數字化是通過大數據、人工智能、邊緣計算等技術構建一個個決策引擎，替代人主觀的腦子決策業務流程中的關鍵決定，真正意義上實現智能化決策。它和信息化有什麼區别呢？到底是不是未來的趨勢？本文作者以銀行零售業務為例，對數字化進行了分析，一起來看一下吧。

之前看了一個視頻，馬雲8分鐘的演講30次提到數字化，強調了數字化未來在經濟發展中的趨勢和重要性。

今天就來聊下我理解的數字化，到底和信息化有什麼區别？是新瓶裝舊酒？還是一種全新的概念？他到底是不是未來的趨勢？它在銀行零售業務中又是如何應用的？

傳統意義上，我們講信息化，指的是把線下的生産元素（比如人、商品、原材料、報告等）全部搬到線上，在線上再複制一遍，再把線下的業務流程也搬到線上，從而讓流程更簡、效率更高。

當然很多人之前也把這個叫做數字化，隻不過叫信息化更為合理。因為本質上線上化這個行為并不根本性影響生産決策，他隻是重構／優化了流程。

而真正意義上的數字化，是通過大數據、人工智能、邊緣計算等技術構建一個個決策引擎，替代人主觀的腦子決策業務流程中的關鍵決定，真正意義上實現智能化決策。

先舉個很簡單的例子，你去銀行app上申請信用貸款的時候，銀行主要會通過拉取你的征信、以及公積金情況，來判斷你是否是高風險人群，從而決定是否貸款給你。

這本質上就是一種業務邏輯，風險度的計算方式也是一個固定的公式。這種公式被認為可以過濾掉絕大部分的所謂高風險人群，從而讓每一筆貸款都盡可能“安全”。

那麼“通過這種固定公式來決定貸款與否”這個策略本身是否正确？

通過已有經驗形成的固定公式，來決定銀行該貸給誰？

還是通過曆史的大數據分析，來決定銀行該貸給誰？

這其實才是真正意義上的業務策略。

如果通過大數據分析，可以讓用戶群體擴大一倍，又依然能保證壞賬率不大幅升高，那麼毫無疑問，這樣的策略銀行一定會更喜歡，因為他們可以貸款給更多的人，賺更多的錢，但又不需要承擔更大的風險。

數字化本身并沒有什麼太多新概念、新技術，它的核心價值是，幫助業務決策利益最大化。

案例：銀行零售業務數字化

當前銀行數字化轉型核心痛點：

當前銀行盈利是承壓的，傳統存貸業務已經逐漸定型，而零售業務成為了銀行盈利增長的“新引擎”。

但是随着零售客戶群體及需求的改變，銀行無法以結構化的方式識别客戶，無法精準聚焦客戶需求，無法挖掘客戶全生命周期價值成為最大痛點。

那麼如何自動識别、如何自動聚焦每個人不同的需求、如何通過技術最大化用戶的生命價值？不急，慢慢往下看。

看了下數據，2020年中國銀行零售業務占比已經達到31.4%，其中上市銀行的零售業務營收占比達到了42.3%，首次超過了對公業務，而且零售業務的利潤占比也達到了45.61%，增長速率超營收增長速率的2倍。

毫無疑問，銀行零售業務依靠其資産收益率高、經營風險分散、資産質量高、潛在客戶規模大等特點，已經成為銀行盈利增長的“新引擎”。

零售業務擴大業績的主要思路，就是如何更好的獲客、轉化、喚活、複購。

而圍繞這條鍊路的核心方法就是通過數字化，改進金融産品和服務在渠道側和用戶營銷過程中的體驗，改進運營和風控的高效性，來讓業務獲得更大的增量價值。

而這其中，數字化、智能化的能力将普遍應用到營銷、運營、風控之中。

例如結構化操作任務使用RPA、智能客戶營銷精準定位新服務，客戶服務部門使用虛拟助理或智能客服，風險控制使用機器學習模型等等。

所以數字化的重中之重就是幫助中小銀行，以及部分大行在營銷和運營端先做大做強。

而原先在渠道、營銷、運營過程中面臨的主要問題和機會是：

• 客群：下沉市場、有很多長尾客戶值得被挖掘、潛力巨大；
• 産品：客戶有更多多樣性的金融服務需求，産品同質化嚴重；
• 渠道：部分中小行的渠道仍在建設中，客戶群體固定且習慣于傳統渠道；
• 數據：因經營規模單一和小，數據質量差、數據缺失，缺乏數據規範。

首先，銀行應該整合自有渠道的數據；

其次除了自身渠道，銀行更應考慮整合客戶在其他第三方系統上的行為數據，以擴展對客戶的了解；

采集并整合各渠道自身業務數據，勾勒出更精準的用戶畫像，為客戶帶來更精準的營銷和決策。

而如何做是最關鍵的，這其中就要通過用戶視角，用戶旅程來定位哪些關鍵環節需要進行數字化改造，來真正自動化幹預業務。

1）這其中我們可以看到線下業務流程繁瑣、冗雜，一些行都開始通過機器流程自動化支持作業；

2）而線上的業務咨詢和表單填寫，則通過機器人客服進行及時有效的服務，以及線上化填寫；

3）而很多業務流程中，除去原先業務固定營銷觸點，還依然存在很多潛在營銷觸點，這些點是否可以被識别并最大程度的轉化？

前2點本質上主要還是信息化，隻不過中間可能會采用一些算法技術提升效率，而第三點則是通過數據驅動去挖掘潛在營銷觸點和對象，并進行業務轉化。

而所有數字化的前提是，先要解決總行和分行、分行和分行之間的數據割裂問題，這種割裂，可能是不同渠道、不同鍊路、不同節點都是割裂的。

這其中有客戶基本數據、行為數據、交易數據、業務數據、日志數據等，這些數據本質上并沒有被用來作為業務決策，助力業務。

隻有解決了數據割裂，統一了數據标準，保證數據是準确且全面的，才能最大程度發揮數據的作用。

而在外部渠道獲取用戶信息中，微信顯然是一個銀行自有渠道之外的高頻場所。因為我們知道很多銀行業務都會安排1對1的客戶經理為你服務，也有公衆号、小程序等配套産品，用戶會在微信上咨詢，也可以在公衆号、小程序上查看産品等相關信息。

在整個用戶服務的過程中，我們可以看到如下圖有很多環節都可以通過用戶畫像和各種業務數據，在智能化個性營銷、智能化内容生産、流失預警、用戶流失自動化召回、營銷消息的AB賽馬上，提升拉新、轉化、複購、防流失、召回的比例。

而這些數據，除了用戶自身的數據，還應該在用戶引流、用戶互動、用戶管理的過程中，由銀行員工持續地進行打标，将業務數據化。

在客戶管理周期中，具體怎麼做流失預警、怎麼做個性化營銷、怎麼做AB賽馬，限于篇幅，後面再講～

專欄作家

華叔的産品私塾，公衆号：華叔的産品私塾，人人都是産品經理專欄作家。10年以上B端Saas經驗，電商平台産品總監。擅長産品規劃、定位、構建産品競争力、大型産品的0-1搭建和重構。

本文原創發布于人人都是産品經理，未經許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。

該文觀點僅代表作者本人，人人都是産品經理平台僅提供信息存儲空間服務。

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部