“新生代银行”一词最早出现在2010年代中期，用于描述挑战传统银行的金融科技企业——这些企业通过创新、低成本数字化渠道，提供越来越全面的银行服务（而非仅限于支付、个人财务管理等）。不同地域也有其他不同叫法，如挑战者银行、虚拟银行、数字银行、网上银行和纯互联网银行。
随着时间推移，新生代银行的定义有所拓宽，边界渐渐模糊。很多传统银行推出了自己的数字化策略，金融科技企业也会与传统银行合作提供银行服务。
新生代银行如今的真正挑战在于，如何获得更大钱包份额，创造实际利润，从而强化既有竞争优势。很大程度上，针对这些答案就是——在新生代银行运营中广泛运用数据和AI能力。
AI可以帮助新生代银行深化客户关系，提升财务绩效。除了树立AI为先理念外，新生代银行还要切实发挥出AI的优势，从而创造真正商业价值。
麦肯锡建议，新生代银行的公司应秉承AI为先理念，在4个关联层打造整体能力，帮助银行成功建立起诸多差异化特色能力。
互动层：要想在当今竞争环境下脱颖而出，新生代银行需要打造能满足客户不同预期的独特体验和相关能力。首先，互动层应提供直观易用、快速响应且令人愉悦的客户体验。其次，这些体验应能解决客户最为迫切的痛点。再次，银行推出的体验应高度个性化，能满足每位客户独特需求、适应每位客户的特殊情况。
AI与分析驱动的决策层：为实现高度个性化，新生代银行应在获客、服务受理、提供服务、客户留存与交叉销售等客户生命周期各个阶段，部署覆盖全生命周期的细颗粒度AI决策。为此，银行应在信贷分析、产品与渠道偏好、营销疲劳（即银行与客户互动频次）与风险（包括客户流失、账款催收）等多个领域开发机器学习模型，识别出下一个最佳行动。首先，银行应广泛收集数据。由于机器学习模型需要大量数据，新生代银行需要搭建数据收集管道，收集传统和非传统数据流。传统数据流包括银行客户信息、交易数据，非传统数据流包括银行平台（App或网页）的点击量数据或来自众多第三方合作平台与聚合商的数据。随后，银行应将数据存储至统一数据平台，从而汇聚、充实并360°全方位呈现现有客户及潜客信息，并按产品、交易与服务请求等多维度透明追踪客户与银行间的各类互动。这将帮助新生代银行开发全新决策模型。
核心技术与数据层：新生代银行应致力于打造高度灵活、支持自由配置的云端核心平台，这将有助于工程团队轻松配置产品，快速推出新的产品变体。为此，新生代银行需要准确判断哪些组件应自主开发、哪些可外包。例如，多数新生代银行采用外部云基础设施与存储服务。作为第一步，新生代银行需要设计微服务引领、API优先的可扩展、高复用、模块化架构，缩短新功能面市时间，降低代码维护的总体成本，确保架构能够轻松与众多合作伙伴以及开放银行生态圈互联互通。此外，新生代银行还需搭建有效的数据管理模型，确保数据流动性，例如能在不同系统与模型中访问、提取、使用数据，而这是决策层各项决策的基础。
运营模式层：运营模式层决定了新生代银行的速度与敏捷性，其核心议题是银行如何吸引人才、打破组织壁垒。成功破题需要三大关键能力。第一，成功的新生代银行应树立远大公司愿景，培养卓越组织文化，从而吸引顶尖的银行与其他专业人才，如设计师、架构师、工程师以及数据科学家。第二，新生代银行应组建全能平台型团队，成员拥有达成最终业务目标所需的综合技能，这些业务目标包括创收、增强客户互动、确保服务质量、提高运营效率；此外，这些团队可以基于业务目标自主做出计划并采取行动的同时，与组织种的其它部门保持较弱联系。第三，新生代银行需要调整工作节奏与流程，从而在遵守监管与合规要求的同时，激发创新、鼓励尝试。
本篇文章来源于微信公众号: 数字金融网
