在数字化浪潮下，银行纷纷开展线上金融服务，更多业务从网点走向线上，疫情催化的“无接触经济”更是加速了这种趋势。然而我们可以看到，疫情期间不同的银行分化比较明显。业务线上化开展程度较高、客户体验较好的银行，由于业务渠道通畅、操作便利，吸引了越来越多的客户顺利的从线下切换到线上。反观线上化业务开展较弱、体验欠佳的银行，则由于业务无法在网上顺畅办理可能会导致客户流失。疫情在某种程度上成为了零售银行数字化转型的催化剂，我们预计在未来很多银行在线上化、智能化、自动化等数字化转型方面将会投入更多资源。
虽然银行业、尤其零售银行的数字化程度已经在各行业中走在了前列，但是在数字化转型过程中仍然遇到了很大的挑战：
金融场景的低频属性导致金融机构很难深入了解客户，零售客户的金融需求通常是伴随场景出发的衍生需求，而银行很难接触到金融需求背后的真实场景，这导致金融线上用户的粘度和活跃度都相对较低。如何在有限的线上/线下接触中通过大数据等手段全面认知客户，了解客户喜好和风险偏好，从而更好的黏住客户，提高客户忠诚度是一个很大的挑战。我们看到部分领先的银行在尝试建设开放银行，想要建立更多的场景去与客户连接，通过生态去了解和认知客户。这意味着零售银行转型很重要的一个目标是构建全面的智能客户认知体系。
目前很多银行仍然以产品或者业务线为中心来设置相关的业务办理流程，缺乏基于客户旅程来推动的敏捷、快速、端到端的数字化流程，从而导致客户在与银行的交互过程中体验较差。零售银行要打造以客户为中心的体验，就需要重新审视其现有组织和业务架构，打破内部壁垒，构建企业级的业务架构，并将业务架构从内部延展到跨界生态。同时在企业 IT 架构设计、全域数据整合等“IT 新基建”上投入更多的精力。
流程的智能化水平不够充分，很多银行的流程自动化和智能化不足，零售的前台部门大量承担运营或者操作性职能，无法专注于客户的营销、金融需求挖掘及提供更好的服务体验，从而导致工作产能不高。一些领先的零售银行正在使用大数据和 AI 技术来提供更加智能化的工作流，通过智能化的业务流程来自动判断、识别和处理客户的需求，从而实现实现卓越的效能和效率，提升客户体验。
针对于零售银行所面临的难题，一个有效的手段是进行企业级数据架构和企业级数据平台的创新和重构，利用大数据和 AI 技术推动跨系统的数据整合、建立基于数据驱动的客户感知能力，进行端到端的数字化流程再造。
利用多样化的手段将金融机构内外部的数据资产做采集和整理，在此基础上做好数据治理和数据资产管理，从而为零售业务的发展提供高质量、高可用的数据。
建立强化基于数据驱动的客户感知、获客和营销能力，提供无缝的全渠道交互，精准识别客户及客户需求，个性化定价与差异化产品组合推荐，通过智能客服、智能数据分析等加强与客户的沟通和服务，全面优化客户体验。
围绕核心客户旅程推动敏捷、快速、端到端的数字化流程再造，通过客户旅程地图梳理客户痛点，明确各流程提升方向，统一内外部信息，真正打通服务断点和渠道壁垒，实现线上线下全渠道无缝切换。通过数据分析及 AI 服务如 NLP 等技术手段等实现智能化工作流，全面提升运营效率。
IBM 经过多年金融行业客户的项目经验积累，形成了包括“业务+技术+数据+管理”的一整套的零售银行数字化转型解决方案，并为多个国有大行、全国股份制银行、城商行、农信社等金融机构提供了数字化转型的咨询和实施服务。2020年 6月，IBM 全球企业咨询服务部成立专门致力于服务金融机构的超级战队——“IBM 金融核心锐变团队”，为银行的数字化转型提供从战略咨询、流程设计、系统开发、数据管理、实施运维等端到端的服务解决方案，其中也包括为零售银行做整体的数据战略规划、企业级数据架构、企业级数据治理及资产管理、数据中台设计和实施、数据分析、AI 平台构建等。
1. 大数据建模提升营销价值
IBM 帮助一家大行在零售银行领域构建基于客户、产品、渠道(CPC)的大数据模型，以帮助零售业务部门落实数据应用，精准匹配客户、产品、渠道，优化营销流程、提升营销效率和改善客户体验。IBM 帮助这家银行构建了多个零售客户主题分析模型，几乎涉及到这家大行所有的零售业务部门。其中有一个模型是新客户来源动因与成长路径分析，主要用来帮助银行认识新客户成长规律和模式，并对其发展趋势进行推测，以帮助银行识别哪些新客户未来预计会变成高价值客户，从而在相应的资源上就可以做到倾斜，这是非常有价值的。IBM 用了很多算法，帮助这家银行找到了规律。
长尾客户是指在行内资产规模较低，数量众多的客户。然而长尾客户是不是一定就是“低价值”客户呢？是否可能通过分析发现客户在这家行属于“长尾客户”，但在其他行可能就是“高资产”客户或者未来有可能成为“高价值”的客户？同样在上述的这家行，IBM 帮助设计了长尾客户唤醒与提升模型，以识别和挖掘长尾客群中的潜在高价值客群，并对不同目标子客群生成“客户-产品-渠道-事件”等四要素匹配的具体营销策略，实现对长尾客户的智能化、自动化、触发式智销，对长尾客户进行唤醒、实现价值提升。这个专题非常有效，在项目中试点的整个客群识别率的精准度和价值提升非常明显，在持续约一年的营销推广中，长尾客户提升项目的目标客户营销成功率达到 36.56%，较可比客群自然增长率提升了 6.42倍，户均资产提升 2.95万元，较可比客群提升了 7.98倍，效果非常明显。
IBM 长尾客户唤醒与提升方案
2. 零售数据中台与大数据治理应用
帮助一家省级农信社提供零售银行数字化转型咨询及零售数据中台实施。农信社的典型特点是其主要客群就是零售客户。由于历史原因，这家行没有独立的零售客户主管部门，其组织架构仍然是按照产品线设计，缺乏整体的零售业务考核体系。IBM 帮助这家农信社规划整个零售银行体系，包括零售银行体系规划、产品目录建立、指标体系梳理、零售数据中台搭建等，基于零售数据中台，搭建了包括客户细分模型、产品响应预测模型等，同时模型的产出对接到客户管理系统、营销管理平台、智能风控系统等，最终实现面向零售客户、覆盖全产品、全渠道的零售业务平台，有力的推动了这家银行的零售业务数字化转型。
IBM 零售数据中台参考架构
帮助国内某股份制银行开展数据治理与应用项目，包括对其数据体系建设目标及实施路线进行全面规划，重构相应的组织架构，优化现有的管理制度，企业级数据标准重检及补充等。同时在数据创新应用方面，从客群属性、产品持有、交易行为、理财偏好等维度出发，对老年、理财、个贷等七大客群开展价值贡献分析，建立 18个价值提升子模型，提升精准营销能力，同时在数据应用过程中驱动数据治理工作的开展。在项目中全面定义数据资产内容，梳理数据资产定义信息，构建数据资产目录，从采集分析、数据地图、数据价值等多个方面，初步形成数据资产管理体系。项目有效推动了该行的数字化转型进程。
零售银行数字化转型的重要支柱是整合金融机构的内外部数据资产，基于 AI 技术和大数据挖掘技术赋能零售银行的业务流程，充分释放数据的价值。通过数据驱动，帮助金融机构识别目标客户，挖掘金融需求，在合适的渠道提供合适的产品。同时基于 AI 和大数据技术，驱动整个业务流程的智能化；基于客户旅程梳理客户触点，全面提升客户体验，真正做到以客户为中心, 提升客户体验，全面增强零售银行的核心竞争力。
中国区金融行业合伙人
大中华区金融核心锐变
团队 副合伙人
