中小銀行金融科技能力建設與發展建議

林文佳

【摘? 要】當前，金融與科技的融合不斷深化，金融科技能力建設對銀行轉型發展的重要性日益凸顯。中小銀行在金融科技能力建設的過程中遇到了投入產出比較低、缺乏專業人才、數據治理能力不足等挑戰。為應對這些挑戰，論文提出中小銀行應結合業務實際與資源稟賦，理性投資，整合資源，降低成本；吸收培養金融科技人才，打造高素質人才隊伍；建設符合自身需要的數據治理體系，以應對金融科技浪潮。

【關鍵詞】中小銀行；金融科技；能力建設；發展建議

【中圖分類號】F832.3? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻標志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號】1673-1069（2023）08-0188-03

1 商業銀行金融科技能力建設現狀

1.1 各銀行金融科技投入分化

近年來，銀行業已經充分認識到金融科技的力量，并且逐步加大對金融科技的投入。根據2022年上市銀行財報數據，大部分銀行在金融科技領域的投入總體保持增長態勢，持續在金融科技方面發力。因2022年銀行業營收普遍承壓，銀行間的金融科技投入出現分化，部分銀行的金融科技投入同比增速有所放緩甚至同比下降，具體如表1所示。

國有大行在金融科技方面的投入總額超千億元，處于領軍地位；股份制銀行的金融科技投入總額緊隨其后，合計超600億元；城農商行在金融科技方面的投入則略顯不足，受其規模所限，城農商行的金融科技投入雖占其營收的2.29%～5.51%，占比不低，但金額相對較小。

從各類型銀行的實際情況來看，不同銀行在金融科技投入方面出現了分化現象。在國有大行中，工商銀行在金融科技方面的投入金額達262.64億元，位居第一，但其同比增速有所放緩，從2021年的9.1%下降至2022年的不足1%。交通銀行則在2022年加速追趕，其金融科技投入同比增長32.93%，占營收比重也達5.26%，科技人員占員工總數的6.38%。在股份制銀行中，招商銀行的金融科技投入達141.68億元，甚至超過了交通銀行和郵儲銀行，其科技人員總數也高達10 846人，該行金融科技投入可媲美國有大行。興業銀行和民生銀行在2022年大力度增加了金融科技投入，其金融科技投入同比增速均在20%以上。在城農商行方面，北京銀行和上海銀行的金融科技投入金額均在20億元以上。廈門銀行的金融科技投入同比增速高達35.98%，而北京銀行、重慶銀行和滬農商行的同比增速較低。從城農商行的金融科技投入和科技人員數量來看，其與國有大行及股份制銀行這些全國性銀行相比仍有較大差距。

1.2 金融科技能力建設的重點

銀行業在金融科技方面的投入力度不斷加大，積極探索銀行業數字化轉型路徑。在金融科技能力建設方面，主要有以下三大重點方向。

1.2.1 數據的全生命周期標準化管理

銀行擁有數量龐大的數據，這些數據若缺乏規范的管理，既會危及數據安全，也會影響數據的管理及運用。許多銀行正在積極探索數據全生命周期的規范化管理模式，對數據資產從創建、發布、應用、更新到退出的全生命周期進行統一標準化管理。第一，制定相關標準及制度，保障數據標準化管理。結合業務需要，建立數據規范，對基礎數據的業務含義、格式和取值進行規范化定義和管理落地，保證了各類數據治理工作的順利開展。制定數據質量管理辦法和數據質量監測與考核制度，能夠明確數據質量管理的職責分工，形成數據質量管理的科學化方法。第二，推進數據標準化建設，保障數據的一致性。銀行明確各層級數據資產管理規范，制定各業務條線的細分數據標準，落實數據資產分類，推動指標、標簽等數據資產標準化、規范化管理，確定數據權威歸屬和管理規則，支持數據統一整合和跨平臺共享，有利于提升數據資產的標準性、延續性和有效性。

1.2.2 加強數據挖掘與應用

銀行的海量數據擁有不可估量的價值。許多銀行正通過大數據、人工智能、云計算等多項先進技術，從多個維度出發，不斷挖掘數據的有價值信息，提升數據的應用能力。在2022年的上市銀行年報中，國有大行公布了多項大數據應用舉措：工商銀行深度運用人工智能和大數據，升級貫穿前中后臺的營銷“智慧大腦”，滿足全量客戶差異需求；建設銀行構建統一的數據應用體系，打造特色數據應用平臺和系統，支持行內各級機構按需自主用數，同時，研發大數據產品190多個；農業銀行推進數據深度整合和共性數據積累，大數據平臺和數據中臺提供一站式專屬數據服務，啟動數據湖建設，并且通過“數據+算法”雙輪驅動，推出“智迎客”“智挽客”“智鏈客”等一批數據應用產品；郵儲銀行全行數據資源實現統一接入、統一存儲、統一加工，大數據平臺整合接入行內146個業務系統。

1.2.3 探索人工智能技術應用

ChatGPT正式發布以來，其背后支撐性的生成式人工智能技術引起了廣泛關注，基于人工智能大模型的各類應用產品進入了快速發展期。當前，多家銀行逐步探索人工智能技術在銀行業務或管理中的運用。百度于2023年3月發布了新一代的大語言模型“文心一言”，成為國內第一家正式推出對標ChatGPT的產品的公司。隨后，百信銀行、新網銀行、郵儲銀行以及興業銀行等先后宣布接入百度“文心一言”，成為其生態合作伙伴。對于擁有海量金融數據且應用場景豐富的銀行來說，引入業內領先的大模型，采用微調方式形成專業領域的任務大模型，是快速賦能業務、提高運營效率的重要途徑。

2 中小銀行金融科技能力建設面臨的挑戰

2.1 金融科技投入大，投入產出比較低

中小銀行與全國性大行相比，規模及實力差距較大，金融科技的投入會加大其成本支出，而受中小銀行的展業區域及規模所限，在金融科技的投入產出比、邊際成本方面的表現不及全國性銀行，中小銀行在金融科技能力建設方面如何把握投入與產出的平衡是困擾許多中小銀行的難題。金融科技的投入產出效能低下，通常表現為重復投資、無效投資、投資結構不合理、投資效益未達預期等。

第一，重復投資。由于缺乏前瞻性、統一性的規劃和協調，導致系統重復建設、數據重復購買、模型重復開發等問題，以及存在銀行內系統割裂、數據孤島和管理交叉現象。

第二，無效投資。一些中小銀行盲目效仿大銀行的舉措，缺乏對自身客群特點、業務規模和發展階段的考量，對項目的評估缺乏科學性和針對性，存在倉促決策和盲目樂觀的情況，缺乏有效手段來評估每個項目投資的有效性，也沒有相應的人員和手段來管控重復建設和采購問題，從而加劇了資源浪費。

第三，投資結構不合理。一是重技術、輕體系建設。一些銀行將資源重點投放在系統建設、軟件與數據采購、模型開發等技術方面，而在體系建設方面則投入較少。二是重具體應用、輕基礎構建。很多中小銀行在容易產生效益的營銷、風控、產品研發等具體應用方面投入較大，而在數據治理和技術安全合規等需要長期投入才能見成效的基礎性工作方面投入不足。

第四，投資效果未達預期。一是投前缺少項目立項的科學評估，或者評估流于形式，盲目樂觀地評定項目的經濟效益。二是缺乏投中監督機制，對于一些正在進行的項目，缺乏針對其進度、階段性成效等方面的評價監督機制，難以確保其產出及最終項目運行效果達到預期目標。三是缺少后評價機制。對于一些已經投產的項目，是否按計劃達到預期產出，由于對項目的成效缺乏后評價，導致無法及時復盤總結。

2.2 缺乏專業的金融科技復合型人才

中小銀行受自身資源稟賦所限，其對金融科技復合型人才的吸引力及培養力度有限，中小銀行的金融科技人才較為短缺。從源頭來看，應屆畢業生是金融科技人才的主要來源之一。但目前我國高校金融科技方向的畢業生人數仍不能有效滿足銀行業對金融科技人才的需求。同時，應屆畢業生存在業務經驗不足、技術轉化應用能力差等問題，需要對其進行教育和培養，這進一步拉長了人才的應用周期，加劇了我國銀行業金融科技人才短缺的問題。中小銀行在區位、薪資待遇、職業發展前景等方面的資源配套與全國性大行存在較大差距，對金融科技復合型人才的吸引力較弱，難以招募到合適的人才。此外，中小銀行的金融科技實力相對較弱，自身難以培養金融科技人才。中小銀行缺乏專業的金融科技復合型人才，制約了中小銀行金融科技能力的建設和提升。

2.3 數據治理能力有待提升

雖然銀行每天都會產生海量數據，但中小銀行在使用數據時，往往會遇到不會用、不好用、不能用的困境，主要原因可以概括為采集漏損、存儲不足和數據治理不到位。第一，數據采集方面，客戶通過各種渠道與銀行進行交互時，銀行在渠道布設、產品規劃、流程設計、活動運營等環節沒有提前做好采集準備，導致關鍵數據的采集漏損；第二，數據存儲方面，對數據重要性和存儲周期缺乏全局考量，對于一些產生于業務部門的數據，數據管理部門沒有進行收集存儲，或因存儲空間不足而導致未存儲；第三，數據治理方面，銀行各業務條線往往具有各自的系統，存在各類數據豎井及數據孤島，不同系統間存在不同的數據規范，難以有效打通系統間壁壘，數據定義不夠標準，數據質量提升的難度較大。

3 中小銀行金融科技能力建設與發展的建議

3.1 理性投資，整合資源，降低成本

第一，中小銀行資源有限，金融科技發展需有清晰的戰略引領。金融科技投入存在重復投資、無效投資、投資結構不合理、投資效益未達預期等問題，究其原因主要是沒有清晰的戰略引領，缺乏全局性的考量。建議中小銀行結合自身實際及稟賦優勢，立足自身、考量全局，制定清晰的金融科技戰略，明晰未來的發展方向、戰略計劃。在清晰的戰略引領下，中小銀行需要制定金融科技投入的投前審核審批、投中監督、投后評價制度，對金融科技投入進行投前、投中、投后的全流程監督，減少出現重復投資、無效投資、投資結構不合理、投資效益未達預期等問題。第二，中小銀行應該根據自身實際，合理選擇科技自主研發路徑。中小銀行可以根據自身實際，有重點地選擇科技自主研發路徑，融合行內外資源，提升資源利用效能。對于穩態模式的任務，影響廣泛、周期較長、對業務連續性影響較大、有強管控要求的項目更適合采用自行開發的模式；對于敏態模式的任務，具有階段性特征、影響局部、變動可能性大、預設規則少、具有一定創新探索性質的項目更適合采用與外部合作的方式。第三，加強成果復用，提升投入產出比。提高數據資產的成果重復使用率能有效提升投入產出比。數據資產的投入已定，但若能提升利用率，則能降低分攤成本，提升其產出效能。建議中小銀行對數據資產進行統一管理，建立規范的需求管理和項目管理流程，嚴把立項關口，成立需求論證小組和項目管理小組，對項目進行專業論證，最大限度地復用已有數據資產成果。

3.2 吸收培養金融科技人才，打造高素質人才隊伍

聚焦金融科技能力建設，金融科技人才是第一生產力。金融科技人才是復合型人才，兼具金融及科技方面的技能。中小銀行應建立符合金融科技人才成長特點的金融科技人才管理體系。在人才引入方面，加大薪資福利待遇、職業晉升空間、人才培養計劃等方面的吸引力，積極引入高素質的金融科技人才。在人才培養方面，建立人才雙向培養機制，既培養業務人員的科技技能，又培養科技人員的業務技能，挑選出合適的人員進行深度的復合型人才培養，加快自主培育出金融科技人才。同時，需要注重人才交流學習，給予該類人才行內外交流學習的機會，在業務線及科技線輪崗學習，不斷提升金融與科技的雙項技能。

3.3 建設符合自身需要的數據治理體系

第一，明確數據治理的體系、機制。通過管理辦法、規章制度等明確數據治理的體系、機制，提升行內數據治理的意識和規范性。第二，建立數據統籌協調管理部門，對數據進行統籌協調管理，強化對數據的集中、統一、標準化管理，同時，便于該部門站在全局的角度，協調不同部門、不同系統的數據管理工作。第三，建立數據標準化體系。將數據標準化規范嚴格落地到系統開發和業務流程中，實現數據標準化管理。第四，加強數據架構管理，建立涵蓋數據從產生、存儲到處理、運用、銷毀的全生命周期治理體系。第五，保障數據質量。建立數據質量管控體系，完善相關監督管理制度，強化方法體系建設，對質量認責、監測、修正等環節作出明確規定，有效保障數據質量。

【參考文獻】

【1】侯世英，宋良榮.金融科技背景下中小銀行轉型研究：背景、戰略布局與建議[J].當代經濟管理，2019，41（5）：85-91.

【2】陸岷峰，吳建平.關于中小商業銀行發展金融科技的戰略研究——基于城商行群體的樣本分析[J].湖南財政經濟學院學報，2017，33（6）：13-21.

【3】朱太輝，張彧通.農村中小銀行數字化轉型研究[J].金融監管研究，2021（4）：36-58.

【4】楊濤，高峰，呂仲濤，等.數字金融發展現狀與展望[J].金融理論探索，2022（1）：30-38.

【5】李琳.淺析我國中小銀行金融科技發展面臨的難題與解決路徑[J].金融科技時代，2021（2）：83-85.

【6】吳方超.中小銀行在金融科技發展中的思考[J].金融科技時代，2017（10）：32-35.