2019年中国银行业CEO冬季刊报告（286页）

行业报告下载 2019年12月23日 07:10 管理员

这些新增的监管规定涵盖了许多领域，包括监管方面，例如《对内部模型和监管审查和评估过程的针对性审查》（Targeted Review of Internal Models）11、系统性风险和对其进行衡量的压力测试、《巴塞尔协议III》（Basel III），数据保护方面例如《一般数据保障条例》（General Data Protection Regulation，简称GDPR）和欧盟支付服务修订法案（PSD2）。监管范围正在扩大，并对非金融风险和风险文化等领域进行了额外的审查。事实上，几乎每家参与的银行都被要求解决并缩小其在应对非金融风险方面的差距。某些监管规定（如GDPR和PSD2）的范围和影响直接推动了数字化的需求。例如，在为GDPR做准备时，银行可以采取必要的步骤来进一步增强其数字化能力，如采用复杂的技术来管理客户主数据12。与此同时，银行需要利用数字化手段，以便在PSD2和开放银行的范围内成功运营，并与高度数字化的非金融公司竞争。由于这些规定，这些公司现在可以捕捉到与客户前端互动的重要数据。在我们的调查中，30%的受访者表示，在过去5年里，风险监管成本增加了50%以上。此外，46%的受访者预计未来5年，成本将继续上升，不过他们预计增幅不到目前水平的50%（见图2）。

如今，银行客户采取的每一项行动、银行销售的每一种产品以及银行用于交付的每一个流程，都拥有丰富的实时数据，包括数字、文本、语音和图像。在本文中，我们将探讨运用这些数据开展高级分析所能带来的巨大机遇，以及银行采用高级分析方法所面临的挑战，并为银行提出高级分析战略和组织要素方面的建议。

如同这些案例，高级分析方法在实践中取得了很多令人瞩目的价值，但仍有坏消息。虽然类似的项目产生了很好的投资回报，但银行却很难扩大规模；重大的高级分析工作所带来的财务影响对于企业损益来说仍是微不足道的。一些高管甚至由此得出结论，虽然高级分析方法可能是某些活动的有益补充，但难以扩大规模则意味着它充其量只会成为融资、投资、交易和支付等传统业务的辅助。我们认为，这样的观点甚为短视。高级分析方法可能不仅包括一组单独的项目。如果银行将重大的战略和组织力量投入其中，则高级分析方法可以而且应该成为真正的商业规则。今天的商业领袖可能只是依稀记得，在20世纪70年代，营销成为专门学科之前传统银28 麦肯锡中国银行业CEO季刊 2019年冬季刊行开展业务的情形，抑或可以回顾IT技术还只是6个人在地下室使用IBM大型机时的日子，再看看今天，前所未有的IT技术驱动着银行的所有业务和流程。这样的对比强有力地提醒我们，新的规则会从根本上重塑旧的工作模式。高级分析方法就具有此种潜力。有三大因素共同推动着即将到来的鼎盛时期。首先，技术上的长足进步。信息的深度利用正在蓬勃发展：在过去几年中，有意义的数据数量呈指数增长，而处理器的规模和成本则不断下降。到2020年，预计每秒钟大约会产生1.7兆字节的新信息。如今企业积极拥抱和适应各种新的分析技术，而在过去这些技术可能被认为不切实际，甚至太理论化。并且这些分析技术正不断迭代进步。我们已经过了简单的线性回归时期，机器学习现在具有支持向量机、随机森林、梯度提升和其他许多令人惊叹的算法。计算能力呈指数增长，过去需要几周的分析量现在有可能在几秒钟内完成，再加上诸如Hadoop等新的数据存储技术，公司执行高级分析技术的能力得到了显著提升。