金融+科技=双风口？一文看懂金融数字化转型方向
相关统计显示，目前中国有10亿以上的消费者享受着金融科技带来的红利，涉及领域包括移动支付、银行、保险、投资、消费贷款等。超过3000万小微企业因为金融科技而获得贷款融资，资金焦虑得以缓解。供应链上的企业因大数据、区块链等技术的应用而获得更普惠的金融服务。金融科技的枝丫逐步蔓生至国民经济运行的诸多角落。
未来金融与科技的融合，路在何方？中欧国际工商学院经济学与决策科学教授方跃，带你一文看懂金融数字化转型的发展方向。
方跃
中欧国际工商学院
经济学与决策科学教授
1
金融 + 科技 = 双风口？
回顾过去，无论是金融还是科技，都不是早期最受关注的行业。上世纪后期，美国最赚钱的20家上市公司中，排在前面的多为能源、传统制造业企业，而当今受市场追捧的科技公司大多都是本世纪才登上榜单。金融公司更是如此，上世纪没有一家金融公司上榜，近20年来几乎所有大家耳熟能详的美国金融机构都出现在榜单前列。
同很多行业相比，金融和科技是当代两个“幸运儿”。如果将“金融 + 科技”结合在一起，将促成多大的风口？近年来，越来越多的科技公司做起金融业务，金融企业也开始对标科技公司，全球掀起了一场金融科技的热潮，FINTECH成为投资热点，中国也不例外。
2
什么是金融科技？
金融稳定理事会（Financial Stability Board）将金融科技定义为“由技术驱动的，能够派生新的商业模式、产品、应用的金融服务创新，从而对金融服务的既有准则产生重要影响。”
我国对金融科技的定义同国际通用的概念基本一致。中国人民银行在《金融科技（FinTech）发展规划（2019-2021 年）》中，将金融科技定义为“科技驱动下的金融业务创新，包括由此而产生的新业务模型、新应用、新业务流程或新产品”。
金融科技指的即不是金融或科技企业，也不是技术或数据，而是“科技驱动下的金融业务创新”，主要是创新业务带来新的商业模式和更有效率的金融服务。
其涉及的业务概括为四大类：支付结算、存贷款与资本筹集、投资管理、市场设施。前三类涉及传统金融业现存业务的业务模式创新，第四类涉及基于新科技的“市场设施”，帮助企业提高数字化能力，推动金融转型升级，开拓新的管理和商业模式。
金融科技业务模式分类（来源：巴塞尔银行监管委员会）
3
两个风口=两条战线
第一，金融科技不能脱离金融服务的本质，金融机构不要盲目追科技“风口”
金融科技的核心是科技驱动下的金融业务创新，要服务于金融的本质。2019年9月由中国人民银行印发的《金融科技（FinTech）发展规划（2019-2021 年）》强调金融科技要：
- 成为金融服务实体经济的新途径
- 成为促进普惠金融发展的新机遇
- 成为防范化解金融风险的新利器
金融机构一般不应，也不可能在金融科技底层技术上做很大投入，比如人工智能、云计算、区块链等，重点是运用好现代科技成果“改造或创新金融产品、经营模式、业务流程等，推动金融发展提质增效”。比如如何利用好科技创新控制风险，开展普惠金融、供应链金融，帮助中小企业解决融资难的问题；如何利用数字化创新实现前端金融产品在线化、个性化，中间金融全流程服务的智能化和弹性化，以及后端整体业务的数字化、自动化来提高效率。
第二，对科技企业而言，其对金融科技发展至关重要，但其金融业务需合规并受到相应监管
金融科技企业一方面通过数据和技术的应用，获取经济利益，并为消费者带来便利，加快了金融服务数字化和创新，但另一方面也隐含了巨大的法律风险，风险管理、“科技向善”、信息安全和隐私等问题成为关键。如何平衡创新与风控？不仅是企业需要面对，更是监管需要不断探索的问题。
强监管时代已经到来，一些持有金融牌照的“金融科技”企业开始将金融业务剥离。科技归科技，金融归金融，金融由金融行业来监管，科技走科技创新道路，上科创板。
第三，金融科技企业如果希望在科创板上市，科技属性一定要强
科创板上市门槛正不断提高。今年证监会发布修订后的《科创属性评价指引（试行）》，新增“研发人员超过10%”的指标，形成4+5科创属性评价指标体系，并明确指出要“限制金融科技、模式创新企业在科创板上市。禁止房地产和主要从事金融、投资类业务的企业在科创板上市。”
作为科技企业，核心技术是关键，另一个方面，能否找到行业落地应用场景、快速实现产品化和规模化也同样重要。因此，企业要想清楚自身处于金融和科技哪个主要业务板块上，不同业务板块需要不同的策略。
4
金融科技助力金融企业数字化（转型）
戴上“金融科技”的帽子，短期也许能获得高估值，但单纯靠追“风口”很难持续。企业要打造为客户持续创造价值的核心竞争力，数字化（转型）是唯一有效途径。
数字化（转型）不单纯是技术和创新维度，也不等同于“金融科技”，其核心是：
- 客户驱动的企业战略性重构
- 利用数字技术升级产业价值链
- 提高客户体验、满足客户个性化需求
- 最终为客户创造更多价值
数字化（转型）是金融企业适应时代发展的唯一出路，也同时为金融科技带来了难得的机遇和进一步发展空间。
举几个金融科技在企业数字化转型中运用的例子：
1）数据和技术洞察客户价值
数据和技术的投入和应用必须围绕客户价值这个目标，才能形成可持续的ROI。而金融机构迄今还未能做到全面洞察客户价值，未能充分利用已有数据和技术解决客户的痛点和需求。
从“个人用户画像”（2C）到“企业用户画像”（2B），力求充分释放数据潜能，通过新技术将数据转化为洞见，才能真正构建满足客户需求的产品和服务，为客户打造出更加全面的生态系统，改善同客户的关系，实现对客户的承诺，将“个性化服务”和“客户体验”转化为利润 。
2）人工智能（AI）助力业务转型
人工智能（AI）技术对高质量、高效率金融服务的作用越来越重要，银行需要大规模部署才能与时俱进。麦肯锡研究表明，银行正扩大AI技术的应用范围，以改善客户体验和后台流程。
例如，AI有效地推动了面向零售客户的业务转型，提高2C个性化服务能力。
同样，AI也有效地推动了面向中小企业客户的银行业务的转型，提高风险管理能力。
3）数据和技术赋能决策，助力整个客户生命周期价值管理
银行应优先将数据和技术运用于整个客户生命周期中的决策。
McKinsey Report， AI-powered decision making for the bank of the future, March 2021.
4）个人理财 vs 财富管理和投顾服务
“基金赚钱基民不赚钱”一直是公募基金行业难解的痛点。伴随着个人理财热度下降，财富管理和投顾服务成为各家金融机构布局和投入的热点，其以客户价值为核心，根据需求为客户设计出一套全面的财务规划，给金融科技带来了重要的应用场景，也是金融企业打造数字化（转型）能力的机会。
截至2020年底，以个人金融资产计算，中国已成为全球第二大财富管理市场、第二大在岸私人银行市场。根据麦肯锡的分析和预测：对标世界发达经济体相比，中国居民的金融资产占比明显偏低，资产配置仍存在优化空间，中国财富管理市场拥有巨大发展前景，高净值与超高净值客层将成为关键战场。
麦肯锡《中国金融业CEO季刊》，2021年4月
5）平台战略
平台战略是高盛数字化之旅的重要组成部分。2007年高盛集团制订了平台，向“科技公司”转型。2013年，高盛对客户开放Marquee技术平台，与客户共享内部数据、分析及风险管理工具。2016年，高盛向竞争对手开放SIMON（Marquee平台的子系统），允许客户从高盛及其他发行商购买证券。同年，高盛首次进军消费银行业务，推出数字消费金融服务平台Marcus，对此，高盛董事长兼CEO David Solomon 这样评价：“我们满怀雄心，致力于创建一个差异化、高利润的大型数字消费平台。我们正在努力构建一种开放式架构，让我们能以综合协调的方式帮助个人消费者实现消费、借贷、储蓄和保护这四大需求……我们要将其打造成高盛未来50年的一个重要平台。”
5
未来，金融和科技将更好地融合
十四五规划明确强调坚持创新驱动发展，为打造数字经济新优势，要“充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式，壮大经济发展新引擎。” 规划中列举的关键数字技术创新应用都或多或少同金融科技背后的核心技术相关（见下图）。
通过科技驱动下的金融业务创新，金融和科技将更好地融合，几个关键领域包括：
拓宽渠道，扩大规模
- 触及以前未被开发的新客户群体
- 更快达到临界规模
提高效率
- 减少获取成本
（更多交叉销售、合作伙伴、平台引领型增长）
- 降低服务成本（较少或“零”操作）
- 降低风险（优化数据、早期预警、主动提醒）
提升客户生命周期价值
- 增加既有产品的激活率和使用率
- 提升互动水平（如月使用率）和满意度，
- 降低客户流失率
- 促进新产品的交叉销售
当然，金融和科技未来的融合，有三点需要仔细关注。
1）数据安全合规
数据作为新金融体系最重要的资产，数据安全合规对金融生态的健康发展至关重要。仅数据本身并不能形成竞争优势，必须准确、智能且相互连接，才能真正发挥其价值。这是以数据开放、流通和共享为前提条件，只有通过安全的数据生态才能真正得以实现。因此，数据安全是数据生态的基础，也是创造数据价值的必要条件。
数据生态：政府、社会、企业三者的参与缺一不可（《打造安全的未来数据生态圈》，中欧商业评论，2020年4月）
金融业数据能力建设遵循以下基本原则：
用户授权。明确告知用户数据采集和使用的目的、方式以及范围，确保用户充分知清，获取用户自愿授权后方可采集使用，严格保障用户知情权和自主选择权。
安全合规。遵循国家法律法规、管理制度，符合国家及金融行业标准规范，建立健全数据安全管理长效机制和防护措施，通过技术手段将原始信息脱敏，并与关联性较高的敏感信息进行安全隔离、分散存储，严控访问权限，严防数据泄露、篡改、损毁与不当使用，依法依规保护数据主体隐私权在数据管理与应用过程中不受侵害。
分类施策。综合考量国家安全、公众权益、个人隐私和企业合法利益等因素，根据数据的保密性、完整性、可用性等属性受到破坏后的影响对象和影响程度，对数据进行分级分类管理。对不同级别数据进行分类施策，采取差异化控制措施，实现数据精细化管理。
最小够用。规范数据使用行为，严控数据获取和应用范围，确保数据专事专用、最小够用， 杜绝过度采集、误用、滥用数据，切实保障数据主体的数据所有权和使用权。
可用不可见。建立数据规范共享机制，在保障原始数据可用不可见的前提下规范开展数据共享与融合应用，保证跨行业、跨机构的数据使用合规、范围可控，有效保护数据隐私安全，确保数据所有权不因共享应用而发生让渡。
2）关注算法偏误和可能带来的伦理问题
算法作为新的竞争要素，在金融科技中起着至关重要的作用。
但算法可能会导致“不公平结果”，成为“算法偏误”（Algorithm Bias）。随着“大数据杀熟”等现象频频曝光，“个人用户画像”的负面效应逐渐凸显，诸多平台都曾被曝光利用大数据分析对个人用户进行精准画像，针对不同用户进行歧视性定价。
算法的作用是根据一组规则或约束条件优化某个结果，或对资源进行更有效的配置。但是，“公平性”通常并不在这些算法所遵从的约束条件之内。因此，要减少偏误，就需要在算法效率和公平性之间进行权衡取舍，这方面尚无万全之策，但已开始引起社会、企业和政府的关注。
3）数据和算法能否构成企业新的“护城河”
利用数据和科技构筑企业“护城河”，企业需要认真思考以下几个问题：
a) 未来的产品和服务都将是数字化产品和数字化服务，客户数据为其增加了多少价值？
b) 数据驱动型学习的边际价值下降有多快？客户数据无法再增加价值的临界点在哪里？
c) 数据是否属于公司独有，无法从其他来源获取，无法轻易复制和破译？用户数据的贬值率如何？
d) 基于用户数据的产品改进，是否难以仿制？来自一位用户的数据是否有助于为同一用户或其他用户改进产品和服务？
e) 从用户数据中获得的洞见，应用于产品和服务的创新速度有多快？
f) 数据能否为企业主流业务带来网络效应？
放眼未来，金融科技还会是（正在积极转型的）传统金融机构、科技巨头、金融科技初创公司、数字金融服务公司的多方协同（互动、竞争与合作）的发展模式，投资和并购会更加常态化，通过市场机制提高科技和金融资源配置的效率，激发科技驱动下的金融业务创新，加快迭代步伐，提高整体核心竞争力，金融科技生态可持续健康发展。
