专题：第六届中国金融科技论坛
2024年服贸会专题活动之一——“第六届中国金融科技论坛”9月12日-13日在北京举行，主题为：科技赋能——金融业数字化转型与应用。博彦科技股份有限公司技术中心副总经理陈行美出席并演讲。
陈行美认为，数字化已经成为金融行业的必备技能。第一，银行所有的业务基本上都是线上化、数字化的。第二，大数据处理能力、数字感知能力、数据集成能力、数据的加工能力，以及现在AI出来以后，银行业的数据智能决策能力都已经具备。现在应该讨论的问题是如何用数据和新技术为行业带来新变化。
银行业如何做数字化工作呢？陈行美认为应该围绕两点：
第一，数字化工作是为了开源增收而做。他解释说，金融行业是同质化非常严重的行业，以银行为例，国内有几百家银行，大的商业银行有几十家，这个氛围下怎么样用数字化能力感知这个市场、感知这个客户，然后快速地、尽快地推出产品，对产品进行迭代，对推广进行迭代，对运营进行迭代，这是数字化核心的功能。
第二，在细节上样进行数字化能力建设，对组织和经营活动提效降本。
以下为演讲实录：
陈行美：尊敬的各位嘉宾、各位同行，大家早上好！我是博彦科技的陈行美，今天很荣幸在国际服贸会这个场合来跟大家聊一下我们对金融企业行业数字化转型的相关经验、理解和建议。
博彦科技是成立接近30年的咨询，行业解决方案，数智技术厂商，主要客户为金融，高科技，互联网，能源，制造等。金融科技估领域主要是数据智能和移动金融两个板块。我们公司还有个很大的特色就是全球化，我们在全球13个国家，70个城市有本地化的研发基地和交付中心，我们可以帮助企业从中国走出去，也可以服务国外企业，这是我们公司的一个优势。
2023年我们在金融板块的收入是近18亿，主要内容是服务金融行业客户，比如银行这样的行业，今天在座大多数是银行领域的领导，我们差不多在全国26家万亿规模以上的银行中我们大概有20家客户。
回到今天的课题，讨论一下金融行业数字化相关的工作。前面孙总、张总、杨总都提了一下现在整个银行进入到数字化相关的工作，我从2007年毕业开始就服务金融行业信息化相关的一些工作，早期做银行业的数据智能相关业务，后期到基金、证券、投资相关的领域，都做数字平台和数据智能应用。这个行业从零几年开始做银行大集中，到后期进行应用端相关业务的改造、开展和升级，从企业的数据仓库、大数据平台到数据中台这样一路过来，数字化这个课题在银行已经不是一个新课题，甚至是一个非常旧的课题。今天重新提出是因为有一些新的技术，我们对这个事情有一个新的理解，数字化现在已经变成了金融行业必须要解决或者要做的一个必要的事情，它的所有必要条件已经具备。
第一，银行所有的业务基本上都是线上化、数字化的。
第二，大数据处理能力、数字感知能力、数据集成能力、数据的加工能力，以及现在AI出来以后，我们数据智能决策能力都已经具备。我们现在讨论的问题是怎么样用数据、用现在这些新技术为行业带来新的变化。
从另外角度来讲，从国家本身来讲，也在积极推动全行业或者是全国范围之内数字化工作，2022年底国家单独把数据、数字作为生产要素的高度进行全国性的布局、规划，让我们各行各业来做升级和改造的工作。这一块已经从政策层面也做了必要的铺垫。
我们作为服务金融行业的公司，帮我们客户做数字化工作当中，其实看到很多好的例子，也看到很多不好的例子，大家都普遍面临着两个大的问题：第一个问题是数字化工作投入非常大，投入大不只是精神层面的工作，本身从人员组织结构、人力工作，然后相关的一些投入度的来说都非常高。所以这当中人的精力是有限的，组织的精力也是有限的，我们投入这么大是不是产生了真正我们需要的效果，这现在在我们行业有待商榷。这个工作过程当中，我们到底怎么去做数字化相关的工作？我认为围绕两个点：第一个点，数字化工作是为了开源增收去做，金融行业是同质化非常严重的行业，以银行为例，国内有几百家银行，大的商业银行有几十家，这个氛围下怎么样用数字化能力感知这个市场、感知这个客户，然后快速地、尽快地推出我们的产品，对我们的产品进行迭代，对我们的推广进行迭代，对我们的运营进行迭代，这是数字化核心的一个功能。第二个点，细节上怎么样进行数字化能力，对我们整个组织、对我们整个活动进行提效降本。去年很多企业在做降本增效的工作，我更愿意把增效放在前面，降本放在后面，因为一个企业的真正竞争力（大家差不多情况下）体现在你的效率。这是我们需要考虑数字化过程中，从方法论层面或者企业组织层面，自上而下要有的意思，我们数字化到底要做什么。
博彦科技在数字化转型相关工作中给我们行业客户做了很多咨询、规划、落地的工作，我们有一套完整的给客户的建议（PPT图），从自上而下的工作怎么样有效推动企业数字化转型的工作。目标就是我前面提到的，开源增收，提效降本。基于这样的目的，需要在各个业务、垂类条线考虑我们在不同领域需要开展什么样的改革、变革的一些工作。第二，基于这样的考虑以后，我们去考虑这个企业整体性的数字化战略应该如何规划，人财物计划应该怎么样有效地推进。基于这样的战略规划，推动整个数字化能力的建设、能力变革过程的规划和运营过程当中，以及最后考虑的数字化新基建相关的技术层面的工作如何进行业务云化，如何进行数字中台产品构建，以及整个运营过程当中如何跟数字进行结合的工作。这个核心当中，我要的其实就是两个Key：第一个K是数据，就是我们怎么样能够更快捷的获得数据，获得更全面的数据。前面两位领导都提到了，现在不管是风控还是营销过程中，数据一方面是自己产生数据，另一方面是外部数据，这两方面数据怎么样获得是重要的，获之完之后怎么样去做扁平化的数据服务。所以在数据的加工服务和辅助决策过程当中，技术这个课题怎么样把大数据的技术、移动的数据，怎么样把现在AIGC相关技术结合在业务流程当中，这是我们要考虑的。
后面简单提一下我们在过程当中的经验或者是两个案例吧。第一个案例是数据怎么驱动产品和服务创新的工作。这可能有一点班门弄斧了，在前面提到了在座都是银行相关的，我们现在在银行这个领域里在提供基于数据相关的智能营销解决方案。这个解决方案的核心是什么？现在咱们银行客户是非常参与化竞争的一个状态，大银行现在在抢小银行的生意，小银行在想办法做区域性客户的生意，然后线上在想办法渗透线下的，线下想抄线上模式，这个核心逻辑是什么？核心逻辑是对不同客户要有不同的策略、不同的产品进行，所以怎么样获知我们的客户，这个客户可能是现在正在经营的客户，也有可能是潜在的客户，也有可能是跟我们还安全没有交集的客户，怎么样对这些客户的行为进行感知，对于这些客户进行精准表现化的画像。比如说北上广深和西部的客户、年龄结构不同的客户、消费习惯或者是类似于不同的维度标签我们怎么样进行精准化的贴标签的工作。标签化过程后，我们需要对客户进行标签体系的分类分级，然后进行产品规划、产品推广、产品营销，基于这样的方式快速地进行产品迭代。这就是我们在整个营销过程当中最核心的，也就是数据，怎么样通过这些数据获取想要的数据，对这些数据进行感知、决策、执行。
前面提到了数据层面在整个数字化过程中的重要作用，后面提一下数字化过程中技术层面怎么样推动业务流程再造、业务流程向智能化过程的工作。
这是我们在一个商业银行做的基于AI相关的智能体，类似于Agent的产品和解决方案。前面软通孙总讲的内容比较宏观、比较全，我讲比较具体细节的工作。我们当时做这样的解决方案时是出于什么考虑做这件事情？我们跟客户聊的时候，现在银行系统，稍微大一点的银行系统基本上是几百套，这些系统操作路径、操作功能非常多，几万、几十万个功能点，这个路径有非常深、非常的长。上次我们跟一家客户聊，他们是管运营的，他说现在这些柜员一是人员变动非常快，二是柜面人员素质相对来讲变得低了。现在客户到柜面来做的系统都是复杂业务，基本上简单业务在审批上能够干，导致客户过来咨询办一个业务、办一个证的时候，前面三个公司都不知道怎么做，需要把经理叫过来，经理也不知道怎么做，需要后台IT服务。这些问题是知识传递问题、企业知识库的问题，这个怎么去构建？这正好是AI能够解决的问题。这个层面我们做了基于AIGC智能AI操作助手工作，通过智能语言去提问，然后生成基于这个系统的执行计划，我们执行键可以自动完成工作，沟通时可以中断。现在的AI其实是一个中学生、高中生的水平，是一个文科生，不是理科生、金融行业的专科生，所以在整个建议过程当中是带有一些幻觉的，这个幻觉是不可避免的。所以我们需要做的事情是什么？再加上现场具有专业经验人的干预，如自动驾驶一样，可以去做，但做的不对可以及时终止。还有这个方案具有非常强的泛化能力，这泛化等等是面向我们的客户，面向我们的内部都可以进行泛化的一种能力。这是未来在数字提升过程中，提升用户体验、提升我们本身内部效率一个很好的切入点。
另外，在这样的方案推进过程中，我们建议是逐步有效地去推进这个工作，我们先在内部系统、复杂程度比较深的系统去推，训练这个模型的智力和专业程度，慢慢朝我们所理解的场景进行推广。这是我们在业务相关、操作相关做的。
基于这样的逻辑，不管是数据还是技术，核心内容是数据，银行还是其他商业客户都有仓库、数据服务、数据中台的平台和架构来解决这样的问题。但说实话，到今天为止这个架构过于复杂和臃肿，其实金融行业的很多客户，企业级的数据平台，平均不下3个，早的基于大数据平台、仓库不是替换，而是1+1+1+1的过程，所以整个对于我们下游的终端系统、终端的业务人员都是极度不友好的，虽然我们在设计理念初衷当中都是说希望把数据服务链路做平、做低，让我们的业务人员、技术人员尽快的可以获得这个数据。但其实实际效果并不是这样的。另外一个问题，在新的技术时代来讲，对于数据获取时效性越来越高，我们希望能够在数据产生变化的第一刹那就能知道这个问题。另外AIGC相关能力对于知识型数据获取和存储、使用要求变得更加深刻。我们以前传统的数据基本上都是基于结构化，所谓结构化就是表格，基于这样的逻辑去做这样的工作。现在不是，现在在AI领域，未来假如一家银行能够具有很强的AI能力，你的知识，传统领域基于文字的知识，你的管理水平、生成能力、查询能力才核心。如前面提到的AIGC当中有大量基于知识库的知识增强工作，这些工作本身银行具备的筹备和你产生的能力是决定你AI使用能力的上限。在这个过程当中，在数据的基础上，我们其实应该有很强的工作要去进行重构和升级的。
讲一下我们在现实当中一个小的点，在数据应用层面的一个思考和一个实践，是现在银行在推广的一个解决方案。这个解决方案逻辑是什么？从我们的客户场景去考虑的，现在大量的开发人员、业务人员对于数据使用过程，虽然包装的都很好，但是实际的使用效率都是非常低的，只了解客户的营销数据或者调节我的风险数据，看一个年报表、功能、输入查询条件，然后生成报告PDF的过程，这个过程并不是很好的使用过程。
新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。
发表评论