1.2?金融行業數字化轉型去向何方

傳統產業想要進入數字時代，就會面臨數字化轉型的難題。那么，究竟何為數字化轉型？

國家在戰略層面對數字化轉型的定義是：企業數字化轉型，簡單來說，就是企業，特別是傳統企業，通過將生產、管理、銷售各環節都與云計算、互聯網、大數據、人工智能等新興信息技術相結合，促進企業研發設計、生產加工、經營管理、銷售服務等業務向數字化等方向轉型，發展數字經濟，融入數字時代。

從這個定義可以看出，傳統產業相對于所謂的“數字化原生企業”，其生產和銷售過程、研發和管理模式等多是線下化、非數字的，數字化轉型的過程就是一個傳統模式運用數字科技實現流程加速和效率提升的過程，最終實現融入數字生態以及新的數字經濟模式的躍遷。

1.2.1?金融行業數字化轉型驅動力

作為向來重視信息技術應用的現代金融行業，其數字化轉型的驅動力有哪些呢？

總結來看，有如下幾個方面的驅動力。

首先，國家層面的數字國家戰略帶來了重大的發展機遇和發展驅動力。在行業層面，一行兩會（指中國人民銀行、中國證券監督管理委員會和中國銀行保險監督管理委員會）也推出了具體的發展措施來促進行業的金融科技和數字化轉型發展。

2019年，中國人民銀行印發《金融科技（FinTech）發展規劃（2019—2021年）》，強調數字科技對金融行業的驅動作用，指出金融科技核心技術發展方向和與其匹配的應用場景。該發展規劃是未來幾年金融科技工作的頂層設計方案。

2020年8月，中國證券業協會發布《關于推進證券行業數字化轉型發展的研究報告》，指出將加快出臺行業標準，促進金融科技應用融合。逐步建立完善人工智能、區塊鏈、云計算、大數據等數字技術在證券行業的應用標準和技術規范，完善人工智能技術在投資顧問業務領域的應用條件及合規要求。鼓勵證券公司在人工智能、區塊鏈、云計算、大數據等領域加大投入，促進信息技術與證券業務深度融合，推動業務及管理模式數字化應用水平提升，評估數字技術在證券業務領域的應用成果，推廣證券行業數字化最佳實踐引領行業轉型。

金融行業經過多年的信息化建設，具有良好的數字化基礎，但是數字化現狀仍然存在許多短板。

相對而言，金融企業的數字化水平與互聯網企業和先進數字企業相比還存在許多差距，例如在云計算、人工智能等的技術應用方面。此外，與國外頂級投資銀行如高盛、摩根士丹利相比在數字科技投入、數字科技運用水平、特色數字化產品等方面均存在著較大差距。

在金融行業內部，非銀金融機構與銀行，特別是國有大行和股份行相比，在數字化投入水平、自主研發和技術掌控能力方面均存在巨大的差距，導致行業內數字化水平差異巨大、參差不齊，小型金融機構與頭部領先企業比起來更是存在巨大的鴻溝。

這些差距鞭策著金融企業積極運用最新、最先進的信息技術，來彌補自身短板、增強競爭能力、趕上競爭對手、獲得商業成功。

金融企業做數字化轉型：一方面是順應時代發展，另一方面是增強自身優勢，包括管理優勢和業務優勢，從而在更趨激烈的市場競爭中生存下來，不被時代所拋棄。同時進一步發展，改進客戶體驗，得到客戶更佳的評價，創造更優的產品和服務，增強競爭力，提升管理效率，節約運營成本。最終實現創新領先，創造新的業務場景和數字化產品形態，實現智能化管理，融入數字生態并實現數字經濟轉化。

1.2.2?金融企業數字化轉型的挑戰與出路

那么，金融企業應該怎么做數字化轉型？難點和挑戰有哪些？

數字化轉型并沒有固化的模式。金融企業做數字化轉型的思路一般為規劃、試點、建設，分階段建設，不斷演進優化。

規劃階段的主要任務為摸清現狀，設定目標，設計好行動路線。試點階段的任務為選擇試點業務，運用先進科技，評估數字化效果，建立數字化制度規范。建設階段的任務為設定數字化戰略要求，分配任務到重點項目，審核數字化目標達成情況。通過迭代式的建設模式，不斷地分析建設成效，總結數字化實踐經驗和教訓，完善制度規范，梳理數字化要求，制訂下一階段數字化計劃。

數字化轉型建設過程中企業會碰到許多難點和挑戰，一般來說，有如下幾個方面。

● 規劃階段：步子邁太大，制定盲目而不切實際的數字化目標，不與業務現狀和現實需求相結合；或者只拘泥于現狀需求，引領性不夠；或者對自身現狀認識不清、不全面，導致數字化規劃盲目而空洞。

● 試點階段：時間拖太久，為試點而試點，沒有建立起后續可參照的規范體系，沒有取得值得建立信心的數字化成效。

● 建設階段：數字化總體目標不切實際，重點項目間協同不足，基礎平臺建設跟不上，標準和機制建立不起來，數據不足、數據質量差，技術方向選擇不當等。

● 發展階段：企業內外部數字鴻溝如何消除、數字摩擦如何減輕、數字生態如何建立和融入，先進技術如何了解、把控、運用等。

在數字化轉型的實踐過程中，我們深刻認識到，數字化轉型的核心點是企業對數據的管理和應用的能力。

數據是企業的血液，是數字化轉型的動力。金融企業如何構建先進的數據能力，如何更快地發現數據、匯集數據、分析數據，是數據化轉型所必須建立的核心能力，也是數字化轉型成敗的關鍵所在。本書將闡述金融企業如何規劃數據平臺、如何建立核心的基礎數據模型、如何建立起企業級別的數據指標和數據應用體系，以及如何運用數據體系支撐和應對各種業務場景，從而真正構建完整強大的企業數據能力體系。

數據治理是數字化轉型的關鍵所在。企業數字化轉型過程中最難的挑戰往往是數據的挑戰。數據缺乏標準化、數據質量不佳，最終將會導致企業數字化轉型失敗，金融企業尤為如此。而解決這個問題的舉措就是展開數據治理。

但數據治理是如此的難，金融企業作為數據治理多年的現行實踐者，也難以說取得了普遍性的成功。我們應該認真總結金融企業在數據治理中面臨的挑戰和困難，在此基礎上探索構建現代化數據治理體系的要訣。

以人工智能為代表的金融科技在金融企業的數字化轉型過程中起到加速促進的作用。數字化的下一步是智能化。企業現在應該主動積極地應用各種人工智能技術，來促進企業數字化轉型的建設，以取得創新性的應用效果。人工智能技術在專業垂直領域已經逐漸成熟，但是如何結合業務場景，發揮技術優勢，取得創新效果，仍然是業界面臨的難題。

總體來看，金融數字化轉型，就是從電子化走向數字化，再從數字化走向智能化，這也是行業所熱道的金融科技2.0。圖1.1展示了金融行業數字化演變的4個階段。

圖1.1 金融行業數字化演變的4個階段