银行数字化转型面临的问题

银行数字化转型面临的典型问题有：1、数据驱动业务的具象认知不足；2、对数据基础建设的重要性认知与投入不足；3、重视各类系统能力建设，未关注数据对业务的应用价值交付；4、忽视高级分析技术人才、算法建模型人才的业务理解能力建设；5、对线上行为类数据的采集与深度应用度不足。尽管各大银行（金融企业）都已经认识到数字化转型的必要性，但在实际落地层面，却常常面临着人才、方法论、跨部门协作等多重困局。

1、数据驱动业务的具象认知不足

数据的重要性和价值已然毫无争议，但具体到实际的业务应用中，受制于企业领导班子对数据的理解程度、员工数据应用的方法技能、数据质量和应用标准等层面均存在较大的不足，导致实际上数据并未真正成为推动业务决策和业务迭代的有力支撑，反倒有可能成为各业务团队争取话语权、粉饰太平的手段。

2、对数据基础建设的重要性认知与投入不足

数据价值发挥的基础，需要建立在完备、准确的数据基础之上。没有数据的基础，任何数据指标、数据分析、算法模型的投入，都无法为业务提供真正有效的输出。这种情况下，数据本身不止不能提供价值，反而是一种负资产，除了数据采集和处理本身的投入外，数据在应用环节常常需要为数据可信度问题投入过高的沟通、排查与清洗的成本，经不起应用层的检验，使得数据资产变成负资产。

3、重视各类系统能力建设，未关注数据对业务的应用价值交付

数据的价值发挥，最终一定要回归业务，不管是通过数据洞察驱动业务优化，还是直接通过数据工程化实现与业务系统的直接对接。其中，系统是对工作流、方法的承载，是提升效率的工具，最终一定是要回归到对业务人员的应用交付，真正能为业务带来价值，才算是完成了数据驱动的闭环。

4、忽视高级分析技术人才、算法建模型人才的业务理解能力建设

随着大数据与 AI 智能的概念兴起，数据挖掘、算法工程师等大数据技术人才受到金融机构极大的追捧。与此同时，大多数技术性人才往往缺乏业务理解与数据技术相结合的能力，实际在业务层落地时往往达不到预期，导致空有技术实力，却难以最终对业务产生实质性的提升效果。

5、对线上行为类数据的采集与深度应用度不足

随着业务的线上化程度逐渐提升，用户线上浏览、搜索、业务办理尝试等非直接业务结果类行为，可为企业提供丰富的用户意愿、需求、潜力的判断依据，进而为客户特征与偏好判断、潜在客群识别、精准营销、客户体验提升等方面提供高价值的信息，这对业态丰富、客群结构复杂的金融企业来说，是非常宝贵的信息。然而大多数金融企业在行为数据的采集和应用上，系统性投入还不足，并未充分挖掘数据的价值。