要闻 三家美国银行相继倒闭：科技公司收割市场，传统银行如何翻盘 2019年12月1日 11:37:05 国际金融报
本文来源《国际金融报》，作者张者昂。原标题为《科技公司收割市场，传统银行如何翻盘》。
在刚刚过去不到两个月的时间里，有三家美国银行相继倒闭。它们分别是：新泽西城市国民银行(City National Bank of New Jersey)、俄亥俄州莫米市雷索卢特银行(Resolute Bank of Ohio)、肯塔基州的路易莎社区银行(Louisa Community Bank of Kentucky)。
而在大西洋的另一边，英国四大私营银行之一的劳埃德银行(Lloyds TSB)也经历了残酷的一周。
据英国《卫报》当地时间11月28日报道，在过去的这一周里，劳埃德银行作出了一个重要的决定，关闭在英的86个分行，这意味着至少会有400个工作岗位因此消失。
难以满足现代用户
在此次劳埃德的关店危机中，多家英国媒体都提到了一个原因“IT Crisis”(科技危机)。
去年4月，劳埃德对自己的IT平台进行迁移，却导致数周内许多使用该平台的用户无法准时收到自己的工资或补贴，还有不少人甚至无法进行转账或付款。根据英国银行业的调查，劳埃德之所以会出现这些问题，是由于它试图去建立一个新的数据平台。
英国广播公司BBC表示，这场科技危机影响了超过190万客户。
英国天空新闻(Sky News)称，这也让劳埃德的客户对它失去了信心，劳埃德似乎正努力修护用户的信心，但看起来并不奏效。天空新闻预计，这场事故让劳埃德的损失至少超过400亿美元。
在麦肯锡11月27日的发布的一份名为《点数成金：规模化大数据应用》的银行业冬季刊中，提到了一个案例：一家传统银行在进行数字化转型后，用户可以仅用5分钟就完成贷款申请，并且这项技术可以使得该银行此后成为业界的领军者。但用户却对这项技术的评价一般，原因是，所需要的操作的远比在网上购物麻烦，并且贷款并不能及时到账。
麦肯锡全球董事合伙人韩峰对《国际金融报》记者表示:“在大数据和高级分析应用上，多数银行取得了单次小范围的成功，但尚未实现真正的规模化。许多银行高管反映，尽管在大数据和高级分析法方面投入了巨资，但创造的价值却不成比例。究其原因，根源在于这些分析技术的使用不够广泛，即便能够创造出少量效益，也远未能扎根于银行的各个业务领域，实现全面开花。从客户经营角度来看，很多银行投入巨大资源获新客，但转化率不到25%，存量客户中75%左右都是准清零客户(1000元-2000元余额以下)，说明银行的存量客户经营能力非常薄弱。”
金融科技公司抢占市场
除了在技术上的需求不断提升，传统银行还因为金融科技公司的出现而被抢占了市场。
11月27日，估值55亿美元、欧洲最大的金融科技公司瑞士Klarna宣布自己今年已增加成千上万的新合作伙伴，包括服装品牌H&M、River Island、Michael Kors以及科技公司Microsoft、Expedia等。
这家金融科技公司以提供在线金融服务为主，为用户提供分期付款或即时转账功能。与此同时，Klarna也是一个中间平台，为买卖双方处理交易付款的问题，从而消除交易过程中存在的风险，俗称第三方支付。
事实上，Klarna现在所提供这些金融服务原本都是传统银行的业务，包括及时转账、分期付款以及作为金融中介。
但许多“天生的”金融科技公司却在这个科技时代显得更有优势，并在市场中占有了更大的市场份额、获取更多利润。麦肯锡在季刊中称，“这些数字化颠覆者的成本收入比在33%左右，而现有银行为55%。金融科技公司由于不受传统架构和银行监管的影响，使得它们比传统银行可以更快地推出产品满足客户需求，并且让它们具有更显著的成本优势。”
不仅如此，相比传统银行提供的服务，金融科技公司还可以依靠云计算等技术对客户数据信息进行高效的存储和计算，从而更有效地缓解了信息不对称。并可以真正实现随时随地、以任意方式进行支付结算，降低成本。
大数据转型或是解决之路
金融科技冲击下，传统银行业的出路在哪里?“大数据与高级分析能够给银行前台业务和中后台管理创造可观价值。”麦肯锡的冬季刊如是写道。
韩峰表示，“各家银行普遍重注产品销售，忽视客户体验。因此，在客户经营、获取和客户体验方面，大数据和高级分析均大有可为。”
麦肯锡冬季刊将零售银行作为一个研究对象，通过大数据精准营销，新客获客率可提升10%至15%，老客交叉/向上销售率可提升15%至20%，老客到期维护续接率可提升逾20%，流失客户挽回率可达到1%，准清零及以下客户的批量激活与经营可令客户价值提升50%以上。在风控等中后台管理上，大数据与高级分析同样成效斐然，可令成本至多降低30%。
对此，麦肯锡全球资深董事合伙人、中国区金融机构咨询业务负责人曲向军告诉《国际金融报》记者，“银行大数据应用要先从‘小数据’做起，从银行内部的数据入手，通过分析产生价值。而相比自下而上的数据清理，自上而下的用例驱动会更具效率。在实践过程中，迭代优化大数据用例，反向指导设计，形成闭环。”
同时，曲向军还强调，传统银行在转型过程中，“人”非常重要。“以银行首席分析官(CAO)为代表的数据分析部门主管要转变角色，需要从专家型人才转变成‘业务促进者’。在大数据的人才培养上要规模化，在前台业务部门和科技部门都配备数据分析人员，让业务与数据、科技实现有机融合。并且银行决策层要形成数据驱动型(IBS)决策文化，让数据文化融入到银行的DNA”。（编辑：刘瑞）
