关于零售业务数字化转型培训成果报告范文
银行数字化转型迫在眉睫,国内外先进银行纷纷投入大数据、云计算、区块链、人工智能等新兴技术的布局,积极筹备实施大规模的数字化转型。论文总结了国内外银行在推进数字化转型进程中的核心要素,研究银行零售业务数字化转型的关键着力点,最后提出零售业务数字化转型对策建议。
金融科技的崛起改变和塑造着客户的金融消费行为和交易习惯,方便快捷的数字化体验成为客户选择的重要考量因素,数字化渠道成为服务客户的主流, 数字化时代已经到来。一些金融科技公司迅速抓住数字化时代契机,打造以客户体验为中心、以数据技术为驱动、以互联网渠道为重点的经营模式,动摇了银行的绝对优势地位,在移动支付、小额信贷等领域不断冲击银行的传统业务。面对新的数字竞争对手和领先的平台型企业的进攻,银行等金融机构开始变得“无形”,银行的数字化转型已经迫在眉睫。
一、银行数字化转型概述
银行的数字化转型是利用科技手段改造传统 金融,广泛运用大数据、云计算、区块链以及人工智能等新兴技术,优化金融服务模式和内部管理方式。总体来看,数字化转型要求银行具备以下几个能力:
一是客户洞察能力。客户洞察能力是通过客户的交易行为和习惯操作分析客户的偏好和特征,从中得到有价值的判断,帮助银行理解客户行为背后的驱动因素、价值潜力及产品销售机会,从而形成银行与客户的良性互动。银行需要做的是了解客户的需求,衡量客户的看法,有效识别客户未满足的需求、不满意的期待以及主要的诉求,建立需求反馈机制,从根本上着手解决客户需求与银行服务对接错位的问题,有效提升客户体验。
二是快速反应能力。快速反应能力主要包括三个要素,分别是产品研发、人力资源和管理,三种因素集成而得的协调的、相互关联的系统决定了快速反应能力的高低。数字化时代也是敏捷时代,激烈的市场竞争和对客户的白热化争夺要求银行能够快速配置财务、人力、资金等各种资源,以响应市场和客户的需要。 因此,银行需要用灵活高效的产品研发、组织架构及运营模式替代过去的内部资源组织形式,提高应对客户需求和市场变化的敏捷性。
三是数据激活能力。数据是数字化时代银行的核心资产。良好的数据获取、分析和运用能力可以帮助银行挖掘客户信息价值,制定切实可行的营销计划, 了解客户的行为习惯和喜好,支持客户的交易行为,构建新的业务模式,进而赢得竞争优势。银行在客户数据管理、数据质量管理、数据模型构建等方面的工作有助于提升数据激活能力。
二、国内外银行推进数字化转型主要特点
(一)具有明确清晰的数字化转型战略
银行决策层和管理层对数字化转型战略有清晰的愿景、持续的投入和坚定的决心;有明确的战略布局和 发展规划;战略落地部门对数字化转型战略高度认同、自觉执行,全行上下对数字化转型的愿景、目标和路径达成充分共识,全行的行动和决策统一在数字化转型战略部署下。最高领导自上而下带领全行积极变革, 高管在设计、试点和实施关键节点投入充足时间积极参与。转型项目主题与高管最关注的大事或痛点高度契合,不与日常工作脱节。
(二)以客户为中心,改造客户旅程提升客户体验
从客户角度出发,沿整个客户旅程来审视客户体验,做到真正优化客户体验、提升业绩。践行“以客户为中心”的服务理念,坚持产品服务客户所需,根据客户的实际需求,搭配适合的产品;打通客户旅程的关键节点,通过客户旅程改造和内部流程变革,从前端到后台重新设计银行的核心旅程,分析新的机会,采用多样化的方式使客户满意,应用并不断改善新的智能技术,用于创新和促进客户体验,提高客户服务效率, 完善全旅程客户服务体系。
(三)推进全渠道转型,实现客户各种触点的体验一致
让客户可以通过线上线下所有渠道与银行接触,在所有渠道提供统一的客户体验和品牌形象,在各个渠道之间实现无缝迁移,使客户能够随时随地选用自己觉得方便的渠道完成所需的交易或服务。从定义客户旅程入手,根据不同渠道的功能与体验特征,明确渠道总体定位框架,构建整合渠道体系,进而通过协助、引导、差异化定价等手段帮助客户向最有效渠道迁移,并同时在人力资源、数据平台等方面建立内部的配套支撑,为客户提供统一、流畅和卓越的体验。
(四)打造优秀的大数据管理、分析与运用能力
实践表明,大数据在银行业绩提升、风险防控、效能改善与管理优化等领域具有重要价值,尤其在决策支 持、信用风险、精准营销与个性化定价等领域发挥的价 值最大。银行应围绕大数据生态体系,运用大数据及相 关领域的最新技术,培育数据挖掘和分析技能,全方位 建设数据分析和运用能力,从海量数据中提取出有价值 的信息,为银行的决策、风险控制和客户管理服务。
美国第一资本金融公司自2002 年起开始实施“信息决策”战略,单独设立了首席数字官(CDO),平均每年开展8 万个以上的大数据实验分析,是全球范围内最早运用大数据技术的银行。依靠丰富的数据积累和强大的模型分析能力,在客户获取、激活、产品组合管理、客户挽留、风险控制等方面取得了巨大的成功。它的移动银行应用成为首款支持苹果TouchID功能的软件。2016 年,亦率先通过亚马逊网站的Alexa虚拟助理实现了语音控制的金融服务交易。在数字化战略的推动下,它从一家单一经营信用卡业务的公司迅速成长为美国资产排名前十的综合性银行。
(五)打造开放银行体系,建设金融生态圈
开放银行是指开放应用程序编程接口(API)向合格的外部商业伙伴,将银行的账户能力、支付能力、特色产品能力、数字经营能力、全渠道服务能力等开放给合作伙伴,共建跨界融合生态。通过改变传统模式,无感、无限、无界提供场景化金融服务,使客户金融服务需求在生活服务需求中第一时间得到满足。
近年来,国内银行频频探索利用API或SDK接口等方式打造开放银行生态圈。比如,浦发银行在2018 年7月推出了API Bank 无界银行,截至2018年11月末,总共实现了211 个API服务,对接84 款APP,出台电商平台、出国服务、跨境服务等多个场景金融服务方案。中信银行通过连接京东商城、滴滴专车、淘宝等平台,将平台数据引入,用于识别和分析客户营销机会与业务拓展风险。
(六)建立敏捷工作机制,全方位提升创新能力
银行传统的组织架构是按照职能来划分部门的, 然而敏捷的组织形式是从各个相关部门抽调人员,成立敏捷团队,实现组织架构上的扁平化管理,敏捷团队的成员按照“端到端”的原则,每个人都对项目的全 过程负全责,所有人的绩效考核指标都是一样的。敏捷团队的成员在同一办公地点集中办公,保证员工单线程工作,变串联为并联,同时辅之以定期培训和考量、时间短和注重决策的轻量会议等,全面提升反应速度。对敏捷团队充分授权,减少交接和精简流程, 去除冗余层级、重复决策等环节。
星展银行的数字化转型在经历了第一阶段“将核心业务进行数字化改造”和第二阶段“银行业务与客户需 求深度融合”之后,进入第三阶段“构建创业型企业的 文化氛围”。星展银行调动全员力量,提倡“有利于客户体验的努力都值得尝试”,让每位员工都自觉了解客户体验和关切,以自己的亲身体验重新构思客户旅程, 推动全方位转型。如星展的呼叫中心、ATM分析、HR等,全部逐步实现技术转型,都是自下而上、由底层员工推动的。
三、零售业务数字化转型的关键着力点
银行数字化转型,尤其是零售业务的数字化转型成为银行业发展新趋势。由于零售业务存在客户规模大、长尾客户服务不足、客户结构分化等特征,金融科技的运用能够有效缓解这部分现实问题,大部分银行在推进数字化转型的过程中优先选择零售业务为突破口,利用科技手段驱动零售银行业务全面释放潜能, 使银行服务摆脱时间、地点、人员的束缚,实现自动化、 实时化、线上化处理。零售业务数字化转型的几个重点体现在以下方面:
(一)提高产品服务的触达能力
拓展多元化服务渠道,利用互联网渠道扩大服务半径,覆盖更多长尾客户,同时将线上渠道与线下服务网络进行有效衔接,实现闭环服务,构建“物理+ 虚拟”的线上线下全渠道服务体系。在银行的多元化服务渠道中,手机APP的客户触达作用越来越突出。根据易观产业数据库发布的报告显示,2018 年一季度,我国手机银行注册用户数超过15 亿户,手机银行客户交易规模达到66.89 万亿元人民币,活跃用户持续增长, 逐渐成为用户首选的服务主渠道,到2018 年底手机银行渠道用户比例达57%,首次超越网银用户比例。手机 银行的发展趋势主要表现为两方面:一方面是加强人工智能技术的应用,将生物识别技术应用于智能核验身份,在银行APP登录、交易中增加面部识别及指纹识别等功能;将人工智能技术引入到理财和投资顾问服务中,为客户精准定制个性化的理财产品等。另一方面是加强与外部机构的合作,在产品栏目引入保险、助学贷款、校园贷款等项目,实现与高校、保险公司、金融科技公司等外部企业的深度连接。网点作为服务客户的传统渠道,同样面临数字化转型课题。网点的数字化转型要注重培养智能机具对柜面业务的替代能力,数字化再造网点的业务流程,将信息化、业务流程和智能机具有效整合,加强网点分流引导,重点推进各类业务的线上协助化服务。
(二)提升个性化服务能力
根据腾讯研究院的报告显示,采用个性化精准营销的银行,营销成功率能够提高50%~65%以上;根 据客户画像推送银行产品,购买率可以提高30%~ 55% ;通过大数据进行全面客户管理的银行,存量客户激活率能够提升30%以上,坏账率能降低25%。为提高个性化服务能力,银行可以通过强大的数据整合分析体系,实时、智能化地处理客户行为数据,根据客户的信用资质、收入水平、风险承受能力、行为特征、 使用习惯、使用偏好综合考量,利用积累的内外部数据及成熟的算法进行个性化的界面展示,实现“千人千面”。同时,基于对客户行为特征的分析挖掘,在客户来到网点或电子银行渠道时,按照为客户群体打好的标签,展现因人而异个性化广告,让用户对感兴趣的广告信息进入业务办理,改变传统的广告营销模式。实现精准营销离不开大数据技术的运用和支持,提高以大数据为基础的个性化服务能力,可以帮助银行增加获客精准度,降低获客成本,提升客户交互体验和 产品转化率,并实现个性化定价。运用大数据技术, 第一步是即刻捕捉数据,海量获取数据,这些数据包括银行内部数据和外部数据,结构化和非结构化数据, 清洗处理这些数据,提取特征信息,为客户画像做准备; 接下来,要按照客户基本信息、兴趣爱好、社会特征、消费行为等维度,建立标签化的客户模型;再通过客户特征、产品需求等参数,对客户进行分类;最后采用协 调过滤、关联规则、知识推荐等算法,使产品和服务智能触达客户。
(三)增强场景化服务能力
银行发展进入生态建设的新时期,必须打造一个吸引和留住客户的生态系统,让客户可以在生活场景中了解、使用和发现金融消费机会。场景金融的关键在于银行把金融服务融入到客户的衣食住行场景中, 以场景为核心向用户提供服务。与传统金融服务模式的区别在于,场景金融不再是一个个独立的业务流程或者单独的产品,而是嵌入到生活场景中的综合金融解决方案,服务内容体现“金融+ 生活”的高度融合。场景金融是一种完整的生态,是从金融需求到金融解决方案的闭环服务。构建场景金融服务模式,银行可以从两方面入手:一方面,与掌握场景流量的互联网、新零售、房地产、能源、制造、出行等行业开展广泛的跨界合作;另一方面,可自建场景,继续发力场景生态建设,在电子商务平台、社区银行、移动生活服务、 加油站金融、汽车金融、机场金融等方面寻找细分市场,尽早构建“生活+ 金融”完整生态圈。除此之外,银行可以改造传统的银行网点,将原有的金融服务单一场景延伸为多元化服务场景,引入休闲、积分兑换、消费等生活化场景,让银行网点与客户的日常生活有机结合,推动网点场景化转型。
四、银行零售业务数字化转型的路径
(一)批量获取并经营零售客户
互联网的发展和手机的普及把银行零售客户行为从线下网点变为线上和线下并重,在平台和场景中获取金融服务成为新的趋势。零售业务必须把客户工作、生活场景重新整合,通过线上平台与各大电商平台、社会资源平台对接,批量化营销和管理零售客户,实现跨越式发展。通过与衣、食、住、行、育、娱、医、寿等场景平台对接,整合信息流、资金流、物流,将金融服务嵌入场景服务,为零售客户提供综合金融服务。同时在后台对接信贷系统实现线上融资、额度管理、风险防控等。建设包括人脸识别等生物认证技术在内的身份核验系统,打造大数据分析平台和连接第三方金融信息平台,进一步完善零售平台金融服务功能,更有效地达到批量获客、活客、留客,提供综合金融服务。
(二)完善专业化管理模式
专业化管理模式是零售业务数字化转型的基本保障,需要在产品研发、销售管理、渠道布局、数据驱动和风险管理等方面全面提升零售板块的专业能力。突出产品引擎作用,丰富强化消费信贷、财富管理、信用卡等专业产品线,研发有市场竞争力的拳头产品。强化总行销售管理职能,负责零售营销计划制定、营销业绩统计、个人客户经理绩效管理、技能培训等, 打通总行、分行、支行、个人管理与督导机制。发展线上线下一体化的全渠道管理,包括网点布局、线上渠道开发、新业态规划等,构建全渠道、多触点的一致客户体验。打造基于大数据的定量分析与业务决策能力,推动大数据分析的规划和开发,打通零售客户底层数据基础与数据驱动的应用。完善风险组织架构, 增强集中化、专业化、高效的风险管理能力。
(三)推动敏捷组织改造
在零售板块探索敏捷组织改造,建立以客户为中心、快速创新的组织。转变领导角色,向战略家、设计师、辅导者转变,充分授权团队,注重培养团队自主运作能力,在数字化快速迭代的工作方式下,把管理机制从复杂的“过程导向”转向责任分明的“决策导向”。以项目为导向,组建“小而灵活”的跨部门团队, 负责零售数字化项目端到端的实施落地,赋予团队充分决策权。改革决策机制,将传统瀑布式的大项目“化整为零”,分阶段进行项目投入和审批,缩短项目研发时间。
(四)管理零售客户旅程,提升零售客户体验
基于当前零售客户体验存在的差距和差异化战略 两大维度,梳理零售客户旅程,进行优先排序后分批推动客户旅程改造。建立全方位的零售客户反馈收集体系,包括:针对金融服务、设施、产品及流程的整体满意度及推荐值评价;通过短信、微信、APP客户端等进行交易后的即时反馈;对投诉进行产品、渠道、对象、 成因的多维分析等,将收集的反馈及监测数据汇总成零售客户体验仪表板,将抽象的体验转化为直观、可操作的优化举措,进而紧跟零售客户需求,推动数字化产品创新。
(五)智能化应用大数据工具
建立强大的大数据精准营销能力,设计一条环环相扣的闭环通路,在前端收集零售客户信息、建立数据分析模型,获得客户特征;根据数据分析结果匹配零 售客户所需的产品、服务和营销方案;在支行端引入产 品跟踪系统,检查管控执行过程;基于结果分析、前线及客户意见形成反馈,持续改善大数据分析和执行能力。打造端到端大数据平台,打通个人数据管道,搭建数据分析平台,做到数据、分析和前线操作之间的无缝连接,全面提升大数据分析与应用能力。