零售銀行的科技應用限制

因為工作關係，最近接觸了很多零售銀行借貸管理的業務流程和最新科技發展，發現技術雖然一日千理，應用起來卻是十年如一日。即使國內有頂尖金融科技初創(好些已經不止獨角獸，甚至已上市)，其實背後的核心技術仍然是固有那些。那麼到底是怎麼回事呢？我認為可以從幾個方面去切入，說明理想與現實的差距。

大數據風險管理

運用數據建立評分卡和作行為預測其實並不是甚麼新鮮事，銀行保險公司早就有專門人才去建模分析。大數據的意義在於加入弱相關的數據去為沒有信用記錄或是信用記錄不佳的客群作重新分類，開拓從前銀行拒絕了藍海。此外，分析亦應用於整個客戶管理週期，獲客用上的精準營銷，貸前的審批，貸中的管理，貸後催收及維護客戶關係等，都一一用上大數據。

然而，是否加入大量數據就可以增加盈利呢？今時採集數據的渠道多不勝數，小至在app上登記優惠，或是在社交媒體上留言，甚至通過通訊軟件發的每一個訊息，相信都無可避免被相關的公司儲存作分析用。我們時常強調以數據分析作為決策基準，但加入弱相關數據令建模結果含糊，也提高技術資源需求，卻沒有得出更有意思的推論。最後可以參考的建模方法論還是從前那個，引用強相關的數據作分析。

當然，建模方法本身隨著算法和計算能力都應該不斷演進，要更多反覆驗證去支持一個新的方法，畢竟未來只會愈來愈多數據聯動，漸漸形成一個與行為相互影響的時代。只是在今天，這個瓶頸還未被突破。

雲端

雲端本身是一個很大的議題。在今天的商業化應用層面上，大概只用到了其中一個部分——虛擬化。銀行都怕敏感數據泄露，所以大部份的數據還是乖乖躺在行內的某伺服器中。對於行內職員來說，雲端或者是一些虛擬機器用來做測試的；對於行外用戶來說，雲端可能是一個放著許多沒用的宣傳單張的頁面。所以，基本上銀行並沒有用上雲端本身帶來分享的好處，更和其立意優化運算資源沾不上邊。

私有雲是其中一個可行的解決方案，但要在行內推動數據共享彷佛又是另一個大難題。部門與部門之間有各自立場；工作層面要互相合作卻不希望完全透明；複雜的架構使數據的擁有人責任難以履清......要數下去還有成千上萬的因由，故此還是不要觸碰這吃力不討好的事。一個連虛擬化，數碼化都怕不安全想要全紙備份的模式，還談甚麼計算能力共享？

機械人

機械人本質上和大數據是相關的，因為機械人學習的原理就是來自數據，只是應用起來的目的不一樣而已。機械人也有很多種，在零售銀行用得上的有兩大類，一是程序自動化，另一是聊天機械人。程序自動化不一定涉及人工智能，不過利用自動化減省工序的原理就近乎用機械人化替人手，所以也歸這類。

自動化很多銀行也做，配合風險管理模型將申請審批，客戶管理，市場營銷，催收等整個生命週期最大程度自動化，改善客戶體驗。例如即時批核，小額貸款無須入息證明等等。其實這裏頭還有很多空間可以進一步縮減人手工序，比如核實文件之類。不過這些工序雖然在技術上行得通，現階段還未完全成熟並廣泛應用，而且推動起來還不是那麼容易，內部阻力不容忽視，畢竟那是關乎自己飯碗的轉變。

至於聊天機械人，這是最大可能引起下一波失業潮的技術。往後很可能只剩下能夠服務高端市場的私人銀行和企業銀行的人，那些一般客戶服務，小額貸款或旅遊保險的將會被機械人取代，廿四小時隨時隨地服務窮人。一般人想找個分行小職員罵兩句都沒機會了。不過，也不是用了機械人就可以一了百了，人總是喜歡人多於機器，服務質素和客戶體驗在某些方面仍然是真人比較有優勢，如一個對投資產品毫無認識的客戶就很難用機械人去說服他接受一個方案。故如何取一個平衡最為重要，相信很多銀行仍處於摸索階段，所以就算技術相對成熟也未全面推行。

模型可以建得很複雜，技術也可以隨著硬件設備升級，但這些發展的核心價值還是服務人，還是得圍繞著人。如果用的人覺得不好，那麼技術有多先進也沒有意思，其實人本身就是應用技術最大的限制。