日前，麥肯錫發布《中國銀行業CEO季刊(2019年冬季刊)》(以下簡稱《報告》)。其中提出，近年來，面對外部經營壓力、競爭和監管環境變化，國內銀行業收入和利潤增長步履維艱，很難突破雙位數;但在同樣嚴峻的環境下，全球領先銀行通過大數據應用，仍能在公司及零售核心業務上實現10%～15%的增長。此外，針對困擾很多銀行的不良率高企問題，領先銀行利用大數據和人工智能技術，在宏觀經濟下行情況下，仍然實現良好的風險控制。而人工成本上升、科技投入增加，令很多銀行的成本/收入比上升，但數字化、大數據和人工智能可以幫助銀行有效實現降本增效。

[[284635]]

根據麥肯錫全球數據工作坊的分析，規模化應用大數據和高級分析可顯著提升銀行業務績效、降低運營成本、優化風控和決策、改善監管數據效率及提升客戶體驗。大量銀行斥巨資于大數據和高級分析技術，就是看到了其背后的巨大價值。據麥肯錫全球研究院(MGI)測算，高級分析在全球各個行業的價值創造潛力高達9.5萬～15.4萬億美元，能推動銀行業利潤增長10%～15%。

得益于中國銀行業邁向高質量發展的內在要求、國家政策扶持以及相關技術能力的日臻成熟，在中國銀行業，大數據和高級分析規模化已進入黃金時代，是整個行業未來發展的大勢所趨。

據麥肯錫全球資深董事合伙人、中國區金融機構咨詢業務負責人曲向軍介紹：“全球前50大銀行中，90%以上都在積極應用高級分析技術。全球領先銀行將稅息前利潤的15%至17%投入到數字化、科技和大數據領域，科技和大數據人員占到總人數的17%左右;與之相比，中國銀行業的相關人才比例不足5%。擁抱大數據、提升銀行競爭力已是整個行業的共識，能夠率先轉型為‘科技銀行’、‘數據銀行’的金融機構，將在未來10年領跑同業。”

但需要注意的是，現階段，國內銀行在大數據規模化方面還存在幾大共性問題，如：大型銀行往往耗費大量時間和金錢，從全面數據治理開始大數據規模化應用，但這些投入卻久不見價值;小型銀行則畏難情緒嚴重，較差的數據基礎致使他們多止于觀望;此外，各類銀行還普遍存在模型搭建與業務場景應用“兩張皮”的情況，未遵循“用例驅動”和“閉環循環優化”原則;大數據人才匱乏進一步制約了規模化應用。

對此，《報告》給出了三項戰略舉措。首先，制定價值驅動的大數據實施路線圖：通過大數據診斷，識別出銀行的機會點，定義并對大數據用例進行優先排序，制定最佳實施路線圖，并在全行上下達成共識;其次，端到端大數據用例試點：通過落地1至2個試點用例，跑通端到端大數據用例閉環，對用例進行快速迭代優化，并驗證其業務價值，實現速贏;最后，夯實支撐體系，加速大數據規模化落地：對于一家信息科技預算在10億美元的銀行而言，簡化、梳理及優化數據管理工作，每年能給其節省0.71億美元。銀行需在18個月內循序漸進地建立大數據卓越中心，招募并培養大數據核心人才，完善數據治理機制，以及構建大數據相關系統，是保證大數據規模化落地的重中之重。

曲向軍最后總結道：“第一，銀行大數據應用要先從‘小數據’做起，從銀行內部數據入手，通過分析產生價值，實現小步快跑;第二，相比從下而上進行數據清理，從上而下用例驅動的方式更加有效;第三，數據清理是一個持續性工程，不是一勞永逸;第四，大數據用例要規模化，從亮點到規模、最終搭建平臺;第五，大數據人才培養要規模化，銀行應建立人才中心、大數據學院，實現人才的批量培養;第六，搭建聯邦制組織架構，在前臺業務部門和科技部門都應配備數據分析人員，讓業務與數據、科技實現有機融合;第七，銀行決策層要形成數據驅動型(IBS)決策文化，讓數據文化融入到銀行的DNA。”