银行业务跨越距离!数字化助力银行数字化转型
在传统金融业务日益线上化发展、市场竞争加剧、客户习惯变化的背景下,银行数字化转型早已成为行业共识。突如其来的疫情更是一服催化剂,加速了银行数字化转型,越来越多的银行在“非接触金融业务”方面发力探索 。
众所周知,数字化转型离不开大数据、云计算、人工智能;只有充分发挥技术的力量,才能实现银行数字化时代智能银行的转变。利用大数据,金融机构可以构建符合自身实际需求的业务、风控模型;利用云计算,可以按照模型,进行高效快速运算,将结果用于日常运营;利用人工智能,可以实现高频小额贷款的自动发放,实现真正意义上的“秒贷”。可以说,数字化时代的智能金融,颠覆了传统金融业务模式,省去了大量人工操作过程,极大提升了客户体验和满意度,让以客户为中心的经营理念变成了现实。
事实上,业内对智能金融潜在风险认识非常深刻。第一大风险是数据风险,这来源于金融的全自动化,要依靠数据来决策。银行是数据化应用最丰富,或者是最全面的一个领域。如何合理整合这些数据是数字化转型中银行的必修课。应对不当,就会产生数据造假、数据中断、数据泄露、数据滥用等风险。
第二大风险是技术风险,既包括算法的可解释性和可评估性,比如构造了包含一百个变量的模型来评估贷款是否可以发放,但由谁衡量这个模型是否适当。也涵盖技术带来的安全风险,在高度依赖数字化系统的情况下,一旦系统被攻击或者停摆,可能会对金融安全造成更大的危害。正因为数据采集来自于人,模型搭建来自于人,因此,智能金融虽然省事,虽然智能,但也会因为数据质量问题和算法参数设定等问题,潜藏较大风险。如果建立模型的人再有不良用心,潜藏的风险更大。而智能金融一旦发生风险,常常是系统性的。因此,未雨绸缪,做好风险防控工作,非常重要。
如何防范潜在风险?业内共识是,加强监管。智能金融时代,传统监管理念和手段,无法有效匹配。因此,银行数字化转型,监管当局的监管手段也应当加速转换。既然智能金融的风险点潜藏在数据治理和算法等方面,那么,监管对象就应当既包含对模型的可解释性的监管,要让监管对象能够解释清楚模型到底基于何种逻辑;也应包含对智能金融有关模型和算法的构建者、设计者的监管,为此要及时完善监管制度,堵塞监管盲区,通过资质认定,让相关从业者具有监管层认可的资质。最重要的是,监管层要有懂行的监管者,要能看得明白,管得到位,治得有效。