行直接访问。用户使用层面提供统一元数据管理和数据视图，实现全局数据可见可查，支持标准统一访问接口，提供统一开发和治理的工具体系，简化用户开发。元数据可以被数据模型提供存储扩展支持，并能对模型的满足度和覆盖度分析提供依据。元数据可以为数据安全提供用户访问矩阵扩展支持，作为数据库管理员定义数据库访问权限的依据。区域银行数据能力建设的核心324、企业级实时能力通过CDL Kafka Flink Hudi Click-House组件实现流批一体。通过流式计算（实时数据处理）和批量计算（离线大规模数据处理）结合的技术，实现对实时性和历史数据的高效处理，满足业务对实时性和历史数据分析的需求，同时提高计算效率和灵活性。通过精心设计的架构，实现实时业务需求的满足与大规模数据分析和挖掘的并行，拓展了数据能力体系的计算能力和范围。这有助于在不同场景下都能实现高效的数据处理。例如，在风险管理和信用评估等业务中，需要实时处理海量的数据信息，同时也需要进行大规模数据分析和挖掘，以发现潜在风险和商机。此外，也可以为银行提供更好的数据智能化应用，例如基于实时数据的个性化推荐和营销等。传统数仓、数据湖、湖仓一体技术对比架构技术指标Data Warehouse传统数仓Data Lake数据湖Lakehouse湖仓一体成本数据类型分析引擎数据访问方式数据质量&一致性数据安全扩展性可靠性灵活性使用场景开放性数据格式封闭、专属存储计算绑定，成本高数据类型单一，仅结构化数据单一引擎分析SQL为主，少量支持API数据质量高，支持事务，一致性好细粒度数据权限控制存算一体，资源不能按需扩展 对等架构，单节点故障造成全局影响；无法在线升级预先建模，Schema-on-Write；不支持Schema-on-Read，灵活度低离线报表、离线BI，以传统SQL应用为主数据格式开放、通用，社区生态开放数据格式开放、通用，社区生态开放存储计算分离成本低存储计算分离成本低，湖仓一体运维成本低数据类型丰富数据类型丰富一个平台支持多类型数据，按需采用相应引擎分析一份数据支持多引擎融合分析开放API，可使用SQL、Python、R等接口开放API，可使用SQL、Python、R等接口数据质量一般，不支持事务，弱一致性数据质量高，支持事务，一致性好细粒度数据权限控制细粒度数据权限控制支持灵活的存算分离架构，按需扩展 支持灵活的存算分离架构，按需扩展分布式架构，无单点故障，支持在线升级分布式架构，无单点故障，支持在线升级同时支持Schema-on-Read和Schema-on-Write,灵活度高同时支持Schema-on-Read和Schema-on-Write，灵活度高离线报表，离线BI，以传统SQL应用为主兼具支持机器学习等新分析场景支持离线和实时报表，BI，兼具支持机器学习区域银行数据能力建设的核心335、软硬协同全栈信创，鲲鹏、昇腾等自主硬件与软件结合，提升整体性能。面对日益复杂的业务需求和不断增长的数据量时，仅仅依靠单纯地提高软件性能或者硬件配置已无法满足现代企业对数据处理、存储和分析的需求。数据能力体系软硬协同，将软件系统和硬件设备进行深度整合与优化，以实现更高性能、可扩展性和稳定性。软硬协同涉及到数据处理、计算和分析等多个软件系统，以及与之相配合的计算、存储和网络等硬件设备。目标在于发挥各自功能的最大潜力，创造一个运行效率高、性能出色且具备良好扩展性的数据能力体系系统。软硬协同能够在不同层面上发挥作用，包括在：计算层面、网络层面、存储层面、安全层面，为数据能力体系带来更高效、稳定的运行环境，整体性能提升明显。RWA场景、监管报送等复杂场景对数据计算的效率、算法有更高要求。例如银行在做监管报送时，会同时开放给不同分支去批量处理、批量增删改查。软硬协同技术正适配这种既要保证跑批又要平衡数据变动的复杂混合负载要求。6、跨域查询统一SQL查询，跨湖仓访问，数据免搬迁，提升查询效率。Hetu引擎支持跨源统一SQL访问，简单易用。打破数据湖、数据仓库之间的墙，支持数据湖与数据仓库间的数据互联互通，数据免搬迁用户层基于统一的标准SQL接口，对接数据湖和数据仓库，提供秒级交互式访问，满足各种统计分析、多表Join关联等，让分析建模人员数据分析更容易，降低访问门槛。如某大行利用跨域查询Hetu引擎，支持13000个分析师同时在线查询，查询时间从800秒缩短到30秒。7、细粒度容灾数据能力体系可实现细颗粒度分级容灾，综合成本与业务可靠性的平衡性。银行的重要业务数据,比如监管报送、管理驾驶舱、实时风控数据等需要容灾；非重要数据按需备份，比如：历史数据，数字营销数据，而测试数据可以不备份。细粒度容灾主集群和容灾集群双活（除灾备表只读外，其余表可读写），主备集群只需满足DN整数倍关系，降低灾备集群建设资源，方便灵活部署；支持列存表级数据物理增量搬迁，利用增量全局快照保证灾备集群一致性；灾备集群可以同时承载多套主集群，提供细粒度灾备；通过SQL、事务进行增量识别和回放，保障一致性。8、在线扩缩容支撑银行决策分析的业务连续性。以银行跑批业务为例，月初月末业务量的波动和不确定性，系统需要能够快速地适应不同的负载情况，以保证业务的稳定性和安全性。如果使用传统的扩缩容方式，就需要预先规划好系统资源的分配，并在业务低峰期进行扩缩容操作，这样会造成资源的浪费和业务的中断。而如果使用在线扩缩容技术，就可以根据实时的业务数据，自动地增加或减少系统资源，以满足业务的需求，同时保证业务的连续性和无感知性。9、数据动态脱敏在访问敏感数据的同时实时进行脱敏处理，保证读取效率并提升数据安全性。银行需要收集客户的身份证号、信用卡号等信息来开户或办理贷款等业务。然而，这些信息很容易被黑客攻击盗取或泄露给不法分子。银行实时用数的场景，如报表分析、数据导入导出等,对数据的安全性和数据时延都有要区域银行数据能力建设的核心34求，银行可以采用动态脱敏技术。具体来说，可以将客户的身份证号、信用卡号等关键信息在读取的同时进行脱敏处理，并设置权限控制，只有授权人员才能查看完整信息。在某股份制银行，通过数据动态脱敏技术，时延较静态脱敏下降30%。数据动态脱敏可以为不同角色、不同权限、不同数据类型执行不同的脱敏方案，从而确保返回的数据可用而安全。不同字段可以根据数据特征采用不同的脱敏函数，当且仅当生效条件为真时，查询语句才会触发敏感数据的脱敏，而脱敏过程是在SQL引擎内部实现的，对生成环境用户是透明不可见的。对于区域银行而言，数据安全更是重中之重，需要考虑到不同业务场景下的不同安全风险和威胁。在实施数据安全策略时，需要注意对敏感数据进行分类和评估，采取不同的安全保护措施，例如数据加密、权限控制、数据备份等。10、数据可信流通在数据存储及流通过程中，通过数据存储资源池进行整体数据安全控制。过去数据共享和可信流通方案从应用层进行控制，如主体A和主体B是否可以访问，只有是和否，策略不能流动。数据可信流通方案从统一存储层构建了策略控制方法，包含访问时间，操作日志等等，内嵌欧盟的规则，大幅度提升数据安全流转的效率，具体有：1）基于数据标签提供流通及强制访问控制策略，确保数据资源流动及使用基础合规保障；2）面向应用及系统级数据访问使用，提供数据使用期限等非用户级数据控制策略保护；3）在数据使用过程中，基于可信执行环境底座，面向不同业务场景提供安全控制能力；4）针对终端用户数据使用，提供Web在线浏览编辑、安全桌面等可选环境，基于4W2H模型进行精细化使用控制，确保用户合规使用；5）针对数据分析类应用，给出业务应用改造指南，由各业务应用进行改造后，满足数据使用管控统一策略要求。数据可信流通方案示意图XX分行总分支行数据高效流通，统一安全隐私策略管控，确保法律合规在保证数据主权的前提下，建立信任，提升数据流通效率数据XX分行数据服务数据XX分行数据XX分行数据XX分行数据数据可流通空间（TDS）数据主权保护数据要素流转总行系统数据消费方传输与管控数据查阅数据目录发布数据权限申请入湖签署共享协议回收与审计数据提供方区域银行数据能力建设的核心35大模型时代下的数据与AI深度融合大数据与人工智能正在形成多方位深度融合发展趋势，不断加速各行业的数字化升级。一方面，大数据提供数据采集、数据存储、数据转换、数据分析和可视化的能力，为人工智能技术的发展提供数据燃料。有了大数据平台的海量数据，人工智能才有了质的突破。另一方面，人工智能也为大数据发展带来算力提升和算法引擎，让人们能够以前所未有的速度和效率挖掘数据价值。在场景融合方面，人工智能拓宽了大数据的应用场景。传统的数据分析实现了描述性分析、诊断性分析，而融合人工智能技术的大数据分析可以实现更智能化的预测性分析与处理决策分析。如今热门的AIGC类应用，其智能程度已经实现质的飞跃，已迅速在金融、电商客服、办公等多种场景中获得应用。AIGC类应用正是数智融合的典型，底层基础是强大的数据治理能力，预训练语言大模型不断获得高质量数据进行训练、迭代和优化，从而带来远胜以往的智能应用理念。数智融合的典型应用场景有：文档问答场景基于新一代搜索引擎 向量数据库 大语言模型，提供实时高效知识问答。通过语义对话的方式从大量数据中精准获取知识和信息，充分发挥非结构化数据的价值，实现精准检索，多轮问答，深度挖掘知识价值，提升检索信息的自由度和效率，改善用户体验。大数据信息检索场景基于大语言模型 NL2API NL2SQL，解决信息实时性和准确性。通过语义模型，提升语义搜索准确率，解决信息的实时性和准确性。通过大模型对多API协同完成任务，减少任务定制API排列开发。数据分析场景基于大语言模型全流程增强分析，提升分析效率，降低应用门槛，简单易用。通过自然语言生成SQL，无需技术背景，即可查询相关数据信息。应用灵活、覆盖面广，使用门槛低，真正可实现企业人人都是数据分析师。数据治理场景基于大语言模型辅助生成数据治理方案，构建数据资产知识问答体系。区域银行数据能力建设的核心36通过大模型重塑数据体系，提升数据开发、治理、分析体验及效率。构建智能助手，辅助生成数据治理方案、数据标准、数据模型和指标体系建设。以某区域银行为例，该银行基于大语言模型构建了第一代金融知识智能检索。此前，该银行在多个业务领域遇到了挑战，包括：网点员工遇到复杂业务概率高，应对全靠员工经验，客户服务效果差。坐席员工遇到咨询业务涉及多个系统，全靠话务员个人理解整合形成最终结果，影响服务体验。基于此，该银行基于搜索引擎 大语言模型打造了金融知识智能检索，提高业务的应用能力，提升服务质量。银行内部业务人员及员工，经常需要查询制度、流程、规范等，可借助大模型提升相关知识获取效率。大模型与语义检索以及向量数据库结合，将企业知识库文档和数据通过向量特征提取(embedding)然后存储到向量数据库，应用大语言模型与向量化的知识库检索和比对知识，对信息进行对话式结果整合，最终返回给客户。通过此方案替换原来需要人为检索、整合多源信息的过程，大量降低人力开销。某区域银行基于大语言模型的金融知识智能检索架构图模式1：智慧搜索输入框（类传统搜索）模式2：搜索chat多轮聊天窗口智慧搜索工作台搜索领域知识 Fine-tunePrompt输入答案生成搜索结果大模型半结构化数据结构化数据数据湖Query向量化Embedding模型文档向量库VectorDBdoc内容向量化(批量)Embedding模型结果精排Reranking模型Prompt提示工程LLM大模型结果返回与溯源向量检索结果召回区域银行数据能力建设的核心37数据能力体系实现五维升级区域银行通过融合业数、融合产线、融合架构三大数据能力体系的建设，实现从数据消费、数据治理、数据架构、数据安全、数据人才五个维度助力金融机构跃升决策智能化，科技赋能业务，让银行没有难用的数据。1、数据消费升级。充分发挥业务与技术引擎的融合，通过实时湖仓、图数据库、大模型、实时决策、AI产线等技术引擎，不断丰富数据应用场景，持续实现数据价值释放。实时智能营销，推动营销从批量走向社交、事件和模型三轮驱动；实时智能风控，使能风控从单点和事后走向全面和前置；智能数字员工，助力运营从数字化走向智能化。2、数据治理升级。数智研运一体化融合产线，实现一站式敏捷化、智能化、精益化的数据治理与AI建模，重塑开发与治理效率，使能人人用数，处处智能。引入DevOps敏捷思维，无缝衔接DataOps与MLOps，使能数据快速供给与消费，模型开发从月到周。3、数据架构升级。化繁为简，实现数据的高效流转和秒级业务响应。智能湖仓一体和大模型存算网的融合新基建方案，以开放架构为基础，跨领域技术充分协同。4、数据安全升级。在银行机构内部，因业务需求数据在不同部门之间、总部与分支机构进行共享和流动，成为支持金融机构数字化的基本能力。通过控制策略模型和引擎、跨域身份与信任空间、高性能透明加解密三大安全技术，实现数据跨主体以及边界传输后，依然可控。5、数据人才升级。银行机构亟需储备懂金融业务，懂IT技术，以及精通数据管理的复合型人才。全行的数据文化和思维是数据能力体系建设和价值释放非常重要的一环。只有上下同欲，建立共识，是数字化转型成功的关键要素。全行数据人员需要全面提升架构设计、集成设计、数据迁移、场景设计与运营等能力，快速实现数据内生能力提升。数据能力体系建设五维升级数据能力体系五维升级蓝图数据消费升级单一数据报表服务热数据多元化服务 结构化数据应用 非结构化沉默数据激活数据治理升级数据作坊式加工一站式模型开发与上线 基于规则的数据治理 智能化数据治理数据架构升级烟囱式数据库实时湖仓|数智融合 数据T N传输处理交易与批处理一体数据安全升级数据隔绝不共享数据可信流通数据人才升级数据技术人员业技融合人才区域银行数据能力建设的核心38实施路径：数据能力体系建设的长效方案区域银行数据能力体系建设是数字化转型的重要一环，但也面临着数据源多样、数据治理难、人才技术缺乏、业务协同低等难点和挑战。为了高效地实施数据能力体系建设，银行需要制定规划和方案，统一数据标准，建立数据治理和安全体系，加强人才培养和引进，加强与业务部门的沟通和协调。本章从规划、流程和难点等方面，介绍区域银行数据能力体系建设的策略和方法，帮助银行管理者打造高效的数据能力体系，实现数字化转型的目标。区域银行要建设数据能力体系，需要先规划好数据能力体系的目标和定位，包括数据整合、治理、安全等方面，以及业务需求和市场趋势。数据能力体系的建设应遵循“夯实基础业务赋能生态创新”的三步走策略，分别是：数据能力体系建设“三步走”路径第一阶段数据平台化数据资产化资产服务化系统规划、体系建设一阶段速赢转型项目数据支撑湖仓一体技术底座及一体化数据研发平台规划企业级数据平台分层体系外部数据统一管控平台、BI工具全量系统数据入湖，建立支撑应用的服务通道打通内外部数据通道数据变资产，优质、安全、高效数据服务灵活、全面、生动汇集全行内外部数据支撑转型项目供数需求第二阶段构建零售、对公、金市、风险等数据可视化应用构建标签、指标体系并提供服务支撑二阶段数字化转型项目有限开放数据集推广自助BI自主用数建立标签平台、管理驾驶舱建设数据资产管理平台，落地数据治理成果建设数据门户，逐步集成数据服务数仓主题模型设计，数据入仓规划数据集市，根据应用需要开展数据集市建设形成企业级数据服务能力打造数据资产管理体系夯实基础业务赋能第三阶段转型项目数据应用持续迭代，强化数据服务与业务流的融合批流结合数据应用及智能分析应用支持依托数据门户灵活应用数据资产构建数据开放服务体系建设实时数据流管理平台适时引入云平台AI能力接入非结构化数据建立数据实验区，算法模型数据挖掘探索规范化、流程化运营数据资产构建数据智能处理能力数据驱动业务推动业务流程再造生态创新应用平台数据应用平台数据应用平台数据规划与路径实施路径：数据能力体系建设的长效方案实施路径：数据能力体系建设的长效方案401)数据平台化。这是初步建设阶段，主要目标是搭建数据技术平台，构建数据采集、存储与管理体系，实现内外部数据的统一汇集，形成银行基础数据资产库。这一阶段的关键是选定云原生技术架构，部署数据湖与数据仓库，打通数据采集通道，建立数据安全与合规体系，为后续数据赋能和生态构建奠定基础。2)数据资产化。这是深化利用阶段，主要目标是在数据资产库的基础上提炼核心数据资产，如客户资产、产品资产与交互资产等。同时建立数据治理机制，实现资产精细化管理与应用授权。这一阶段需要聚焦关键业务领域，整合相关数据集，并根据数据治理要求对数据资产进行标注、清洗与管理。通过数据分析、挖掘和建模等技术，实现数据资产的价值最大化，支持业务决策和优化。3)资产服务化。这是创新增值阶段，主要目标是基于丰富的数据资产开发竞争力强的产品与服务，实现业务新的增长点。这一阶段需要选择重点业务场景，利用人工智能等技术开发差异化产品，推出创新数据应用，不断丰富数据能力体系的产出与价值。同时，通过构建数据开放平台，实现数据在行内的共享与协同，形成数据驱动的应用生态体系，以提升整体竞争力。通过这样的策略，区域银行可以推进数据能力体系的建设和发展，实现数据价值最大化，推动数字化转型与创新。在此过程中，还要考虑组织、人才、文化等因素，确保数据能力体系建设的全面落地与成功实施。区域银行数据能力体系的建设是一个复杂的系统工程，根据行业内的众多实践，本文提出了“5阶15步”的实施方法论。实施流程可以分为五个阶段：规划设计阶段、数据治理阶段、数据平台建设阶段、数据应用上线阶段、运维运营阶段。以下为每个阶段的详细说明：1.规划设计阶段规划设计阶段是数据能力体系建设的起点，其目的是形成对数据建设的统一认知和高阶设计方案。在这个阶段，需要进行以下三个关键活动：数据战略制定：通过对行内的数据情况进行调研分析，找出数据建设的痛点、问题和思路，制定清晰的数据战略蓝图，指导后续的数据建设工作。场景设计：根据不同的业务场景，设计数据能力体系能够支持的数据应用和服务，考虑业务部门的需求和期望，以及数据能力体系的价值和效益，确保场景方案具有可行性和可操作性。技术架构设计：基于业务对数据的需求，并参考行业最佳实践，形成数据能力体系的整体架构、总体数据流、支持的业务应用、数据服务模式等高阶设计方案。规划设计阶段的输出是数据战略文档、场景设计文档和技术架构文档，这些文档将为后续的数据治理、平台建设和应用上线提供指导和输入。2.数据治理阶段数据治理阶段是数据能力体系建设的核心环节，其目的是保障数据质量、安全、价值和使用。在这个阶段，需要进行以下三个主要工作：数据标准制定：根据业务需求和数据特性，制定统一的数据命名规范、数据定义规范、数据分类规范、数据编码规范等，以保证数据的一致性和可理解5阶15步实施方法41实施路径：数据能力体系建设的长效方案性。同时，还需要建立数据标准的审核和更新机制，以适应业务变化和数据增长。数据质量管控：对源系统的数据进行质量检测和评估，发现并解决数据质量问题，如缺失值、异常值、重复值、不一致值等。同时，还需要建立数据质量监控和报告机制，以实时反馈数据质量状况和改进效果。数据资产管理：对行内的各类数据进行统一的登记和归档，形成完整的数据目录和元数据信息，以便于用户查询和使用。同时，还需要建立数据安全和隐私保护机制，以遵守相关法律法规和行业标准。数据治理阶段的输出是数据标准文档、数据质量报告、元数据库等，这些输出将为后续的平台建设和应用上线提供支持。3.数据平台建设阶段由银行与实施厂商共同组建正式的项目组，基于对数据现状进行深入的调研，包括源数据分布、源数据平台的承载状况、数据供给和应用状况等，形成详细的设计方案，为实施团队下一步工作的展开形成明确的指导和输入。集成设计：数据能力体系建设是一个复杂的系统性工程，除了数据底座平台之外，数据治理和服务化工具、数据应用工具等是必不可少的组件。在数据集成的设计过程中，不仅应考虑各组件的技术要求，还应遵循整体的集成设计的要求。基于“4图2表”（业务流程图、系统集成视图、数据流向图、业务时序图、业务功能表、接口集成表）等数字化工具，能够将数据能力体系的集成设计工作大大加速。平台上线：集成实施到平台上线是整个项目工作量消耗最大的步骤，也是时间跨度最长的步骤。其不仅包括数据能力体系的完整实施及落地，以及相关的开发、服务交付的主体过程。除了平台和系统需要部署之外，还会有开发实施的工作：数据交换开发、入湖开发、ETL开发、主题模型开发、汇总逻辑开发等，这些开发实施往往会由专门的开发团队去承接。多个功能团队在同一项目内、同一平台上的协同工作，对项目的协调能力、管控能力都提出了很高的要求。4.数据应用上线阶段 银行数据应用上线阶段主要工作是将数字化营销、风控、运营等应用与数据平台及银行业务系统进行集成，确保数据应用的功能、性能和安全性能够满足银行的需求。主要有四个主要工作：数据分析与洞察：通过对银行业务数据的收集、清洗、整合和分析，发现数据中隐藏的价值和规律，为后续的AI平台建设和AI建模提供数据基础和业务需求。AI平台建设：搭建一个统一的、可扩展的、高效的AI平台，为AI建模提供算法库、工具库、模型库和资源管理等功能，实现AI开发的标准化、自动化和智能化。AI建模：根据业务需求，选择合适的算法和工具，在AI平台上进行AI模型的设计、训练、测试和优化，实现数据分析与洞察的结果转化为可执行的AI策略和方案。数据应用上线：为了缩短上线周期，银行可以要求平台厂商和数据应用厂商在上线前基于实验室环境进行预集成验证，即在模拟环境中测试数据应用的接口、数据流和业务逻辑，发现并解决可能存在的问题。从而大幅缩短数据应用集成上线时间，提升应用的稳定性和可靠性，减少上线后的风险和故障，节省上线后的维护成本和时间。5.运维运营阶段数据能力体系要充分发挥价值，许多工作在于42实施路径：数据能力体系建设的长效方案运营，所以运维和运营是十分关键。这一阶段之中，实施团队不仅需要将开发和集成的系统成果、知识成果都无保留的转交给运营运维团队，还需要将数据能力体系运维和运营的方法、机制等都传递给运营运维团队，形成数据平台的持续进化和自主可控。除了运营之外，还需考虑数据的运维，包括数据铺底、数据平台健康监护、数据交换、调度等生产任务的监控和故障诊断等。运维实施：根据银行的业务需求和数据平台的技术特点，制定并执行相应的运维方案。数据运营：利用数据平台提供的数据资源和分析工具，为银行的各个业务部门提供数据支持和决策参考，包括数据报告、数据挖掘、数据可视化等。平台升级扩容：根据银行的发展战略和数据平台的使用情况，对数据平台进行软硬件的更新和扩充，以提升数据平台的功能性、可扩展性和可靠性。数据能力体系是区域银行数字化转型的核心平台，其建设也是一个复杂的系统工程，对平台的可靠性、可用性、韧性、安全性等都有极高的要求。在整个实施过程中，关键的因素包括强有力的项目管理、合理的资源分配、跨部门的沟通与协作、数据平台与数据产线及应用的预集成验证等。通过这一流程，区域银行可以实现数据的高效利用，提高业务竞争力和客户满意度。数据驱动战略制定项目建设周期关键工作场景化应用设计数据平台的4A架构规划数据标准制定数据质量管控数据资产管理平台对接规范制定各平台集成实施数据与模型迁移数据化营销上线数字化风控上线数字化运营上线定期巡检故障快速定界定位数据持续运营运维实施数据运营平台升级扩容规划设计数据治理数智平台建设数据应用建设运维运营运维数据战略场景设计技术架构数据标准数据质量数据资产集成设计平台上线数据应用AI平台AI建模数据分析与洞察5阶15步实施方法论43实施路径：数据能力体系建设的长效方案实践案例实践案例威海市商业银行，五维升级，全面转型背景与目标威海市商业银行，坚持“立足山东，精耕细作，特色发展”的区域定位。目标以数字化为驱动，强化科技赋能，持续打造智慧数字银行。自2020年起，威海市商业银行开始推动数字化转型，目标是打造智慧数字银行，聚焦零售、对公、金市三大业务体系，打造以客户体验为中心的数字化零售银行体系、以平台化为中心的数字化公司银行体系、以专业化为中心的数字化金融市场体系。构建包含数字化客户洞察、数字化营销与渠道、数字化产品创新、数字化风控、数字化财务与运营和与数字化人力等六大数字化能力。解决方案和价值构建企业级数据平台架构升级：威海银行采用云原生架构，使用Hadoop、Spark等开源技术，在云平台上部署企业级数据平台。系统包括数据采集、治理、存储、计算和应用层。同时，开放API采用OMG融合框架技术。数据集市层数据主题层数据标准层数据贴源层数据交换外部数据管理外部数据湖仓一体数据试验区数据资产管理数据治理数据区数据应用平台内部数据数据使用者业务系统数据门户数据分析平台数据管理平台AI平台DWS数据仓库数据开发MRS数据湖数据运维监控威海市商业银行数据平台架构45实践案例基于华为FusionInsight平台构建统一、高效、实时的基础数据底座，精简数据架构体系。实现行内、外数据统一全链路管理和数据服务共享；依托数据底座“湖仓一体”的先进特性，对数据全生命周期过程进行极简化设计；利用Kafka、Flink等组件建立实时数据流水线，加强实时数据处理能力，实现全链路秒级响应；运用可视化数据智能研发管理平台，建立起高效的“数据生产线”，实现数据任务的快速开发、部署和上线，提高敏捷数据开发过程。湖仓一体架构体系，有效打通数据仓库和数据湖，让数据和计算在湖仓之间自由流动，从而构建一个完整的有机大数据技术生态。湖仓一体不仅让数据有序、高效、高质、安全在数据湖及数据仓库自由流转，更助力实现数据的深度融合：内外部数据的融合、批量数据与流式数据的融合、账户数据与交易数据的融合、结构化数据与非结构化数据的融合。整体方案获得2022年信通院大数据“星河”数据库标杆案例奖。治理升级：数据应用场景驱动数据治理，以应用场景涉及的相关指标数据和基础数据为治理重点；既有全面的数据治理体系规划，又有短期治理成效的切入点，形成“一个体系 三项基础 文化渲染”治理模式。构建数据治理支撑体系，明确数据治理组织架构及职责，建立数据治理一系列管理制度，规划设计数据资产门户；建立全行数据资产，构建全行数据资产目录，建立基础数据标准及核心指标标准，建立数据质量检核规则库；文化宣贯与落地推动，数据治理文化宣贯与知识分享，推动数据标准贯标及问题整改。人才升级：数字化人才能力跃升，科技与数字银行部条线人员扩充。数据相关岗位与人力资源及能力匹配，在全行数据架构、数据治理、数据建模、数据服务等方面，真正发挥数据驱动价值；满足逐渐丰富的用数场景和数据赋能业务需求。进一步加大数据建模、数据挖掘等新技术人才引入。深入基层，开展培训赋能。为提升分支机构人员数字化思维与应用能力，宣贯数字化转型项目功能和运营方案，落地对标学习同业做法，举办分支机构数字化转型现场培训，组织各业务条线项目群骨干介绍项目内容、成效目标、项目功能和运营推广方案，赋能转型项目落地运营，推动数字化转型在经营单位释放成效。安全升级：构建需求驱动、协同发展、持续创新的一体化安全管理体系。从安全技术、安全管理和运营、安全治理、有效性验证与持续改进及信息安全审计体系等多方面搭建信息安全总体框架。提升数据安全决策能力、政策管理能力、风险管理能力、人员身份安全管理能力、数据安全管理能力、应用系统安全管理能力、IT基础设施安全管理能力等七大安全管理能力。加强安全治理文化建设，管理层信息安全安全文化确立及推行，金融行业信息安全新形势和管理新特点宣导，信息安全战略方向和信息安全体系规划培训；全员信息安全文化宣贯及意识培养，信息安全监管要求及内部制度培训，办公安全培训，信息安全竞赛。应用场景统一用户画像赋能营销：传统信贷业务无法洞悉公司员工个人发薪账户信息，目标客群识别不精准，数据平台需打通零售部门与公司业务部门数据，构建统一用户画像，精准营销转化率提升200%。统一风险视图赋能风控：传统风控仅有银行内部交易数据，风险识别不全面，数据平台通过内部46实践案例交易数据与工商税务法务等外部数据融合，实时抓取信贷企业客户舆情分析，形成统一风险视图，风控案件预期下降50%。统一管理驾驶舱赋能运营：传统经营分析依赖报表，数据T N，各部门口径不一致，统一管理驾驶舱基于数据平台全链路实时能力，指标T 0实时指标呈现，700 数据可视化，助力科学高效决策。通过企业级数据平台建设，威海市商业银行成功实现了以数据驱动业务、重构数字基础设施、打通服务生态，实现持续创新和优化。未来，威海银行在继续提高数据平台的技术水平基础上，还可以进一步发挥其支撑作用，实现业务创新和生态建设。方案价值目前已盘点并接入应用系统超过90个、基础模型500 ，数据集市宽表模型800 ，支撑每日完成60000 批量跑批任务，满足各系统数据需求。同时指标体系建设，支撑管理驾驶舱项目，实现700 个基础指标加工，完成全行近50台智慧大屏的部署安装和使用培训，覆盖全行10个管理部室，为管理经营决策提供数据支撑。建立全行数据交换体系、数据开发体系、数据发布订阅体系等流程规范。随着平台建设的成功落地，威海市商业银行的数据管控、数据资产管理能力、数据分析能力、数据服务能力得以显著提升。47实践案例陕西农信，凝练数据基因，推动数字化变革背景与目标数字经济的发展如火如荼，数据已经成为新的生产要素和社会基础性战略资源，数字技术也已成为发展的核心引擎。唯有将数据元素注入金融服务全流程，将数据思维贯穿业务运营全链条，才能全面提升综合实力与核心竞争力。陕西农信以打造“专心银行、贴心银行、放心银行、良心银行”四心银行为战略目标，全面推进数字化转型工作。作为数字化转型的基础，陕西农信重点开展了数据驱动能力体系建设工作，为风控、运营、营销等业务的转型升级提供了数字化支撑，并取得了长足的进步。陕西农信的数据治理工作起步相对较早，从2015年起陆续开展了建立数据治理组织架构、编制陕西农信企业数据标准、落地客户信息主数据管理等工作。先后规划和实施了以数据仓库、大数据平台、数据管控平台为核心的数据支撑体系，用、建、管并重的数据驱动能力体系，并形成了未来3到5年的数据战略发展规划，有力地解决了农村中小金融机构数据质量基础薄弱、数据应用能力不足的问题，为数字化转型工作的纵深推进提供了坚实的基础。解决方案陕西农信以监管政策为指引、结合自身实际，以构建数据采集、数据定义、数据分析、数据应用和数据应用的反馈闭环为原则，按照用、管、建并重的指导思想，制定数据驱动能力体系建设实施方案，较好解决了业务与技术、技术与数据、业务与数据的融合及联动互促关系，从根本上改变数据对业务流程支持方式。陕西农信的数据驱动能力体系包括数据应用场景（数据应用领域）、数据管控体系（数据组织架构和数据制度规范体系）和数据支撑体系（数据平台）三个部分。强调以数据应用为导向、组织管理为保障、平台建设为支撑的体系结构，推动业务数据化、数据价值化，为全省农合机构的经营决策、客户营销、产品创新、风险防范等活动提供高效的数据驱动力。1.建章立制、完善数据管控体系基于人行金融业数据能力建设指引要求，陕西农信结合自身数据管理现状，从组织与职责、数据（资产）管理、数据应用与服务三层次出发，制定并发布了相关的制度规范，覆盖数据管理全生命周期，对数据治理的组织架构、人员职责、工作流程均做了明确的要求。一是基于农信体系组织结构特点，形成“两层组织、多级协同”的数据驱动工作模式，建立职责清晰的数据治理委员会组织架构，理顺省联社各部门、各级机构数据治理工作的协同关系。二是从数据标准、数据质量、数据安全等九个方面制定相关制度规范，设计建立覆盖数据采集、使用、共享等整个生产运营过程的数据管理规范，确保数据的完整性、规范性、安全性、一致性及准确性。三是根据数据服务的差异性，对基础数据、应用（AI）建模、指标/标签、外部数据等四种类型数据服务管理活动的组织职责和流程进行规范。48实践案例2.迭代升级、丰富数据平台能力以“平台化”理念和新的技术架构对数据支撑体系进行规划设计，通过优化、重构或新建的方式逐步完善数据平台功能，严格按照规划落地。数据平台整体架构包括数据产线和数据底座两部分。数据底座是数据治理产线的基础，它完成了平台批量数据清洗与转换的所有过程，并实现数据存储。数据底座中建立了数据抽取、清洗、加载与转换的策略以及一套合理、完善、健壮的ETL体系，从而提高整个ETL的加载效率，并保证平台数据的及时性、正确性和稳定性。其中，数据仓库基于分布式MPP数据库建设，海量数据处理平台基于华为FusionInsight建设，均具备良好的横向扩展能力，可随着业务的发展不断强化。数据产线是全行面向数据应用处理能力的沉淀和统一，主要由中台引擎、应用能力中心和数据服务三部分组成。1）数据产线引擎提供基础数据查询、指标/标签规则管理及数据加工、AI模型开发部署等功能，为上层不同维度、不同深度的数据应用需求奠定技术基础。2）应用能力中心以“聚焦业务需求，释放数据价值”为原则进行设计，基于业务场景需求，调用中台引擎中对应的数据能力，为上层应用提供数据服务。3）数据服务层是应用能力中心数据服务的统一出口，具备多种方式数据服务供给能力，在降低消费系统对接难度的同时，保证自身的可靠性和安全性。通过实时计算、机器学习、微服务、大数据等不同技术手段的合理设计、有效集成，使数据平台具备灵活的、形式多样的数据服务供给能力，满足业务系统多维度的数据服务要求。数据组织架构数据治理委员会应用能力中心中台引擎数据仓库海量数据平台数据采集/数据交换行内数据外部数据七大数据应用领域数据平台客户分析数据治理办公室数据治理小组省联社各部门、各法人行社联动的大数据团队数据制度规范数据应用与服务数据管理数据治理数据应用营销管理运营优化渠道管理产品管理风险监控监管合规数据驱动能力体系建设夯实数据基础，推动数据应用，树立数据权威，成就数据驱动陕西农信数据驱动能力体系49实践案例3.多点开花、释放数据价值来自业务场景的数据需求既是数据驱动能力的“试金石”、又是“指南针”。陕西农信在数字化转型过程中，通过数字普惠贷款、数字化审计、监管报送等具有代表性的业务场景，充分应用和验证了数据管控和数据平台的能力，也促进了数据质量提升工作中各方的高效协作和数据平台功能的不断完善。4.应用成效场景1：数据普惠贷款陕西农信以数据驱动能力体系为基础，基于近20年积累的业务数据和客户经理采集的经济档案，开展了信贷服务的数字化转型，构建个人数字普惠贷款“秦e贷”和小微企业网数字普惠贷款“秦V贷”两大贷款产品体系。以数据底座的批量/实时数据处理能力及标签指标引擎、应用能力中心等组件为核心，运用实时计算、机器学习、外部数据等技术手段为信贷全流程提供数据支撑。经过近四年的发展，截至2023年8月末，陕西农信数字普惠贷款授信客户近300万、授信余额超过千亿元，首次授信客户超过四分之一。数字普惠贷款授信客户数已超过总授信客户数的80%，成为零售贷款最主要的办理模式，有效解决了农户、小微企业融资难、融资贵的问题。场景2：数字化审计陕西农信基于数据产线的多场景数据模型开发部署能力，构建了数字化审计平台，为稽核审计工作的“审、纠、促”全流程提供数据赋能。通过专家规则、知识图谱、机器学习建模等开发500余个审计模型，提升非现场审计的广度和深度；运用评估模型、风险标签、风险地图等方式直观展示法人机构审计问题和整改进度，显著提升有效整改率；基于自然语言处理和知识图谱技术，构建审计知识的图库，提升审计成果运用能力，充分发挥审计工作的增值价值。场景3：自主可控的监管报送陕西农信基于数据平台全要素数据采集和批量数据处理引擎构建报送集市，实现统一预警校验、统一指标管理、统一血脉追溯，有效提升报送数据的处理效率，确保数据的集中处理与统一口径，新需求开发周期平均缩短70%。同时，依托数据管控体系持续开展数据治理工作，通过优化数据采集规则、核实补录缺失数据、改造业务系统等措施，不断提升数据质量、降低检验不通过率，工作成效得到当地监管部门认可。50实践案例贵州农信，数据能力体系铸就数字化转型新引擎背景与目标在“十四五”发展战略规划的指导下，贵州农信围绕数字化转型的总体目标，参照业界先进经验及同业实践，并结合贵州农信的实际情况，以数据能力体系建设实现数据驱动的精益管理，整合行内各业务系统的数据，沉淀行社共性需求，通过引入华为大数据技术底座，对数据平台能力进行重构和实质性提升。贵州农信逐步实现了统一数据标准，集中数据存储加工，实现了数据接口封装与服务。近年来，通过流批一体、人工智能、图谱等及内外部数据相结合的新一代数据智能平台建设，为该行数字化转型筑牢坚实基础。贵州农信借助数据能力体系建设工程，形成了一套面向全行级的、功能强大的数据平台。通过数据平台理顺全省各法人单位的数据应用工作机制，实现快速的数据响应支持，提高工作效率、节省工作时间，为后续数据应用系统的建设打下坚实的技术基础。数据平台集中体现了以下6个方面作用：1、全面整合行内外数据，提高数据标准化程度。通过数据的统一规划，改变原来银行基本信息不一致、数据关联度低，数据不规范、数据质量不高，难以有效支持管理信息应用的局面。2、业务驱动的数据模型设计。依托行业及监管要求，统一规范术语，使业务人员、科技人员、IT服务商在相同语言环境下沟通，降低沟通成本，满足“数据查询、数据订阅、数据分析、数据探索”等多视角的数据需求。3、建立全行级的数据资产体系。统一和规范全省的统计口径，实现针对不同管理对象、不同管理规则的灵活定义，多种方式满足“客户经营分析、报表、管理驾驶舱”等业务需求。4、提升业务洞察能力和预判能力。建立360客户分析、业务洞察、经营决策、图谱模型等新模式，提高决策准确性，赋能数字化经营。5、建立一体化数据集中管理平台。将数据管理、数据开发、数据管控、数据服务等流程工艺进行集成，初步形成业务分析和BI分析、AI分析、自助分析、接口服务等一体化的数据服务运营支撑平台。6、完成专业领域数据集市建设。在“零售、对公、同业、风险、监管、财务”等专业化领域开展并完成数据集市建设。51实践案例解决方案和价值构建数据平台建设1、架构升级数据能力体系整体架构包括了基础设施、大数据底座、数据管理平台、数据采集、统一数据、领域数据集市、数据服务、数据门户等方面的建设与整合。基于华为MRS大数据平台 DWS数据仓库构建统一、高效、实时的基础数据底座，提供实现行内、外数据统一全链路管理和数据服务共享的基础能力。数据全链路生命周期管理包括数据采集、统一数据、数据集市、数据服务和数据门户等内容，主要依托先进数通公司的数据智能研发平台的采集功能、批量开发、实时开发、流批一体开发、数据治理、数据资产、数据安全、数据调度等功能作为支撑。2、治理升级数据平台统筹全省法人数据管理需求，全面推进数据治理，驱动全省数据使用、分析、治理的服务能力升级，充分实现数据资产价值。通过全面深化数据治理工作，优化数据治理体系，建设数据治理制度，制定数据标准、提升数据质量、强化数据安全、明确数据责任，全面提升数据管理能力。数据平台构建主题明确、服务完善、权责清晰的数据资产管理体系。通过自上而下的业务流程分数据平台数据应用客户集市集市区风险集市员工绩效报表集市监管集市数据服务流式数据服务数据管理手机银行渠道系统网上银行微信银行柜面系统营销平台应用系统风控平台报表平台监管报送平台数据集目录数据门户资产目录文本数据采集区消息批量实时数据开发平台数据标准数据质量调度管理数据地图数据安全数据生命周期管理非结构化半结构化统一数据区技术平台基础设施批量计算准实时计算实时计算图计算机器学习深度学习存储网络批量集群流式集群分析集群基础数据层分析数据层标准数据层历史数据公共汇总层卡系统行内数据源数据核心系统产品系统渠道系统工/法/税行外数据互联网水/电/气批量数据服务批量订阅服务实时查询服务准时分析服务贵州农信数据平台架构52实践案例解和自下而上的系统数据梳理，开展数据资产盘点，形成全省范围的数据资产目录和数据地图。统一管理行内数据资产和外部数据资产，通过数据门户中数据资产服务的形式提供服务，充分释放数据要素在全省业务中的价值。3、数据消费升级基于数据能力体系的技术支撑，拉通行内外数据资源，构建业务领域的数据分析体系。建立并持续优化的分析指标体系，打造多维度数据标签体系，全面赋能零售、对公、同业的业务发展与风险管控，提升数字化应用水平。持续优化数据应用，建设数据服务体系，扩大数据服务范围，提高数据服务效率。通过建设领域数据集市，引入 BI 分析报表、数据挖掘引擎、模型实验室、人工智能平台、客户画像分析平台等先进技术及工具，搭建数据服务平台，提供智能化数据服务，并通过数据门户进行统一服务封装、订阅和应用，全面赋能业务发展，攻克业务痛点与瓶颈。4、数据人才升级贵州农信积极开展数据能力体系培训和技能转移，培养金融行业的数据复合人才。结合大数据标准、规范、要求等相关内容，外聘专业讲师，开展人员培训、政策解读、座谈等一系列活动，全面提升金融机构人员数据思维能力。贵州农信通过开展创新性研究，制定形式多样、开展聚焦数据应用的大数据应用技能培训教育，通过实战案例加强全行员工的数据应用能力，提升全行数据应用的整体水平。5、安全升级贵州农信以敏感数据管理为核心，采用精细化的安全管控手段，依托数据能力体系的数据安全模块区分不同的访问者身份，针对不同安全级别的数据，制定不同的数据安全防护策略，平衡了数据使用的便捷性和数据保护的安全性。贵州农信数据平台以数据分类分级为基础，数据全生命周期为主线，制定了全链路的数据分类分级管控措施。传输敏感数据需经过审批授权并采取数据加密、安全传输通道或安全传输协议进行传输。访问明细数据和汇总数据权限分离，针对敏感数据，遵循最小化数据访问原则，综合考虑业务需要、时效性等因素，仅供部分人员访问，并结合业务需要对数据采取脱敏和控制访问数据行数、频率的技术措施，确保数据应用的安全可靠。以“让数据使用高效安全”为建设愿景，助力数据价值释放，平衡数据应用与数据安全。53实践案例应用场景零售客户画像标签体系建设赋能零售营销：零售客户经营能力传统模式下无法有效进行客户洞察，营销与销售管理精细化水平不足；个人客户结构有待优化，低端客户占比偏高，中高端客户的占比持续下降，老客的价值提升潜力有待释放。数据平台打通全行内外部数据，构建统一、准确、灵活的客户画像标签体系，赋能全联社下属全部法人网点零售客户洞察，大大提高营销精准率。领导驾驶舱赋能高管决策：传统固定报表没有一个专业且详尽的分析指标体系，支持高管决策方面能力不足。数据平台基于数据分析能力打造高管决策指标体系，充分反映企业的运行状态，将数据形象化、直观化、具体化，并通过一系列量化指标使企业高层管理人员能及时、准确地把握和调整企业的发展方向。方案价值数据平台上线以来重点解决数据架构松散、基础平台薄弱、数据治理及服务能力低的问题，主要如下几点：1、数据效率显著提升采用先进数通的SharkData数据智能研发平台，全面支持数据采集、加工、服务、数据治理、运营管理等全面线上化、平台化管理，既可以满足当前数据平台的建设，也可以满足未来数据应用的建设。2、提升数据管理能力数据平台统筹全行数据管理需求，持续推进数据治理，驱动全行级数据使用、分析、治理的服务能力升级，充分实现数据资产价值。全面深化数据治理工作，优化数据治理体系、建设数据治理制度，制定数据标准、提升数据质量、强化数据安全、明确数据责任，全面提升数据管理能力。3、释放数据资产价值构建主题清晰、服务准确、权责清晰的数据资产管理体系。全面分解务流程分解和梳理基础数据，开展数据资产盘点，形成全行范围的数据资产目录和数据地图，充分释放数据要素在全行业务中的价值。4、打造数据分析能力数据平台拉通行内外数据资源，构建全业务领域的数据分析体系。建立并持续优化的分析指标体系，打造多维度数据标签体系，全面赋能零售、公司、金市业务发展与风险管控。5、提升数据服务能力建设领域数据集市，引入 BI 分析报表、数据实验室、人工智能建模等先进技术及工具，提供智能化数据服务，并通过统一服务封装、订阅和应用，全面赋能业务。54实践案例江南农商行，数据高效驱动业务，使转型再提速背景与目标江南农商行成立于2009年，截止2023年6月底总资产超过5500亿，在2022年中国银行业100强中位列第52位，主要经营领域在江苏省内，银行愿景“民生为本，打造中国农商行一流品牌”。江南农村商业银行在数字化和智能化转型领域，开展了多项主动探索与积极实践，大力夯实推进“一二三四”系统工程，即“一个核心系统”为先；“二”即供应链、产业链“双联动”；“三”是场景、渠道、数据“三协同”，“四”是战略、科技、人才、风控“四驱动”。关于数据平台建设重要的协同一环，原本以部门为单位相对割裂的数据建设与服务模式逐渐落后，数据孤岛现象严重，数据价值难以发挥。江南农商行亟需打造一套符合自身发展特色的数据平台基础设施。在数据层面，打破部门之间相互割裂的数据壁垒，在保障安全合规的前提下，让银行的每一个业务、每一个组织、每一个员工都能高效快速的看数、用数。解决方案和价值1、打造五大数据能力，用于高质量数据消费数据平台的建设是一个全局视角的基建工程，主要包括五大核心数据能力的建设：数据的采集与交换能力、加工与整合能力、大数据与人工智能能力、数据服务输出能力、数据资产管理能力。通过五大核心能力的建设，搭建一条从数据产生到使用的高速公路。在数据全面统一和融通的基础上，保障数据的高度复用和共享，将原本沉睡的数据真正盘活运用于前端业务，通过数据加速推动业务的发展与创新。55实践案例数据源行内数据非结构化核心系统信贷系统财务系统影像文档语音结构化行外数据非结构化结构化工商税务司法资讯舆情社交数字化管理平台营销管理平台智慧管理平台全面风险平台大数据监管江南经管 平台云信贷平台产品管理平台数据平台数据服务输出能力客户洞察产品洞察精准营销智慧运营智能风控资负分析数字审记绩效分析员工洞察知识服务智能合规智慧财务大数据与人工智能能力数据加工与整合能力数据采集交换能力数据分析图计算智能检索非结构化数据实时计算图检索图建模流式计算微批计算文本转换向量空间分词处理情感分析全文检索智能问答实时决策大数据建模人工智能实时预测实时告警实时研判模型训练模型产品落地模型管理计算机视觉语音识别自然语言处理服务交互机器学习框架指标工厂监管指标风险指标外部数据指标考核指标财务指标数据集市标签仓库监管配送集市风险集市资金集市绩效考核集市财务集市人力集市外部数据集市零售标签产品集市公司标签客户集市行内数据整合层行内数据通用汇总层外部数据标准化层外部数据整合层行内数据贴源层（T 1)行内数据贴源层（准实时）行内数据历史归档层外部数据（晚间批发补偿）外部数据（实时）行内数据历史归档层统一数据补录实时数据采集计算批量数据采集交换互联网数据采集交换作业调度与监控数据资产管控能力资产目录资产登记资产估值生命周期管理无数据数据标准主数据数据质量固定报表自主分析江南农商行数据平台体系56实践案例2、关于数据平台体系建设创新点1）打造可复用能力按照企业级架构设计的理念进行组件化设计，包括五类数据能力。五类数据能力又细化为“28项子能力”，每项子能力又可以再细分，通过一项项能力的建设与优化，形成数据平台的整体架构，为所有的系统赋能。2）数据底座实现国产可控引入国产MPP分布式数仓DWS和大数据平台MRS进行底层数据平台的搭建，升级服务器为鲲鹏服务器，升级操作系统为欧拉操作系统，使江南农村商业银行数据条线系统实现全面国产化。3）打通数据使用闭环，提升数据服务能力通过数据采集与交换、数据加工与整合，将全行的业务数据化；通过数据资产管理，使得数据资产化，显著提升出数效率，2023年上半年共受理出数需求1990个，占全行运维平台查询出数需求的83%，出数响应时间一般控制在2小时内完成，基本做到当天提出的需求当天完成。3、建设成效及业务价值场景1：全流程数据驱动，加速零售信贷业务数字化转型通过行内外数据的支撑，如工商、司法、税务、社保等助力信贷业务客户信息收集、客户信用评价等环节实现线上化、智能化。一方面大大减轻了客户经理的案头工作，释放其营销生产力；另一方面通过大数据驱动、数字化风控，深度挖掘客户需求，为每个客户和小微企业提供个性化金融服务方案，提升了客户服务体验，提升了金融服务的速度和精度。场景2：数据赋能产业金融，激活商业银行增长新引擎开展汽车行业专项活动，利用图计算平台、外部数据管理平台等挖掘常州市地区汽车行业上下游企业2050余家，通过行内数据、征信数据完成主动授信企业1092户，主动授信总金额99亿元。其中纯新增授信882户，62亿元。场景3：数据赋能裂变营销，支持构建数字金融新业态搭建“连我合伙人”，以高效裂变的数字化营销，紧跟客户需求做精做细服务，不断夯实“线上 线下”优势互补的经营新格局；配合企业微信抓手，提供私域精细化运营，对银行产品转化带来显著成效。自2022年投产以来，“企微”新增用户100.78万户，“连我合伙人”新增用户104.99万户，精准触达 8000万 人次，业务转化数量提高 185%，核心贷款产品半年转化超 30 亿元，有效支持构建数字金融新业态。57实践案例未来发展趋势与建议未来发展趋势与建议未来，数据生产力的跃升会成为区域银行的战略考量，为银行提供业务支持、风险管理、客户体验等方面的竞争优势，推动区域银行的数字化转型。数据能力体系作为数据生产力的重要载体，区域银行需要持续关注数据能力体系的发展趋势和新技术应用，发展数据生产力，以适应未来数字化竞争的挑战。1、大模型和数据双向深度赋能，推动金融业务创新人工智能技术是释放数据生产力的关键手段，尤其进入大模型阶段，一方面会催生很多新的营销手段，同时也会极大提升工作效率，支持金融业务创新。区域银行要加大人工智能技术的研发与应用投入，在运营优化、客户服务与风险管理等领域构建AI系统。2、数据治理体系日趋完善，数据意识成为基本要求随着数据规模与复杂性的增加，未来区域银行要进一步优化数据治理机制,建立全面的资产管理制度与架构设计规范，并在数据使用、接口设计与系统运营等环节实施严密的治理与控制措施，特别是在数据安全、隐私保护与合规管理等方面，确保其健康稳定运行。区域银行高层要重视数据资产的战略地位与价值，在全行范围内加大数据思维与技能的培养力度，营造数据驱动的机制与氛围。这可以为数据能力体系发挥最大效能提供有利条件。3、数据能力体系架构持续迭代，向柔性化服务架构发展为适应区域银行特色金融产品快速创新，以及数据更加开放与合作需求，未来数据能力体系将采用更加灵活的技术架构与接口机制，可以实现快速对接与配置。云原生、低代码开发等技术将发挥更大作用，持续推动数据能力体系架构进行迭代，这将提高数据能力体系在快速变化环境下的适应性，帮助区域银行提升金融产品竞争力，提高适应力和创新韧性。4、数据流转更加深入，产业赋能范围扩大随着国家支持实体经济，数字产业金融的发展，数据能力体系的生态化会进一步向外延伸，赋能产业链上下游企业。区域银行将进一步拓展与生态伙伴的合作，共享数据与服务，联动开发更丰富的应用场景，实现协同创新。未来，数据能力体系将成为连接广泛生态的纽带与桥梁。59实践案例

44人已浏览 2023-10-10 63页 5星级

 伦敦经济月刊（2013 年 1月）2013 年 1 月 18 日 中银研究产品系列 经济金融展望季报 中银调研 宏观观察 银行业观察 国际金融评论 国别/地区观察 作 者：平 婧 中国银行研究院 李.

10人已浏览 2023-10-09 10页 5星级

 研究研究院院 全球银行业展望报全球银行业展望报告告 要点 2023 年年第第 4 季度季度（总第（总第 56 期）期）报告日期：报告日期：2023 年年 10 月月 8 日日 中国银行研究院中国银行研. 

36人已浏览 2023-10-09 46页 5星级

研究院研究院 中国经济金融展望报告中国经济金融展望报告 要点 三季度中国经济持续恢复三季度中国经济持续恢复 -10-5051015--062023-. 

76人已浏览 2023-10-09 57页 5星级

敬请阅读末页的重要说明 证券研究报告|行业深度报告 2023 年 10 月 05 日、推荐推荐（维持）（维持）保险行业最新观点保险行业最新观点 总量研究/非银行金融 作为寿险公司最重要的营销节点，开.

33人已浏览 2023-10-09 16页 5星级

  势起风劲 奋楫争先 中国证券业2023年 上半年发展回顾与展望05059697558目录引言一、2023年上半年宏观经济和证券业发展回顾二、2023年上半年上市证券公司业绩分析三.

82人已浏览 2023-10-08 147页 5星级

证 券 研 究 报证 券 研 究 报 告告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 未经许可，禁止转载未经许可，禁止转载 行业研究行业研究 保险保险 2023 年.

16人已浏览 2023-10-07 32页 5星级

证券科技专题研究之一 政策、市场、技术共振，证券 IT 迎发展新机遇 行业深度报告 行业报告 非银行金融 2023 年 09 月 27 日 请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研.

9人已浏览 2023-10-07 21页 5星级

证券研究报告 请务必阅读正文最后的中国银河证券股份有限公司免责声明 行业动态报告银行业 2023 年 9 月 27 日 社融再超预期，政策发力呵护流动性与息差 核心观点：8 月各项经济指标总体企稳改.

5人已浏览 2023-10-07 15页 5星级

请仔细阅读本报告末页声明请仔细阅读本报告末页声明 证券研究报告|行业专题报告 2023 年 09 月 27 日 银行银行 拐点已至拐点已至，否极泰来否极泰来 股票股票 股票股票 投资投资 EPS（元. 

10人已浏览 2023-10-07 17页 5星级

2023 年深度行业分析研究报告 目 录一、银行业数字化转型背景一、银行业数字化转型背景 .7 7 1.1、数字经济发展是大势所趋.7 1.2、我国数字经济持续发展.8 1.3、我国出台数字经济政策，. 

43人已浏览 2023-10-07 35页 5星级

稳中提质 蓄势前行 中国银行业2023年 上半年发展回顾与展望1.高质量支持实体经济向好，银行资产负债管理稳中提质2.零售业务稳定增长，智能风控持续强化，个人客户资产规模再迈新台阶3.房地产市场供求关.

192人已浏览 2023-10-06 159页 5星级

银银行行类类别别2 20 02 20 0 年年2 20 02 21 1 年年2 20 02 22 2 年年大大型型国国有有银银行行41.17%41.19%38.37%股股份份制制银银行行43.37%4. 

100人已浏览 2023-10-05 126页 5星级

 金融机构金融机构外部数据管理实践白皮书外部数据管理实践白皮书（2023 年）年）CCSATC601大数据技术标准推进委员会大数据技术标准推进委员会大数据流通与交易国家工程实验室大数据流通与交易国家工程.

56人已浏览 2023-10-02 48页 5星级

 部门：金融研究部2023 iResearch Inc.中国第三方支付行业研究报告再探企业支付笃行不怠，知新致远署名：魏琦 于可心2目 录CONTENTS01笃行不怠 第三方支付行业发展概览02兼收并蓄.

77人已浏览 2023-09-28 89页 5星级

韬光韫玉，微石铺就千里路韬光韫玉，微石铺就千里路2023年半年度中国银行业回顾与展望2023年半年度中国银行业回顾与展望1主编：主编：胡亮副主编：副主编：周章 陈佳 陈彦喆编写团队成员：编写团队成员：.

77人已浏览 2023-09-28 67页 5星级

请务必阅读正文之后的信息披露和重要声明请务必阅读正文之后的信息披露和重要声明 行行业业 研研 究究 行行业业深深度度研研究究报报告告 证券研究报告证券研究报告 industryId 非银金融非银金融. 

12人已浏览 2023-09-28 37页 5星级

请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 Table_MainInfo 2023.09.26 AIGC时代来临，智能投顾空间广阔时代来临，智能投顾空间广阔 AIGC在中国财富管.

16人已浏览 2023-09-28 19页 5星级