中小银行金融科技能力建设与发展建议

林文佳

【摘  要】当前，金融与科技的融合不断深化，金融科技能力建设对银行转型发展的重要性日益凸显。中小银行在金融科技能力建设的过程中遇到了投入产出比较低、缺乏专业人才、数据治理能力不足等挑战。为应对这些挑战，论文提出中小银行应结合业务实际与资源禀赋，理性投资，整合资源，降低成本；吸收培养金融科技人才，打造高素质人才队伍；建设符合自身需要的数据治理体系，以应对金融科技浪潮。

【关键词】中小银行；金融科技；能力建设；发展建议

【中图分类号】F832.3                                             【文献标志码】A                                                 【文章编号】1673-1069（2023）08-0188-03

1 商业银行金融科技能力建设现状

1.1 各银行金融科技投入分化

近年来，银行业已经充分认识到金融科技的力量，并且逐步加大对金融科技的投入。根据2022年上市银行财报数据，大部分银行在金融科技领域的投入总体保持增长态势，持续在金融科技方面发力。因2022年银行业营收普遍承压，银行间的金融科技投入出现分化，部分银行的金融科技投入同比增速有所放缓甚至同比下降，具体如表1所示。

国有大行在金融科技方面的投入总额超千亿元，处于领军地位；股份制银行的金融科技投入总额紧随其后，合计超600亿元；城农商行在金融科技方面的投入则略显不足，受其规模所限，城农商行的金融科技投入虽占其营收的2.29%～5.51%，占比不低，但金额相对较小。

从各类型银行的实际情况来看，不同银行在金融科技投入方面出现了分化现象。在国有大行中，工商银行在金融科技方面的投入金额达262.64亿元，位居第一，但其同比增速有所放缓，从2021年的9.1%下降至2022年的不足1%。交通银行则在2022年加速追赶，其金融科技投入同比增长32.93%，占营收比重也达5.26%，科技人员占员工总数的6.38%。在股份制银行中，招商银行的金融科技投入达141.68亿元，甚至超过了交通银行和邮储银行，其科技人员总数也高达10 846人，该行金融科技投入可媲美国有大行。兴业银行和民生银行在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，北京银行和上海银行的金融科技投入金额均在20亿元以上。厦门银行的金融科技投入同比增速高达35.98%，而北京银行、重庆银行和沪农商行的同比增速较低。从城农商行的金融科技投入和科技人员数量来看，其与国有大行及股份制银行这些全国性银行相比仍有较大差距。

1.2 金融科技能力建设的重点

银行业在金融科技方面的投入力度不断加大，积极探索银行业数字化转型路径。在金融科技能力建设方面，主要有以下三大重点方向。

1.2.1 数据的全生命周期标准化管理

银行拥有数量庞大的数据，这些数据若缺乏规范的管理，既会危及数据安全，也会影响数据的管理及运用。许多银行正在积极探索数据全生命周期的规范化管理模式，对数据资产从创建、发布、应用、更新到退出的全生命周期进行统一标准化管理。第一，制定相关标准及制度，保障数据标准化管理。结合业务需要，建立数据规范，对基础数据的业务含义、格式和取值进行规范化定义和管理落地，保证了各类数据治理工作的顺利开展。制定数据质量管理办法和数据质量监测与考核制度，能够明确数据质量管理的职责分工，形成数据质量管理的科学化方法。第二，推进数据标准化建设，保障数据的一致性。银行明确各层级数据资产管理规范，制定各业务条线的细分数据标准，落实数据资产分类，推动指标、标签等数据资产标准化、规范化管理，确定数据权威归属和管理规则，支持数据统一整合和跨平台共享，有利于提升数据资产的标准性、延续性和有效性。

1.2.2 加强数据挖掘与应用

银行的海量数据拥有不可估量的价值。许多银行正通过大数据、人工智能、云计算等多项先进技术，从多个维度出发，不断挖掘数据的有价值信息，提升数据的应用能力。在2022年的上市银行年报中，国有大行公布了多项大数据应用举措：工商银行深度运用人工智能和大数据，升级贯穿前中后台的营销“智慧大脑”，满足全量客户差异需求；建设银行构建统一的数据应用体系，打造特色数据应用平台和系统，支持行内各级机构按需自主用数，同时，研发大数据产品190多个；农业银行推进数据深度整合和共性数据积累，大数据平台和数据中台提供一站式专属数据服务，启动数据湖建设，并且通过“数据+算法”双轮驱动，推出“智迎客”“智挽客”“智链客”等一批数据应用产品；邮储银行全行数据资源实现统一接入、统一存储、统一加工，大数据平台整合接入行内146个业务系统。

1.2.3 探索人工智能技术应用

ChatGPT正式发布以来，其背后支撑性的生成式人工智能技术引起了广泛关注，基于人工智能大模型的各类应用产品进入了快速发展期。当前，多家银行逐步探索人工智能技术在银行业务或管理中的运用。百度于2023年3月发布了新一代的大语言模型“文心一言”，成为国内第一家正式推出对标ChatGPT的产品的公司。随后，百信银行、新网银行、邮储银行以及兴业银行等先后宣布接入百度“文心一言”，成为其生态合作伙伴。对于拥有海量金融数据且应用场景丰富的银行来说，引入业内领先的大模型，采用微调方式形成专业领域的任务大模型，是快速赋能业务、提高运营效率的重要途径。

2 中小银行金融科技能力建设面临的挑战

2.1 金融科技投入大，投入产出比较低

中小银行与全国性大行相比，规模及实力差距较大，金融科技的投入会加大其成本支出，而受中小银行的展业区域及规模所限，在金融科技的投入产出比、边际成本方面的表现不及全国性银行，中小银行在金融科技能力建设方面如何把握投入与产出的平衡是困扰许多中小银行的难题。金融科技的投入产出效能低下，通常表现为重复投资、无效投资、投资结构不合理、投资效益未达预期等。

第一，重复投资。由于缺乏前瞻性、统一性的规划和协调，导致系统重复建设、数据重复购买、模型重复开发等问题，以及存在银行内系统割裂、数据孤岛和管理交叉现象。

第二，无效投资。一些中小银行盲目效仿大银行的举措，缺乏对自身客群特点、业务规模和发展阶段的考量，对项目的评估缺乏科学性和针对性，存在仓促决策和盲目乐观的情况，缺乏有效手段来评估每个项目投资的有效性，也没有相应的人员和手段来管控重复建设和采购问题，从而加剧了资源浪费。

第三，投资结构不合理。一是重技术、轻体系建设。一些银行将资源重点投放在系统建设、软件与数据采购、模型开发等技术方面，而在体系建设方面则投入较少。二是重具体应用、轻基础构建。很多中小银行在容易产生效益的营销、风控、产品研发等具体应用方面投入较大，而在数据治理和技术安全合规等需要长期投入才能见成效的基础性工作方面投入不足。

第四，投资效果未达预期。一是投前缺少项目立项的科学评估，或者评估流于形式，盲目乐观地评定项目的经济效益。二是缺乏投中监督机制，对于一些正在进行的项目，缺乏针对其进度、阶段性成效等方面的评价监督机制，难以确保其产出及最终项目运行效果达到预期目标。三是缺少后评价机制。对于一些已经投产的项目，是否按计划达到预期产出，由于对项目的成效缺乏后评价，导致无法及时复盘总结。

2.2 缺乏专业的金融科技复合型人才

中小银行受自身资源禀赋所限，其对金融科技复合型人才的吸引力及培养力度有限，中小银行的金融科技人才较为短缺。从源头来看，应届毕业生是金融科技人才的主要来源之一。但目前我国高校金融科技方向的毕业生人数仍不能有效满足银行业对金融科技人才的需求。同时，应届毕业生存在业务经验不足、技术转化应用能力差等问题，需要对其进行教育和培养，这进一步拉长了人才的應用周期，加剧了我国银行业金融科技人才短缺的问题。中小银行在区位、薪资待遇、职业发展前景等方面的资源配套与全国性大行存在较大差距，对金融科技复合型人才的吸引力较弱，难以招募到合适的人才。此外，中小银行的金融科技实力相对较弱，自身难以培养金融科技人才。中小银行缺乏专业的金融科技复合型人才，制约了中小银行金融科技能力的建设和提升。

2.3 数据治理能力有待提升

虽然银行每天都会产生海量数据，但中小银行在使用数据时，往往会遇到不会用、不好用、不能用的困境，主要原因可以概括为采集漏损、存储不足和数据治理不到位。第一，数据采集方面，客户通过各种渠道与银行进行交互时，银行在渠道布设、产品规划、流程设计、活动运营等环节没有提前做好采集准备，导致关键数据的采集漏损；第二，数据存储方面，对数据重要性和存储周期缺乏全局考量，对于一些产生于业务部门的数据，数据管理部门没有进行收集存储，或因存储空间不足而导致未存储；第三，数据治理方面，银行各业务条线往往具有各自的系统，存在各类数据竖井及数据孤岛，不同系统间存在不同的数据规范，难以有效打通系统间壁垒，数据定义不够标准，数据质量提升的难度较大。

3 中小银行金融科技能力建设与发展的建议

3.1 理性投资，整合资源，降低成本

第一，中小银行资源有限，金融科技发展需有清晰的战略引领。金融科技投入存在重复投资、无效投资、投资结构不合理、投资效益未达预期等问题，究其原因主要是没有清晰的战略引领，缺乏全局性的考量。建议中小银行结合自身实际及禀赋优势，立足自身、考量全局，制定清晰的金融科技战略，明晰未来的发展方向、战略计划。在清晰的战略引领下，中小银行需要制定金融科技投入的投前审核审批、投中监督、投后评价制度，对金融科技投入进行投前、投中、投后的全流程监督，减少出现重复投资、无效投资、投资结构不合理、投资效益未达预期等问题。第二，中小银行应该根据自身实际，合理选择科技自主研发路径。中小银行可以根据自身实际，有重点地选择科技自主研发路径，融合行内外资源，提升资源利用效能。对于稳态模式的任务，影响广泛、周期较长、对业务连续性影响较大、有强管控要求的项目更适合采用自行开发的模式；对于敏态模式的任务，具有阶段性特征、影响局部、变动可能性大、预设规则少、具有一定创新探索性质的项目更适合采用与外部合作的方式。第三，加强成果复用，提升投入产出比。提高数据资产的成果重复使用率能有效提升投入产出比。数据资产的投入已定，但若能提升利用率，则能降低分摊成本，提升其产出效能。建议中小银行对数据资产进行统一管理，建立规范的需求管理和项目管理流程，严把立项关口，成立需求论证小组和项目管理小组，对项目进行专业论证，最大限度地复用已有数据资产成果。

3.2 吸收培养金融科技人才，打造高素质人才队伍

聚焦金融科技能力建设，金融科技人才是第一生产力。金融科技人才是复合型人才，兼具金融及科技方面的技能。中小银行应建立符合金融科技人才成长特点的金融科技人才管理体系。在人才引入方面，加大薪资福利待遇、职业晋升空间、人才培养计划等方面的吸引力，积极引入高素质的金融科技人才。在人才培养方面，建立人才双向培养机制，既培养业务人员的科技技能，又培养科技人员的业务技能，挑选出合适的人员进行深度的复合型人才培养，加快自主培育出金融科技人才。同时，需要注重人才交流学习，给予该类人才行内外交流学习的机会，在业务线及科技线轮岗学习，不断提升金融与科技的双项技能。

3.3 建设符合自身需要的数据治理体系

第一，明确数据治理的体系、机制。通过管理办法、规章制度等明确数据治理的体系、机制，提升行内数据治理的意识和规范性。第二，建立数据统筹协调管理部门，对数据进行统筹协调管理，强化对数据的集中、统一、标准化管理，同时，便于该部门站在全局的角度，协调不同部门、不同系统的数据管理工作。第三，建立数据标准化体系。将数据标准化规范严格落地到系统开发和业务流程中，实现数据标准化管理。第四，加强数据架构管理，建立涵盖数据从产生、存储到处理、运用、销毁的全生命周期治理体系。第五，保障数据质量。建立数据质量管控体系，完善相关监督管理制度，强化方法体系建设，对质量认责、监测、修正等环节作出明确规定，有效保障数据质量。

【参考文献】

【1】侯世英，宋良荣.金融科技背景下中小银行转型研究：背景、战略布局与建议[J].当代经济管理，2019，41（5）：85-91.

【2】陆岷峰，吴建平.关于中小商业银行发展金融科技的战略研究——基于城商行群体的样本分析[J].湖南财政经济学院学报，2017，33（6）：13-21.

【3】朱太辉，张彧通.农村中小银行数字化转型研究[J].金融监管研究，2021（4）：36-58.

【4】杨涛，高峰，吕仲涛，等.数字金融发展现状与展望[J].金融理论探索，2022（1）：30-38.

【5】李琳.浅析我国中小银行金融科技发展面临的难题与解决路径[J].金融科技时代，2021（2）：83-85.

【6】吴方超.中小银行在金融科技发展中的思考[J].金融科技时代，2017（10）：32-35.