数字化是通过大数据、人工智能、边缘计算等技术构建一个个决策引擎，替代人主观的脑子决策业务流程中的关键决定，真正意义上实现智能化决策。它和信息化有什么区别呢？到底是不是未来的趋势？本文作者以银行零售业务为例，对数字化进行了分析，一起来看一下吧。
之前看了一个视频，马云8分钟的演讲30次提到数字化，强调了数字化未来在经济发展中的趋势和重要性。
今天就来聊下我理解的数字化，到底和信息化有什么区别？是新瓶装旧酒？还是一种全新的概念？他到底是不是未来的趋势？它在银行零售业务中又是如何应用的？
传统意义上，我们讲信息化，指的是把线下的生产元素（比如人、商品、原材料、报告等）全部搬到线上，在线上再复制一遍，再把线下的业务流程也搬到线上，从而让流程更简、效率更高。
当然很多人之前也把这个叫做数字化，只不过叫信息化更为合理。因为本质上线上化这个行为并不根本性影响生产决策，他只是重构／优化了流程。
而真正意义上的数字化，是通过大数据、人工智能、边缘计算等技术构建一个个决策引擎，替代人主观的脑子决策业务流程中的关键决定，真正意义上实现智能化决策。
先举个很简单的例子，你去银行app上申请信用贷款的时候，银行主要会通过拉取你的征信、以及公积金情况，来判断你是否是高风险人群，从而决定是否贷款给你。
这本质上就是一种业务逻辑，风险度的计算方式也是一个固定的公式。这种公式被认为可以过滤掉绝大部分的所谓高风险人群，从而让每一笔贷款都尽可能“安全”。
那么“通过这种固定公式来决定贷款与否”这个策略本身是否正确？
通过已有经验形成的固定公式，来决定银行该贷给谁？
还是通过历史的大数据分析，来决定银行该贷给谁？
这其实才是真正意义上的业务策略。
如果通过大数据分析，可以让用户群体扩大一倍，又依然能保证坏账率不大幅升高，那么毫无疑问，这样的策略银行一定会更喜欢，因为他们可以贷款给更多的人，赚更多的钱，但又不需要承担更大的风险。
数字化本身并没有什么太多新概念、新技术，它的核心价值是，帮助业务决策利益最大化。
案例：银行零售业务数字化
当前银行数字化转型核心痛点：
当前银行盈利是承压的，传统存贷业务已经逐渐定型，而零售业务成为了银行盈利增长的“新引擎”。
但是随着零售客户群体及需求的改变，银行无法以结构化的方式识别客户，无法精准聚焦客户需求，无法挖掘客户全生命周期价值成为最大痛点。
那么如何自动识别、如何自动聚焦每个人不同的需求、如何通过技术最大化用户的生命价值？不急，慢慢往下看。
看了下数据，2020年中国银行零售业务占比已经达到31.4%，其中上市银行的零售业务营收占比达到了42.3%，首次超过了对公业务，而且零售业务的利润占比也达到了45.61%，增长速率超营收增长速率的2倍。
毫无疑问，银行零售业务依靠其资产收益率高、经营风险分散、资产质量高、潜在客户规模大等特点，已经成为银行盈利增长的“新引擎”。
零售业务扩大业绩的主要思路，就是如何更好的获客、转化、唤活、复购。
而围绕这条链路的核心方法就是通过数字化，改进金融产品和服务在渠道侧和用户营销过程中的体验，改进运营和风控的高效性，来让业务获得更大的增量价值。
而这其中，数字化、智能化的能力将普遍应用到营销、运营、风控之中。
例如结构化操作任务使用RPA、智能客户营销精准定位新服务，客户服务部门使用虚拟助理或智能客服，风险控制使用机器学习模型等等。
所以数字化的重中之重就是帮助中小银行，以及部分大行在营销和运营端先做大做强。
而原先在渠道、营销、运营过程中面临的主要问题和机会是：
客群：下沉市场、有很多长尾客户值得被挖掘、潜力巨大；产品：客户有更多多样性的金融服务需求，产品同质化严重；渠道：部分中小行的渠道仍在建设中，客户群体固定且习惯于传统渠道；数据：因经营规模单一和小，数据质量差、数据缺失，缺乏数据规范。
首先，银行应该整合自有渠道的数据；
其次除了自身渠道，银行更应考虑整合客户在其他第三方系统上的行为数据，以扩展对客户的了解；
采集并整合各渠道自身业务数据，勾勒出更精准的用户画像，为客户带来更精准的营销和决策。
而这些数据，除了用户自身的数据，还应该在用户引流、用户互动、用户管理的过程中，由银行员工持续地进行打标，将业务数据化。
在客户管理周期中，具体怎么做流失预警、怎么做个性化营销、怎么做AB赛马，限于篇幅，后面再讲～
专栏作家
华叔的产品私塾，公众号：华叔的产品私塾，人人都是产品经理专栏作家。10年以上B端Saas经验，电商平台产品总监。擅长产品规划、定位、构建产品竞争力、大型产品的0-1搭建和重构。
本文原创发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于CC0协议。
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
如发现本站有涉嫌抄袭侵权/违法违规等内容，请联系我们举报！一经查实，本站将立刻删除。