银行数字化转型研究生论文

作者 陈文辉「全国社保基金理事会副理事长」

文章 《中国金融》2020年第22期

从数字产业化到产业数字化，数字经济将重塑传统产业

历次 科技 革命，新技术都要经历从创新发明到大规模应用两个阶段，数字经济也不例外。数字经济上半场，信息传输、存储、计算、分析等基础领域不断取得技术突破，并在以互联网为代表的特定领域得以应用和推广，数字产业化得以快速发展，在电子信息制造、通信、软件服务等行业出现一批具有领先优势和规模效应的企业。随着新技术的应用范围不断扩大，成本越来越低，数字经济在传统产业的渗透率将快速提升，下半场的主旋律将从数字产业化切换到产业数字化。数字经济不仅仅是对原有经济体系的补充和融合，更是对传统经济的变革和重塑。

目前，我国产业数字化仍处于起步阶段，按占GDP比值计算，我国与美国、德国等发达国家仍存在较大差距。从产业结构来看，第三产业数字化程度显著高于第一和第二产业。互联网作为连接数字产业化和产业数字化的媒介，率先赋能传统服务业，培育出新零售、远程办公、在线教育、医疗信息化等新业态，并呈现出快速发展态势。阿里巴巴、腾讯等头部互联网企业不断拓展业务边界，构建生态体系，利用其积累的海量数据和技术优势，正在逐步向金融服务全面渗透，在提升效率、促进普惠的同时，也不断冲击和改变着传统金融业态。

金融产业数字化具有良好的基础，但转型才刚刚开始

金融服务的本质是利用信息对风险进行定价并促成交易，与互联网类似，都是基于信息的“生意”。金融业开展信息化建设的时间与互联网兴起几乎同步，大型金融机构如今每年都有数亿美元的IT投资，建立了先进的信息系统，并积累了海量的数据。以商业银行为例，2018年我国单家股份制银行内部积累的数据体量就达到了100TB以上。金融产业是我国信息基础设施最完善、数据资源最丰富的行业之一，拥有开展大数据分析等新技术应用的基础资源，最容易推动数字化转型。

但从发展进程来看，金融产业数字化才刚刚开始。传统金融业信息化建设的目标是利用信息技术优化现有业务，实现降本增效。而新金融企业则是运用新 科技 重塑金融业务逻辑，这才是金融产业数字化的核心。目前，传统金融企业的转型仅仅是信息化建设的延续，是局部的优化，而不是彻底的重构。由互联网派生的新金融正在与传统金融交汇，传统金融拥有良好的基础，新金融已趟出一条新路，二者通力合作必能形成金融产业数字化大发展的新局面。

从势不可挡的造车新势力看传统金融机构转型

近年来，随着新能源 汽车 迅猛发展，涌现出一批造车新势力。传统车企亦在积极推动电动化转型，但仍难以阻挡造车新势力的崛起。特斯拉市值超过几大传统车企的总和，蔚来、理想、小鹏 汽车 都成功登陆资本市场，并获得远超传统车企的估值水平。 汽车 和金融作为工业 社会 最有影响力的两大行业，都面临着转型发展的问题。本文试图从中找出一些共性规律，供金融产业数字化转型参考。

一是无论 历史 多么悠久、体量多么巨大的行业，都有被完全颠覆的可能。一百年前，福特发明了全球第一条 汽车 生产线，开创了现代工业的生产范式， 汽车 行业也被誉为工业体系的明珠。目前，全球营收前十的公司，除沃尔玛外，其余九家都是传统 汽车 和能源企业，一年的总营收超2万亿美元。传统车企深耕行业百年，如今每年仍有万亿美元的营收，但以特斯拉为代表的造车新势力仅仅用了短短几年时间，就在市值上全面超越传统车企。这一现象也会在新金融和传统金融之间重现。

二是核心业务逻辑的改变是新势力得以挑战传统企业的根本原因。品牌 汽车 厂商经过多年工艺积累，在发动机等核心技术方面建立起很高的技术壁垒。但对于新能源 汽车 而言，电动机取代发动机，传统厂商丧失了“护城河”，与造车新势力站在同一起跑线上。更重要的是，新能源 汽车 一改传统 汽车 作为交通工具的定位，在电动化的基础上推进数字化，以海量数据为驱动，不断提升 汽车 的设计、制造水平，满足消费者个性化定制需求；利用机器学习，不断完善算法和模型，逐步实现包括自动驾驶在内的高级智能，将 汽车 打造成出行中的人工智能助手。因此，传统车企的电动化转型只是用电动机和电池替代了发动机和汽油，并没有改变 汽车 的定位。作为既得利益者，颠覆现状就是革自己的命，对此传统车企既没有动力，也没有能力。因此，这种转型只能局限于个别部门，很难在全公司推行。反观造车新势力，创业者多来自互联网行业，坚持互联网思维，不受既得利益束缚，建立起符合智能 汽车 制造的组织架构。回到金融行业，也存在类似的情况。数字经济时代，数据成为主要生产要素，将替代资本成为金融业核心资产。传统金融的业务逻辑是“客户找钱”，资本是稀缺的，金融机构占据优势地位，风控核心是防范，客户只有提供满足金融机构要求的增信措施，才能获得金融服务。而新金融的业务逻辑是“钱找客户”，风险控制更强调信任，只有在海量数据基础上，运用 科技 深度分析，才能以极低的成本精准找到最需要钱且在未来有能力还钱的客户。新金融企业脱胎于互联网，利用互联网生态产生的海量数据，不断优化升级风控模型，如今已在面向消费者和小微企业的金融服务领域独占鳌头。未来三至五年是产业互联网大发展时期，新金融必将顺势进入工业领域，对传统金融产生巨大的冲击。这一过程可能比 汽车 行业电动化变革更加迅速猛烈。

当然，两者也有一定区别。金融业务是强监管行业，新金融企业开展相关业务都需要监管部门同意，金融产业数字化转型未必像 汽车 行业一样发生颠覆式变化，更有可能选择新老合作的渐进式路径。

金融产业数字化的几点思考

首先，金融产业数字化转型必须从整体上规划。金融业在我国经济中占有举足轻重的地位，仅银行业资产规模已超过300万亿元，是我国GDP的3倍。若金融行业发生系统性风险，对国民经济和 社会 稳定都将产生严重后果。面对新金融的迅速发展，监管部门应统筹考虑风险和新金融发展需要，制订整体规划，必须兼顾新金融企业和传统金融机构，鼓励双方各取所长，紧密合作，稳步推动金融业转型发展。

其次，在对新金融企业的监管上应坚持包容审慎的态度。一方面，中国数字经济取得的快速发展离不开相对宽松的监管环境。互联网发展初期，政府采取了包容审慎的监管方式，客观上降低了企业收集数据的成本，加快了平台企业形成，促进了新金融企业的商业模式创新和成熟，因而诞生了像蚂蚁、微众等一批具备竞争力的新金融平台企业。另一方面，金融风险具有传染性，政府对涉及公共利益的金融创新需持审慎态度，对于类似P2P的风险要在早期识别并快速响应，防止局部风险事件演化成系统性金融风险。

再次，传统金融转型需要加大力度。要认清新金融和传统金融的本质区别，思维要积极转变，结合自身优势开拓新业务，从被动的“效仿者”转变为主动的“创新者”。当然，考虑到目前传统金融机构的业务体量过大，从防范系统性金融风险的角度，实现全面转型存在一定难度，因而可以考虑分拆出专门的机构部门，开展新金融业务，以“另起炉灶”的方式实现机构内部的自我“革新”，在制度和执行上有利于打破传统惯例限制，在风险上独立于传统主体也有利于“风险隔离”。取得显著效果后逐步将传统业务装入新的实体，从而实现传统金融机构的稳步转型。

最后，我想谈谈金融监管如何看待创新与风险的平衡问题。一项创新业务出现，有可能优化现有业务，但也有可能带来不可预知的风险。监管者从稳健角度出发，对创新业务必然更为谨慎。但我们也要注意到，数字经济时代正在来临，传统金融业务越来越难以满足新时代经济发展的需要，金融脱离实体经济才是真正的风险。因此，监管部门应当在一定程度上容忍金融创新带来的风险，特别是在金融产业数字化转型中的创新。正是监管的包容，今天我国才会产生一批世界领先的新金融企业。符合产业发展方向的创新在产生风险的同时，也会产生更大的收益。监管部门应平衡好创新与风险，在风险可控的前提下，包容创新、鼓励创新，更好更快地推动我国金融产业完成数字化转型。

谈到数字化转型，我们首先要清楚的认识数字化转型能为企业或业务条线带来什么？并且能够上下一心达成共识。如有必要，甚至从文化上也要同步调整。 业界比较认可的看法是通过用新技术、新架构、新方法对传统业务进行解构与重塑，从而达到降本增效、提升体验，挖掘现有业务价值的效果，甚至带来颠覆性的业务创新和管理理念。 所以转型是真正目的，数字化仅是一种手段，我们所有的出发点都要围绕创造业务价值、解决业务痛点出发，所以在符合企业或业务条线当前阶段的背景下，如何规划数字化转型的实施路径可谓是重点之一。 当今提出较多的是数字化转型三阶段理论，概括来讲，就是从线下到线上，从信息化迈向数字化，从数字化提升到智能化，这个过程基本上在业界达成了共识，而一些成功的案例，比如大部分电商企业的发展史，还比如一些知名高端制造业的企业，几乎无一例外沿着这个轨迹发展。但过程中势必存在不同的用户群体，他们具备不同的视角，那么他们对各阶段的诉求重心也会存在差异，但每个阶段都是下一个阶段的基础，很难跳跃两个阶段，直接进入下一个阶段，或者完全反向发展，这可以说是数字化转型三阶段的根本。 所以说不同的企业或业务条线所处的阶段不同，那么就要根据自身的情况，对侧重点有所倾斜，而不是与大多数企业或业务条线的工作保持一致。发力的时机不对，那自然就无法达到预计的效果了。 那么我们首先来看第一阶段的线上化，他能给我们带来什么？我们又该如何去做呢？ 从开展业务角度来看，线上化可以将制度、流程在系统上以标准化的方式呈现，如何按业务场景将各功能模块各业务分支串联起来，同时提供自动化的监控和规则判断，提高业务开展的效率，帮助流程上不同的用户协同办公，加强过程监控和合规化管理。统一业务条线的管理风格和制度流程，为各业务主管赋能。 从采集数据的角度来看，线上化丰富和完善了数据采集的方式和维度，标准线上流程的单一来源保障了数据唯一性，通过流程的限定和数据标准的约束，保障了数据的准确性，同时又能对所有节点的数据进行留痕和存储，无论是静态的客观数据，还是大量的用户行为数据以及管控数据。另外，还能建立各数据源接入的接口，为接入大量外部数据源做好准备。以上这些都将是开展数据分析挖掘，以数据驱动业务的重要基础。 从接入渠道的角度来看，线上化拓宽了业务开展渠道，从原来的中后台客户端、前台展现网页端的分离，到前中后一体化，统一在网页端上操作，再到大量的移动场景和应用，为用户提供了更为宽广和便捷的接入途径。既方便了用户使用、提升了满意度，也提高了系统的使用频度，从而采集到了更多的数据，也提高了数据更新的时效性。 而想合理地达成以上目标，线上化至少需要做到以下四点：业务流程化、数据标准化、权责明确化、操作高效化。 业务流程化，通俗来讲，就是要完成一个工作，一共分几步，每步有什么输入和产出，产生什么结果，最后如何响应形成业务闭环等等。其中每个环节都要设计通知机制，串联起整个流程。另外，除了常规流程外也要考虑到各种特殊情况的处理，给予管理上一定的弹性。 数据标准化，在线上化的伊始，就应该将数据标准作为设计的指导标准，从而为将来的数据分析打下良好基础。简单来说大致可以分为定义标准术语、统一数据类型、定义码值（枚举值），尤其是消除码值的二义性，制定关键数据的编码规则，校验规则，建立主外键和实体间的关联关系、设计主数据，融入企业数据标准的整体规划等等。 权责明确化，无论是从功能还是权限上，都应该做到最小授权原则，岗变权变，除了对数据安全的保障外，也能对业务开展带来方便，职责内的用户做该做的事，不用担心避嫌。而说到数据安全，近几年全社会已经愈发重视，远到国外facebook、雅虎个人信息泄密带来的不良影响，近到我国多家科技公司由于数据安全隐患问题关停。而很多传统企业前几年为了快速开展系统建设和信息化的进程，这块也是相当薄弱和疏于管理。而数据安全中灵活多变的权限管理可谓重点之一，而这块也是线上化的重要组成部分。 操作高效化，可以分成几块来看，一是如何通过业务流程的重构，将原先冗长的工作开展简化，减少中间节点。甚至对哪些工作线上开展，哪些工作回到线下也是可以根据实际情况调整，而非一概而论。二是借助一些规则，对一些工作节点通过系统自动化处理来提高效率和准确度。三是如何借助一些智能化的设备来替代人工操作。这些都是提效的可行方案。 通过对线上化的层层剖析，我们也发现线上化、数据化、智能化三个阶段并非完全独立，也不是说完成了某个阶段就再也不需要去迭代和优化了。他们除了是后者的基础外，之间也存在了指导、支撑和执行的关系。 比如上文中提到的数据标准化，就是数据治理体系的重要部分，可以说他是贯穿了整个数字化转型的工作，是各阶段的基础工作。 而通过线上化带来的操作高效化，也将进一步释放业务条线的操作型工作量和精力，能将条线员工更多的精力放在业务分析和数据挖掘上，不断丰富业务条线的数据维度，而数据分析的不断深入，通过数据发掘问题，也能进一步反过来对线上化进行迭代优化。通过数据驱动，来进一步优化我行的管理制度，提升用户体验。 那么要实现三阶段间的互相帮衬和快速迭代，显然平台的配置能力（灵活性）和扩展水平将是基础中的基础，没有这个基础，三阶段间的指导、支撑和执行将很难闭环，无法循环迭代。没有这个基础，无法支撑灵活多变的业务场景，提高应对未来不确定性、快速响应各类变革需求的能力。而这也是在线上化建设阶段要解决的重点问题之一。 我们可以再来回顾下下图，对于数字化转型的目的、三阶段的关系以及始终贯穿三阶段的工作开展是否就更为清晰了呢。如果需要的话，我们还可以对数据化、智能化两个阶段同样进行深度的剖析，从而对他们所能带来的价值以及实施前提具有更深入的认识。 我们再来看看某业务系统，经过若干年的不断迭代和优化，确实具备了一定的线上化和数据化程度，但受限于当年的技术框架以及管理理念。从当前的业务现状和需求看，要快速跟上业务变化，满足业务需求，达到降本增效、提升体验，挖掘业务价值的目标越来越难。 我们通过上文中的剖析来对现有系统做个比较，发现现有系统确实存在了不少问题，比如通知机制、规则监控的缺失导致的协同办公能力较弱，比如流程节点设计问题，以及技术框架的约束，导致数据采集维度缺失和不同步问题，比如渠道单薄带来的易用性问题。比如数据标准不完善带来的数据质量问题，比如权限管理的粗放带来的权限放大和数据安全问题，比如规则引擎、智能化设备欠缺导致的操作型事务依然无法完全释放和低效问题。最后，不够先进的技术框架在配置能力和扩展水平以及系统性能上已经落后，无法支撑未来的快速迭代和扩展，很多业务在无法流程化的搬到线上，只能通过线下开展业务线上台账补录的方式，也是数据质量下降的因素之一。同时目前这套技术框架，也不符合软件国产化、开源及去IOE的大方向。 综上，人力系统目前虽然具备一定的线上化和数据化程度，但显然线上化的基础还没有打好，人力条线无论是从业务和技术上看都还处在线上化的阶段，那将数字化转型的地基“线上化”作为人力条线现阶段的重点工作则更为合适，投入产出比也将更大。当然在这个阶段，适当的开展一些数据化工作，进行一些数据探索，来指导线上化工作的开展也是大有裨益的。 最后，大家要意识到，数字化转型其实并非一条康庄大道，所以我们既要有自己的目标和规划，同时也要看到风险并考虑如何规避，最后，我们来看一个不怎么成功的案例来给大家一点提示和启发。 某非银行抵押贷款提供商，前几年大力开展数字化转型，尤其是人工智能项目。但公司投入了大量成本和时间，最后却并未带来任何正向的收益。经过公司管理层和咨询公司的深入剖析，发现数据问题是人工智能项目达不到预期目标的主要原因。根据麦肯锡公司去年秋天发布的一份调查报告，限制人工智能技术应用的两大挑战与数据有关。 许多公司很难获得全面及标准的数据来训练他们的机器学习算法。如果数据没有通过线上流程采集，并通过系统约束标准化、结构化，工作人员就必须花费大量时间进行数据清洗，这可能反而会延迟项目或导致项目失败。可以说用不完善的数据形成的数据分析不会给决策带来帮助，反而会带来误导。而如何采集和标准化、结构化数据也正是线上化阶段的重点。 其他导致项目失败的还有诸如数据集成问题、未处理的非结构化数据等则体现的就是数据化阶段需要解决的问题了。 从这个例子我们也可以看到，在数字化转型的持久战中，如果步子迈太大或者跟随市场热度跳跃式发展，非但无法达到预期效果，还有可能给企业带来损失。 数字化转型，为我们的企业发展带来了更宽广的想象空间和指导方针，但同时也是荆棘丛生，充满了艰难险阻和未知风险，可谓任重而道远。

随着以5G、区块链、物联网、大数据、云计算、数字孪生、人工智能等数字 科技 为引领的第四次工业革命的兴起，产业互联网发展进入快车道，居民消费转向线上并呈现个性化、定制化、多元化的趋势。为了把握这个短暂的转型窗口期，大部分商业银行都纷纷进行数字化转型，对于数字化转型的本质、难点仍在 探索 阶段。因此，笔者以在商业银行的实际管理经验为基础，借鉴智能工业数字化的历程，探讨商业银行数字化转型的实际方法。

数字化转型的本质：数据流动的自动化

信息技术爆发式进步对商业银行的本质影响，是将商业银行置于不确定性的环境中。数字 科技 直接拉近了银行与客户之间的距离，在竞争激烈的互联网环境下，银行必须在金融交付方式上满足客户个性化需求，以此获取、激活并黏住宝贵的客户资源。在数字时代，银行必须以有限的人力、财务、研发等资源，以创新的金融服务快速响应客户不确定的金融需求。对于任何一家银行来说，资源都成了最为紧缺的要素，只有提高资源的配置效率，才可能缩短产品研发周期、提升服务体验、敏捷预测金融需求等。因此，在不确定性的环境中，银行竞争的核心就是资源配置效率的竞争。

资源配置的背后，是银行在研发、设计、交付、定价、客服、营销等每一个环节的决策。在数字时代，决策是否智能，决定了资源配置效率的高低。此处“智能”，是指一个主体对外部市场环境的变化作出响应的能力。以智能制造为参考，美国NSIT强调智能制造解决的三个基本问题是：差异性更大的定制化服务、更小的生产批量、不可预知的供应链变更，其本质就是响应外部环境的不确定性变化。

银行的智能决策，不仅仅是物理世界中看得到的机器设备自动化，还表现为虚拟世界中看不到的数据流动的自动化。数据流动的自动化要求实现“五个正确”，即把正确的信息，在正确的时间，用正确的方式传递给正确的人，以此为依据作出正确的决策。例如，客户需求信息被采集之后，在银行的经营管理、产品设计、体验设计、产品研发、产品测试、产品维护等每一个环节流动，信息不断被加工、处理、执行，进而实现在正确的时间将正确的数据以正确的方式传递给正确的人和机器。正是信息技术、物联网、大数据等数字 科技 的进步，保障了数据流动的自动化，从而帮助银行构建更加高效、低成本、精准、科学的智能决策体系。

基于以上分析，商业银行数字化转型的根本动机，是以数据流动的自动化来化解复杂环境的不确定性。传统机器设备的自动化替代了体力劳动，数据流动的自动化则替代了脑力劳动。判断银行内部决策是否智能，就是看在数据流动的每个环节，是不是需要越来越少的人参与。基于智能决策的要求，数据流动的内涵也有了巨大的变化，过去的数据流动是基于文档的流动，今天的数据流动是基于模型、风控、反欺诈、交易要素的流动。因此，商业银行数字化转型的本质可以定义为：在“数据+算法”定义的世界中，以数据流动的自动化化解复杂系统的不确定性，对外部的环境变化作出高效响应，最终目的在于提高资源配置的效率。

数字化转型的最大难点：集成应用困境

数字化集成的本质，是不同业务系统之间的数据能够实现互联、互通、互操作。集成是智能制造的核心概念，德国工业提出三个集成（横向集成、纵向集成、端到端集成），中国工业和信息化部提出两化融合的四个阶段（基础建设、单向应用、综合集成、创新引领），都在强调将单向应用系统打通。集成之所以对银行数字化转型同样重要，是因为银行信息化的投入和收益并不是线性相关的，收益只有在投入跨越了某一临界点之后才会呈现指数化增长。因此，银行数字化转型从单向应用、企业级集成、产业金融链集成到产业金融生态集成，只有在集成跨越了某一拐点之后，数字化转型的效益才能体现出来。如果说，工业互联网所要解决的核心问题是在产业链和产业生态层面上构建一个新的数字化转型的体系，那么当前银行核心系统下移与分布式系统上行所要解决的核心问题是在金融交易服务与金融生态服务上构建一个新的数字化转型体系。遗憾的是，当前所能提供的商业银行数字化转型的解决方案，更多针对的是单向应用。

正如“中等收入陷阱”一样，从单向应用迁移到集成应用将面临诸多挑战，我们称之为“集成应用陷阱”或“集成应用困境”。无论是在智能制造领域还是金融 科技 领域，真正实现内部集成是非常困难的。基于对国内十多万家企业集成水平的评估，能够在产品设计、工艺设计、生产制造、生产过程控制、产品测试、产品维护等环节打通的领先企业数量非常有限。基于对国内外一万多家商业银行集成水平的评估，能在金融产品需求、研发、测试、上线、营销、风控、反欺诈、API对接、ISV等环节打通的领先银行数量同样非常有限。但是国内一些互联网银行，如网商银行、微众银行，已经成为商业银行数字化转型的标杆企业。互联网银行能够跨越集成应用困境，主要因为天生具备互联网生态基因，在建设产品体系时有集成的意识，且多以C-Bank模式从零开始建设，集成难度相对较小。

集成应用困境的核心矛盾是企业全局优化的需求和碎片化的IT供给之间的矛盾。当前商业银行竞争的核心是资源优化配置效率的竞争，需要在更大的范围、更广的领域、全流程、全生命周期、全场景推动数字化转型，只有实现全局集成、全局优化，才能创造更多的价值。但是当前商业银行的IT供给依然是碎片化的，这源于过去60年里碎片化的IT供给史，无论是核心系统研发，还是金融产品研发，解决问题的基本思路都是先解决局部问题，再把一个点的问题拓展为一个线的问题。碎片化供给的思路延续至今，导致当前商业银行往往出现几百套相互孤立的“烟囱式”产品系统，能够实现开放式的银行体系只是凤毛麟角。商业银行数字化转型，不仅需要点、面的解决方案，更需要一个生态级别的解决方案。

“数字化转型”商业模式解决方案

当前商业银行的核心系统、产品系统已经变得越来越复杂，而传统IT技术架构解决方案与支撑复杂产品系统的要求差距越来越大。为解决企业全局优化的需求和碎片化IT供给的基本矛盾，商业银行必须在边缘计算、云计算、移动端架构体系之上构建一套新的商业模式解决方案，即“数字化转型”。如果说“数字化转型”是基于传统IT架构和桌面端，那么“数字化转型”是基于边缘计算、云计算、移动端为代表的IoT的新技术渠道。

“数字化转型”可以划分为需求端、供给端、供需端、数据价值四个层面。在需求端，银行不再基于相对确定的需求来实现低成本、高效率，而是基于更加个性化定制、碎片化的不确定性需求，进行商业模式创新（包括业务创新、产品创新、商业模式创新、组织创新）。在供给端，面向流程、面向局部的封闭技术体系已不够，需要构建一个面向角色、面向场景、面向需求、全局优化的开放技术体系。在供需端，交付软硬件不再是全部任务的结束、而是运营工作的开始，和客户一起运营为客户的客户提供更有价值的解决方案。在数据端，围绕数据价值实现层面，包括业务数据化和数据业务化两个层次，即在数据底座之上，基于客户实时需求，利用基于云的技术中台、业务中台、数据中台快速构建与迭代解决方案。

商业银行原有技术体系复杂，在实现“数字化转型”时，必须解决原有架构体系向新架构体系迁移的问题。以工业互联网为参照，工业互联网把工业的技术、经验、知识、最佳实践等封装为各种各样的组件，通过提高共性技术知识的沉淀与复用水平，重构工业知识创造、传播和应用的新体系，降低了创新的成本和风险，提高了研发生产服务的效率。商业银行将传统架构体系向“数字化转型”迁移，可以按照以下四个步骤执行：一是解构数据，不断地用软件去解构和分解当前产品系统的数据；二是构建微服务池，基于数据组件，构建新的微服务池；三是链接平台，针对金融产品解决方案，调用和链接相关微服务；四是重新构建一个面向角色、面向场景的APP。“解构—微服务池—调用—面向场景APP”体系也将员工从重复性工作解放出来，使其可以投入精力和时间从事创造性的工作。

“数字化转型”的未来，是构建一个虚拟的数字“孪生世界”。在虚拟世界里，商业银行可以更加高效、低成本、精准地模拟现实世界，智能地作出决策，并将决策结果反馈到现实世界，最终迈向零成本试错之路，最优化地响应不确定性环境。

作者 罗勇「中国民生银行」

文章 《中国金融》2022年第1期

本文源自中国金融