【農(nóng)業(yè)銀行A支行數(shù)字化轉(zhuǎn)型情況的調(diào)研報(bào)告（論文）18000字】

農(nóng)業(yè)銀行A支行數(shù)字化轉(zhuǎn)型情況的調(diào)研分析報(bào)告目錄TOC\o"1-2"\h\u26612農(nóng)業(yè)銀行A支行數(shù)字化轉(zhuǎn)型情況的調(diào)研分析報(bào)告 16770第1章農(nóng)業(yè)銀行A支行基本情況與數(shù)字化發(fā)展現(xiàn)狀 175161.1農(nóng)業(yè)銀行A支行基本情況 1239031.2商業(yè)銀行數(shù)字化轉(zhuǎn)型影響因素的實(shí)證分析 2151731.3農(nóng)業(yè)銀行A支行轉(zhuǎn)型的必要性及可行性 679901.4農(nóng)業(yè)銀行A支行數(shù)字化轉(zhuǎn)型歷程及主要舉措 913354第2章A支行數(shù)字化轉(zhuǎn)型渠道及成效調(diào)研分析 11178932.1調(diào)查設(shè)計(jì) 1197562.2調(diào)查結(jié)果分析 11285932.3農(nóng)業(yè)銀行A支行數(shù)字化轉(zhuǎn)型提升經(jīng)營(yíng)能力的分析 1953692.4農(nóng)業(yè)銀行A支行數(shù)字化轉(zhuǎn)型運(yùn)營(yíng)成效分析 22第1章農(nóng)業(yè)銀行A支行基本情況與數(shù)字化發(fā)展現(xiàn)狀1.1農(nóng)業(yè)銀行A支行基本情況1.1.1基本情況中國(guó)農(nóng)業(yè)銀行（AGRICULTURALBANKOFCHINA）成立于1951年。近年來，農(nóng)業(yè)銀行秉承“立足本土，全球運(yùn)作”的發(fā)展戰(zhàn)略，積極融入國(guó)內(nèi)外金融大環(huán)境，成為國(guó)際金融市場(chǎng)的主流力量。農(nóng)業(yè)銀行A支行成立于1990年4月，作為一家國(guó)有控股的銀行，其主營(yíng)業(yè)務(wù)包括，吸收公眾存款；發(fā)放短期、中期、長(zhǎng)期貸款；辦理國(guó)內(nèi)外結(jié)算；辦理票據(jù)承兌與貼現(xiàn)等；經(jīng)國(guó)務(wù)院銀行業(yè)監(jiān)督管理機(jī)構(gòu)等監(jiān)管部門批準(zhǔn)的其他業(yè)務(wù)。1.1.2機(jī)構(gòu)設(shè)置及人員構(gòu)成農(nóng)業(yè)銀行A支行是一家二級(jí)支行。目前該行共有員工200多人，分為綜合管理部，公司業(yè)務(wù)部，個(gè)人金融部，運(yùn)營(yíng)財(cái)會(huì)部，共有10個(gè)網(wǎng)點(diǎn)。客戶經(jīng)理崗位30余人，以90后為主力，青年員工教育水平良好，為本科及研究生學(xué)歷，團(tuán)隊(duì)整體年輕化，素質(zhì)高、學(xué)習(xí)適應(yīng)能力強(qiáng)。機(jī)構(gòu)人員設(shè)置如下：圖3-1組織架構(gòu)1.1.3主要業(yè)務(wù)經(jīng)營(yíng)狀況A支行目前運(yùn)營(yíng)的六大業(yè)務(wù)板塊：貨幣市場(chǎng)業(yè)務(wù)板塊、交易業(yè)務(wù)板塊、貴金屬業(yè)務(wù)板塊、債券承分銷業(yè)務(wù)板塊、理財(cái)業(yè)務(wù)板塊、票據(jù)業(yè)務(wù)板塊。A支行的收益來源于利息收入以及手續(xù)費(fèi)傭金等，具體如表3-1所示：表3-1中國(guó)農(nóng)業(yè)銀行A支行利息收入表2017年2018年2019年2020年2021年利息凈收入（萬元）601.2651.8732.94836.58941.8系統(tǒng)內(nèi)往來凈收入（萬元）141.69162.76172.84191.95211.74手續(xù)費(fèi)及傭金凈收入（萬元）69.167.9867.7379.862.52數(shù)據(jù)來源：中國(guó)農(nóng)業(yè)銀行A支行2017-2021年財(cái)務(wù)報(bào)表可以看出該銀行近五年的收益基本上都是處于上升的，2020年以及2021年的利息凈收入增長(zhǎng)幅度相對(duì)較大，其系統(tǒng)內(nèi)往來凈收入以及手續(xù)費(fèi)及傭金收入在這五個(gè)年度內(nèi)均沒有較大的變動(dòng)，手續(xù)費(fèi)及傭金收入在2021年的時(shí)候較上年有所下降。1.2商業(yè)銀行數(shù)字化轉(zhuǎn)型影響因素的實(shí)證分析1.2.1影響因素分析（1）數(shù)字化技術(shù)用；本質(zhì)上來講數(shù)字化技術(shù)脫胎于“互聯(lián)網(wǎng)+”，因此數(shù)字化技術(shù)可以理解為“互聯(lián)網(wǎng)+數(shù)字”。顧名思義，“數(shù)字化技術(shù)”就是可以通過互聯(lián)網(wǎng)將一部分東西轉(zhuǎn)化為表面上的“數(shù)字”，“移動(dòng)支付”就是數(shù)字化技術(shù)典型的代表。（2）數(shù)字化服務(wù)能力數(shù)字化的服務(wù)能力將會(huì)前所未有地提高交易效率，貨幣流動(dòng)速度會(huì)得到加快，至少相對(duì)于之前需要紙質(zhì)貨幣才能交易地時(shí)代，這樣的結(jié)果是顯而易見的，由于貨幣流動(dòng)速度得到加快，間接的促進(jìn)了商業(yè)銀行的收入也是無可厚非的，在長(zhǎng)期中，這種數(shù)字化服務(wù)能力的技術(shù)對(duì)商業(yè)銀行的各方面的促進(jìn)作用將會(huì)更加明顯。（3）銀行的策略和結(jié)構(gòu)在數(shù)字化技術(shù)大行其道的今天，商業(yè)銀行對(duì)于數(shù)字化的策略和結(jié)構(gòu)只有積極接受并且在自身基礎(chǔ)上不斷適應(yīng)，例如根據(jù)新的數(shù)字技術(shù)——“移動(dòng)支付”開發(fā)網(wǎng)上銀行新功能，從而極大的精簡(jiǎn)了銀行部門與機(jī)構(gòu)；采用人工智能機(jī)器代替，在這種數(shù)字化技術(shù)的應(yīng)用下，商業(yè)銀行的策略和結(jié)構(gòu)都將發(fā)生如上述的巨大變化。（4）政府相關(guān)政策政府部門對(duì)于數(shù)字化技術(shù)采取積極接受的方式，只是其中的流程較復(fù)雜，一時(shí)也不可能采用人工智能代替，目前來看，這還是一個(gè)長(zhǎng)遠(yuǎn)的工程。1.2.2指標(biāo)選取金融科技時(shí)代商業(yè)銀行的數(shù)字化轉(zhuǎn)型研究，就研究對(duì)象來說已經(jīng)是一個(gè)老僧常談的問題了，但是數(shù)字化技術(shù)這種隸屬于“互聯(lián)網(wǎng)+”的方法卻是非常新穎，這在很大程度決定了指標(biāo)選取的難度，指標(biāo)不易挑選以及數(shù)據(jù)難以查找等難題。通過閱覽大多數(shù)參考文獻(xiàn)，指標(biāo)選取如下表。表3-2指標(biāo)示例符號(hào)解釋類型單位Mp移動(dòng)支付自變量萬億Ni凈利潤(rùn)因變量萬元Mf管理費(fèi)用因變量萬元c常數(shù)截距無本節(jié)的數(shù)據(jù)來源于“Choice金融數(shù)據(jù)終端”，處理方法是將“移動(dòng)支付當(dāng)季值”單位擴(kuò)大化，而在各商業(yè)銀行的“凈利潤(rùn)”和“管理費(fèi)用”方面，采取當(dāng)季已公布各商業(yè)銀行的凈利潤(rùn)和管理費(fèi)用的算術(shù)平均值來代替行業(yè)平均，而為了彌補(bǔ)算數(shù)平均值受到極值的影響，會(huì)剔除掉數(shù)值較大或者較小的商業(yè)銀行，并且為了彌補(bǔ)量綱差異，“凈利潤(rùn)”和“管理費(fèi)用”將會(huì)采取萬元的單位，也為了在一定程度上彌補(bǔ)小樣本的數(shù)據(jù)量對(duì)OLS的限制，在對(duì)這兩個(gè)因變量采取萬元單位基礎(chǔ)上，進(jìn)行OLS建模時(shí)再進(jìn)行取對(duì)數(shù)以平滑處理。1.2.3模型的建立及結(jié)果分析表3-3lnni與mp系數(shù)表VariableCoefficientStd.Errort-StatisticProb.C12.902750.18284570.566700.0000MP0.0121720.0031701.8397330.0006R-squared0.337045

Meandependentvar11.46783AdjustedR-squared0.314185

S.D.dependentvar0.729526S.E.ofregression0.604150

Akaikeinfocriterion1.892351Sumsquaredresid10.58491

Schwarzcriterion1.984867Loglikelihood-27.33145

Hannan-Quinncriter.1.922509F-statistic12.74355

Durbin-Watsonstat0.836208Prob(F-statistic)0.000617如上表所示，lnni作為商業(yè)銀行凈利潤(rùn)的因變量以及mp作為移動(dòng)支付自變量的系數(shù)表。不難看出，移動(dòng)支付對(duì)凈利潤(rùn)是有積極的影響的，即使這種影響很小，此外，R方不高，解釋程度不是很好，就連DW值都較小，種種跡象都表明模型存在一定的問題，但是其原因和數(shù)字化技術(shù)的時(shí)間限制造成的樣本容量小有很大的關(guān)系，也可能和數(shù)據(jù)處理有關(guān)，但是樣本容量依舊是造成以上種種問題的根本原因，基于以上問題考慮對(duì)模型進(jìn)行修正，首先首要解決的問題是DW值較小，可能存在一階自相關(guān)問題，這也是時(shí)間序列數(shù)據(jù)時(shí)常會(huì)產(chǎn)生的問題，至于多重共線性問題可以不予考慮，因?yàn)榫鸵粋€(gè)自變量。表3-4修正后的lnni與mp系數(shù)表VariableCoefficientStd.Errort-StatisticProb.C12.958530.37015335.008530.0000MP0.0111420.0057611.9338860.0637AR(1)0.5742630.1605781.5762230.0013R-squared0.531337

Meandependentvar11.49999AdjustedR-squared0.496622

S.D.dependentvar0.719302S.E.ofregression0.510339

Akaikeinfocriterion1.587157Sumsquaredresid7.032040

Schwarzcriterion1.727276Loglikelihood-20.80735

Hannan-Quinncriter.1.631982F-statistic15.30536

Durbin-Watsonstat1.840529Prob(F-statistic)0.000036鑒于對(duì)DW值的度量，對(duì)可能存在一階自相關(guān)問題進(jìn)行修正；增加一個(gè)一階自回歸自變量是典型的處理一階自相關(guān)的方法，增加后的結(jié)果如上表所示，DW值已經(jīng)很接近2，基本可以斷定不存在自相關(guān)問題，并且R方由之前的0.33上升到0.53；此外，AIC和SIC都有了不同程度的降低，F(xiàn)統(tǒng)計(jì)量的P值也更接近于0，說明模型的整體效果的確比之前較優(yōu)，各種指標(biāo)表面了此時(shí)的模型是有統(tǒng)計(jì)意義的。根據(jù)上表可以得到如下模型：lnni=12.95853+0.011142?mp+0.574263?ar1+ε（1.表3-5GMM穩(wěn)健性檢驗(yàn)VariableCoefficientStd.Errort-StatisticProb.

C11.116020.19676266.659320.0000MP0.0081100.0065531.2375010.2266AR(1)0.5823040.2042842.8504590.0083R-squared0.526531

Meandependentvar11.49999AdjustedR-squared0.491459

S.D.dependentvar0.719302S.E.ofregression0.512949

Sumsquaredresid7.104163Durbin-Watsonstat1.885541

J-statistic1.57E-27Instrumentrank3InvertedARRoots

0.58采取GMM替代OLS進(jìn)行再次回歸；但是GMM法需要?jiǎng)t取工具變量，由于自變量只有一個(gè)，ar(1)這個(gè)變量不能充當(dāng)工具變量，因此采取一般的方法，將MP(-1)作為工具變量，常數(shù)被默認(rèn)納入工具變量；如上表所示，通過對(duì)比表2和表3不難發(fā)現(xiàn)，系數(shù)和P值有一定差別，但是這種差別依舊在可容納的范圍內(nèi)，移動(dòng)支付的系數(shù)從0.011變?yōu)?.008，并且P值由0.06變?yōu)?.22，即凈利潤(rùn)在更小置信水平下有更小的增量，所以此時(shí)穩(wěn)健性檢驗(yàn)的作用體現(xiàn)出來了，那么選擇更高置信水平的更大增量是更優(yōu)的選擇。不難看出，mp的系數(shù)較之前有所降低，因?yàn)锳R(1)在有限的樣本容量里分擔(dān)了一些解釋程度；因此根據(jù)以上模型，可以得到以下經(jīng)濟(jì)意義：移動(dòng)支付每上升1%，商業(yè)銀行凈利潤(rùn)將上升0.011%，這是一個(gè)微小的增量，但是究其原因，不外乎兩點(diǎn)，第一個(gè)原因就是時(shí)間不夠長(zhǎng)，受制于數(shù)字化技術(shù)的新興，樣本容量不大；第二個(gè)原因是本文數(shù)據(jù)處理的問題，可能存在剔除掉一些表現(xiàn)較好的商業(yè)銀行，但是為了彌補(bǔ)算術(shù)平均值的缺陷，在有限的樣本容量下，只能采取這種方法，由于舍棄了一些極值造成了增量不明顯。但是移動(dòng)支付對(duì)商業(yè)銀行凈利潤(rùn)的積極影響是可以理解的。表3-6lnmf與mp系數(shù)表VariableCoefficientStd.Errort-StatisticProb.C11.643090.19402370.316940.0000MP-0.0105770.003364-1.1442140.0038R-squared0.254232

Meandependentvar11.15208AdjustedR-squared0.228516

S.D.dependentvar0.729880S.E.ofregression0.641084

Akaikeinfocriterion2.011029Sumsquaredresid11.91867

Schwarzcriterion2.103544Loglikelihood-29.17094

Hannan-Quinncriter.2.041186F-statistic9.886082

Durbin-Watsonstat1.639537Prob(F-statistic)0.003825沒有再進(jìn)行自相關(guān)修正是因?yàn)镈W值并沒有小于1，并且已經(jīng)大于du=1.496這一端，其次進(jìn)行AR(1)之后的R方是降低的，出于種種考慮，此處便沒有再進(jìn)行自相關(guān)修正。但是R方是較低的，至于其原因前文已經(jīng)贅述過，樣本量小是主要原因。但是由于其依舊通過顯著性檢驗(yàn)，依舊具有統(tǒng)計(jì)意義，因此可以得到如下模型：lnmf=13.64309?0.010577?mp+ε（1.2）表3-7GMM穩(wěn)健性檢驗(yàn)VariableCoefficientStd.Errort-StatisticProb.

C11.571870.19888068.241590.0000MP-0.0094090.004038-2.3300200.0272R-squared0.224830

Meandependentvar11.12114AdjustedR-squared0.197146

S.D.dependentvar0.721389S.E.ofregression0.646380

Sumsquaredresid11.69861Durbin-Watsonstat1.594653

J-statistic1.40E-45Instrumentrank2有了前文同類型的穩(wěn)健性檢驗(yàn)，此處對(duì)比GMM系數(shù)表和原系數(shù)表將會(huì)更加容易，同樣此處選擇MP(-1)和常數(shù)為工具變量，移動(dòng)支付的系數(shù)由-0.011變?yōu)?0.01，P值由0.0038變?yōu)?.0272，結(jié)果與前文移動(dòng)支付對(duì)商業(yè)銀行凈利潤(rùn)影響的GMM穩(wěn)健性檢驗(yàn)類似，同樣都是在更小的置信水平有更小的系數(shù)，當(dāng)然此處的系數(shù)是取絕對(duì)值來說，因此同樣選取更大置信水平的更大的絕對(duì)值系數(shù)，因?yàn)檫@樣的結(jié)果將會(huì)更具可信度。正如模型（1.2）所示，的確如最開始預(yù)期的結(jié)果一致，移動(dòng)支付對(duì)管理費(fèi)用有消極的影響，即移動(dòng)支付每上升1%，管理費(fèi)用將會(huì)下降0.010577%，同樣是微小的減量，與前文移動(dòng)支付對(duì)商業(yè)銀行凈利潤(rùn)的微小增量幾乎相同，再次直接證明了由于樣本容量小的原因，限制了自變量的系數(shù)；一定程度上間接說明了在長(zhǎng)期中，移動(dòng)支付可以減少管理費(fèi)用，并且前文的結(jié)論也表明可以增加銀行的凈利潤(rùn)，管理費(fèi)用的減少以及凈利潤(rùn)的增加是當(dāng)今數(shù)字化技術(shù)日趨發(fā)展的結(jié)果。1.3農(nóng)業(yè)銀行A支行轉(zhuǎn)型的必要性及可行性1.1.1A支行數(shù)字化轉(zhuǎn)型的必要性綜上所述，數(shù)字技術(shù)的發(fā)展對(duì)中國(guó)的商業(yè)銀行產(chǎn)生了深遠(yuǎn)的影響。為了提高業(yè)務(wù)績(jī)效，國(guó)內(nèi)的商業(yè)銀行在發(fā)展過程中，必須快速實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型，應(yīng)用先進(jìn)的數(shù)字化技術(shù)，對(duì)商業(yè)銀行自身提供的金融服務(wù)水平和質(zhì)量進(jìn)行進(jìn)一步的提升。（1）政治環(huán)境從科技發(fā)展的溢出效應(yīng)以及目前數(shù)字化轉(zhuǎn)型的情況來看，數(shù)字經(jīng)濟(jì)因其自身的高效性自然而然地成為了經(jīng)濟(jì)增長(zhǎng)的潛力股，同時(shí)也就理所應(yīng)當(dāng)?shù)厥艿礁鲊?guó)政府的高度重視。國(guó)務(wù)院發(fā)布了《十三五國(guó)家創(chuàng)新規(guī)劃》，在規(guī)劃中，提出要大力發(fā)展金融科技，鼓勵(lì)發(fā)展金融科技產(chǎn)品以及服務(wù)創(chuàng)新。中國(guó)人民銀行在2019年也是發(fā)布了一則規(guī)劃，即《金融科技（FinTech）發(fā)展規(guī)劃（2019-2021）》，提出了6大類27項(xiàng)任務(wù)，以3年為界限劃分時(shí)間段，多角度描繪了金融科技的規(guī)劃和構(gòu)想。規(guī)劃詳細(xì)，規(guī)劃清晰，因而也被視為銀行業(yè)數(shù)字化轉(zhuǎn)型的綱領(lǐng)性文件。（2）經(jīng)濟(jì)環(huán)境我國(guó)的經(jīng)濟(jì)呈穩(wěn)健增長(zhǎng)的態(tài)勢(shì)。根據(jù)相關(guān)數(shù)據(jù)顯示，2021年，我國(guó)國(guó)內(nèi)生產(chǎn)總值達(dá)112.4萬億元，同比增長(zhǎng)8.1%，與此同時(shí)，隨著促進(jìn)共同富裕戰(zhàn)略部署的扎實(shí)推進(jìn)，我國(guó)居民收入穩(wěn)定增長(zhǎng)，實(shí)現(xiàn)人均可支配收入35128元，實(shí)際增長(zhǎng)率達(dá)8.1%，增速與經(jīng)濟(jì)增長(zhǎng)基本上保持同步。利率市場(chǎng)化更給了商業(yè)銀行高效融資的機(jī)會(huì)，即通過差異化的利率更好地、更廣泛地吸納整個(gè)社會(huì)的閑散資金，提升資金的利用效率，從而提升商業(yè)銀行的經(jīng)營(yíng)管理質(zhì)量。（3）社會(huì)環(huán)境在新冠疫情常伴的一兩年內(nèi)，各商業(yè)銀行紛紛強(qiáng)調(diào)線上經(jīng)營(yíng)、數(shù)字化的重要性，各商業(yè)銀行也在線上渠道服務(wù)上也有更進(jìn)一步的加強(qiáng)，一系列的探索都使得商業(yè)銀行的數(shù)字化程度進(jìn)一步地深化。新時(shí)代的客戶也逐漸適應(yīng)了這樣的線上服務(wù)，并提出了更進(jìn)一步的線上服務(wù)極致體驗(yàn)的需求。廣大消費(fèi)者的需求正是商業(yè)銀行數(shù)字化轉(zhuǎn)型的方向，商業(yè)銀行的數(shù)字化轉(zhuǎn)型也是為了更好、更快、更近、更安全地向消費(fèi)者提供金融服務(wù)。（4）技術(shù)環(huán)境在互聯(lián)網(wǎng)的浪潮之下，金融科技也紛紛開始用金融科技武裝自己，加快將新興金融科技融入金融服務(wù)的步伐。大數(shù)據(jù)、人工智能、人臉識(shí)別、人機(jī)交互等新興技術(shù)逐漸運(yùn)用到商業(yè)銀行的金融服務(wù)中來，一方面，這些新技術(shù)的應(yīng)用帶動(dòng)了金融機(jī)構(gòu)的金融服務(wù)水平，客戶通過人臉識(shí)別技術(shù)能夠在線上調(diào)取個(gè)人明細(xì)、卡持有證明等以前需要客戶本人持證件前往線下網(wǎng)點(diǎn)辦理的業(yè)務(wù)，給客戶帶來更為高效快捷的服務(wù)。另一方面，因?yàn)榧夹g(shù)的實(shí)施帶來了各方面成本的下降，通過大數(shù)據(jù)技術(shù)，能夠?qū)τ诳蛻粜畔⑦M(jìn)行梳理和分類，從而更加精準(zhǔn)地鎖定目標(biāo)客戶，能夠更高效地實(shí)施營(yíng)銷活動(dòng)，降低了人工成本以及營(yíng)銷費(fèi)用。1.1.2A支行數(shù)字化轉(zhuǎn)型的可行性（1）機(jī)會(huì)根據(jù)國(guó)家互聯(lián)網(wǎng)信息辦公室印發(fā)的《數(shù)字中國(guó)建設(shè)發(fā)展進(jìn)程報(bào)告（2019年）》顯示，我國(guó)數(shù)字經(jīng)濟(jì)在2019年保持了快速增長(zhǎng)，數(shù)字經(jīng)濟(jì)增加值的規(guī)模達(dá)到35.8萬億元，這一數(shù)字占到了國(guó)內(nèi)生產(chǎn)總值的36.2%，而對(duì)于對(duì)GDP增長(zhǎng)的貢獻(xiàn)率為67.7%。在數(shù)字經(jīng)濟(jì)規(guī)模以及所占比重大幅提升的同時(shí)，其結(jié)構(gòu)也實(shí)現(xiàn)了持續(xù)的優(yōu)化升級(jí)，產(chǎn)業(yè)數(shù)字化增加值占數(shù)字經(jīng)濟(jì)的80.2%，在數(shù)字治理、數(shù)字能力、數(shù)字惠民、數(shù)字政府建設(shè)等多方面都取得了顯著的成效，進(jìn)一步鞏固了我國(guó)在數(shù)字經(jīng)濟(jì)發(fā)展中的主引擎地位。數(shù)字技術(shù)的更新?lián)Q代給許多行業(yè)帶來了新的機(jī)遇，金融行業(yè)也需要面對(duì)數(shù)字化轉(zhuǎn)型的機(jī)遇和挑戰(zhàn)，迎難而上，實(shí)現(xiàn)系統(tǒng)化有深度的數(shù)字化轉(zhuǎn)型，通過科技賦能金融，通過數(shù)字技術(shù)全面改造原有的機(jī)械的作業(yè)方式、業(yè)務(wù)模式和業(yè)務(wù)流程，從而進(jìn)一步提升業(yè)務(wù)效率，形成良性的金融生態(tài)，從而提升商業(yè)銀行的經(jīng)營(yíng)能力，并最終為實(shí)體經(jīng)濟(jì)的健康發(fā)展貢獻(xiàn)力量，這是商業(yè)銀行在現(xiàn)階段的數(shù)字化轉(zhuǎn)型所面臨的問題。（2）威脅商業(yè)銀行作為傳統(tǒng)的行業(yè)，現(xiàn)有的業(yè)務(wù)模式及行業(yè)整體情況都經(jīng)歷過多年的經(jīng)濟(jì)周期的洗禮，可以說整體的風(fēng)險(xiǎn)都是在可控范圍內(nèi)的。而數(shù)字化轉(zhuǎn)型，意味著引進(jìn)金融科技對(duì)于商業(yè)銀行的全方面進(jìn)行變革，而這種改造從頭到腳都是新的，還沒有經(jīng)歷過完整的經(jīng)濟(jì)周期的考驗(yàn)，謹(jǐn)慎地來說，不排除這種改造是存在問題甚至是會(huì)產(chǎn)生風(fēng)險(xiǎn)的。在這樣的情況下，如果只是大刀闊斧地放任數(shù)字化轉(zhuǎn)型的推進(jìn)，而不對(duì)科技和金融進(jìn)行有效的控制以及隔離，那么在面臨經(jīng)濟(jì)波動(dòng)加劇所帶來的宏觀周期風(fēng)險(xiǎn)時(shí)，不排除這樣的可能性，即金融科技可能會(huì)加速金融風(fēng)險(xiǎn)的擴(kuò)散，甚至是對(duì)于系統(tǒng)性風(fēng)險(xiǎn)產(chǎn)生進(jìn)一步的擴(kuò)大作用。（3）優(yōu)勢(shì)作為大型國(guó)有商業(yè)銀行，A支行自身的實(shí)力便不再贅述，相較于股份制銀行及其他中小型銀行，A支行科技系統(tǒng)建設(shè)相對(duì)先進(jìn)，科技研發(fā)經(jīng)費(fèi)投入、系統(tǒng)建設(shè)能力都較為充足，也組建了自己的科技子公司，這也就是說，在實(shí)施數(shù)字化轉(zhuǎn)型的過程中，A支行能夠更迅速地開展各項(xiàng)轉(zhuǎn)型工作，組建團(tuán)隊(duì)，針對(duì)數(shù)字化背景下的具體業(yè)務(wù)設(shè)計(jì)標(biāo)準(zhǔn)和數(shù)據(jù)結(jié)構(gòu)，能夠較快地在信息碎片化場(chǎng)景下實(shí)現(xiàn)業(yè)務(wù)的快速迭代。（4）劣勢(shì)金融科技背景下的數(shù)字化觀念意識(shí)的轉(zhuǎn)變是一個(gè)較難的過程，同時(shí)由于A支行多年經(jīng)營(yíng)所構(gòu)成的組織結(jié)構(gòu)相對(duì)成熟，整體工作思維方式仍沿用傳統(tǒng)銀行的思維邏輯進(jìn)行經(jīng)營(yíng)管理，相對(duì)固化，難以跟上金融科技背景下快速迭代的金融市場(chǎng)發(fā)展。同時(shí)，相較于同期的金融科技公司，A支行作為傳統(tǒng)的商業(yè)銀行還是存在技術(shù)水平及人才儲(chǔ)備不足的問題。雖然在2018年，A支行就成立了金融科技子公司為數(shù)字化轉(zhuǎn)型做好了準(zhǔn)備，但是由于成立時(shí)間短，加之傳統(tǒng)銀行業(yè)對(duì)高端金融科技行業(yè)來說人才吸引力不足，科技人員培養(yǎng)周期長(zhǎng)等因素也導(dǎo)致相關(guān)的技術(shù)儲(chǔ)備和人才儲(chǔ)備還是處在缺乏的狀態(tài)。1.4農(nóng)業(yè)銀行A支行數(shù)字化轉(zhuǎn)型歷程及主要舉措1.2.1建立專業(yè)數(shù)字化治理體系根據(jù)企業(yè)戰(zhàn)略管理的相關(guān)理論知曉，企業(yè)戰(zhàn)略管理是在宏觀層面上為實(shí)現(xiàn)業(yè)務(wù)優(yōu)化和效率提升目標(biāo)而制定的綜合性、長(zhǎng)期性的基本計(jì)劃。A支行承接上級(jí)的戰(zhàn)略構(gòu)想，成立了金融科技創(chuàng)新委員會(huì)辦公室，負(fù)責(zé)落實(shí)金融科技戰(zhàn)略企業(yè)級(jí)業(yè)務(wù)的需求統(tǒng)籌、科創(chuàng)項(xiàng)目統(tǒng)籌以及科研項(xiàng)目后評(píng)價(jià)等工作。自此開啟了全面數(shù)字化轉(zhuǎn)型的篇章，A支行以數(shù)字化經(jīng)營(yíng)作為落實(shí)“三大戰(zhàn)略”的突破點(diǎn)，遵循“建生態(tài)、搭場(chǎng)景、擴(kuò)用戶”的基本方法，形成了極具行特色的數(shù)字化轉(zhuǎn)型之路。1.2.2建立金融科技專業(yè)團(tuán)隊(duì)在數(shù)字化轉(zhuǎn)型的過程中，除了適配的治理體系，非常重要的是要有屬于自己的專業(yè)化團(tuán)隊(duì)，那么在2018年，A支行就整合了直屬的研發(fā)團(tuán)隊(duì)，成立了金融科技子公司，從而打造更具市場(chǎng)化的金融科技創(chuàng)新隊(duì)伍。同時(shí)銀行將新一代核心系統(tǒng)進(jìn)行更進(jìn)一步的鋪設(shè)，其服務(wù)范圍延伸覆蓋到海外機(jī)構(gòu)和子公司，從而實(shí)現(xiàn)集團(tuán)信息科技能力的整體提升。這一專業(yè)的團(tuán)隊(duì)所進(jìn)行的信息化服務(wù)不僅僅是面向集團(tuán)內(nèi)部的，對(duì)于外部客戶、同業(yè)以及合作者，銀行也開放了公有云服務(wù)、智慧政務(wù)服務(wù)等17個(gè)平臺(tái)，為他們提供了技術(shù)服務(wù)。1.2.3構(gòu)建科技型智慧渠道數(shù)字化轉(zhuǎn)型使得技術(shù)全方面作用于商業(yè)銀行的方方面面。得益于信息技術(shù)的快速發(fā)展，原本僅能通過線下進(jìn)行業(yè)務(wù)處理的模式逐漸開始有了新的變化。A支行逐漸開放了網(wǎng)上銀行、手機(jī)銀行、微信銀行等渠道，辦理業(yè)務(wù)的場(chǎng)景從線下切換到線上，線上業(yè)務(wù)的范疇也越來越廣闊。隨著信息技術(shù)的進(jìn)步，線上渠道也擁有了更多更新穎的人機(jī)交互方式，例如智能語音、指紋、人臉識(shí)別等生物識(shí)別技術(shù)，一方面這些新興技術(shù)的運(yùn)用改善了客戶的體驗(yàn)，另一方面也實(shí)現(xiàn)了線下業(yè)務(wù)線上遷移的進(jìn)一步擴(kuò)展，優(yōu)化了業(yè)務(wù)效率。在業(yè)務(wù)渠道拓展的同時(shí)，A支行也在積極對(duì)接第三方平臺(tái)的合作，利用數(shù)字金融產(chǎn)品和平臺(tái)，依托大數(shù)據(jù)、區(qū)塊鏈等現(xiàn)代信息技術(shù)，積極實(shí)施三農(nóng)業(yè)務(wù)數(shù)字化轉(zhuǎn)型。利用現(xiàn)場(chǎng)金融服務(wù)，不斷為助力農(nóng)村產(chǎn)業(yè)繁榮注入新興科技金融力量。業(yè)務(wù)的轉(zhuǎn)型不僅僅是針對(duì)城市業(yè)務(wù)，在農(nóng)村金融業(yè)務(wù)中也有進(jìn)行轉(zhuǎn)型的必要，雙向業(yè)務(wù)的轉(zhuǎn)型能夠更好的完善業(yè)務(wù)整體的數(shù)字化轉(zhuǎn)型，而農(nóng)村金融轉(zhuǎn)型主要目的是服務(wù)于三農(nóng)發(fā)展，把更好的金融服務(wù)提供給農(nóng)村產(chǎn)業(yè)助力其發(fā)展。在農(nóng)業(yè)生產(chǎn)領(lǐng)域，積極打造農(nóng)業(yè)產(chǎn)業(yè)鏈站點(diǎn)，不斷提升農(nóng)業(yè)產(chǎn)業(yè)化龍頭企業(yè)、農(nóng)民專業(yè)合作社等新型農(nóng)業(yè)經(jīng)營(yíng)者金融服務(wù)的可獲得性和便利性。在農(nóng)村流通領(lǐng)域，圍繞當(dāng)前的商品交易市場(chǎng)，構(gòu)建智能市場(chǎng)場(chǎng)景，融合在線交易、在線金融、全額支付等功能于一體，助力交易市場(chǎng)商戶的發(fā)展壯大，促進(jìn)農(nóng)產(chǎn)品和工業(yè)產(chǎn)品流向城市。在幸福生活領(lǐng)域，積極支持以旅游、文化、教育、健康為代表的農(nóng)村幸福產(chǎn)業(yè)發(fā)展，在提升農(nóng)村居民幸福感的同時(shí)，不斷培育農(nóng)村產(chǎn)業(yè)發(fā)展新引擎。1.2.4搭建共享型金融生態(tài)一方面，按照農(nóng)行總行的戰(zhàn)略布局，打造了“農(nóng)銀智慧+”場(chǎng)景下的金融業(yè)務(wù)，聚焦消費(fèi)與零售、政務(wù)與民生和產(chǎn)業(yè)鏈三大類場(chǎng)景。在開放銀行平臺(tái)的基礎(chǔ)上打造了智慧城市和智慧金融。其中智慧城市涵蓋了智慧產(chǎn)業(yè)、智慧民生和智慧政務(wù)的便捷服務(wù)，滿足各級(jí)政府需求，提升企業(yè)與民眾的滿意度，并且支持通過APP、掌上銀行等渠道進(jìn)入。智慧金融通過參加政府的智慧城市建設(shè)，實(shí)現(xiàn)了金融服務(wù)與民生、產(chǎn)業(yè)和政務(wù)等場(chǎng)景的融合。它為政府提供了廣泛的服務(wù)，解決企業(yè)財(cái)務(wù)問題，為客戶提供更豐富的應(yīng)用程序和門戶，滿足客戶的服務(wù)需求并隨時(shí)給予幫助。A支行還設(shè)立了小微電子貸款專項(xiàng)服務(wù)，支持服務(wù)于小微企業(yè)。另一方面，金融科技的出現(xiàn)對(duì)銀行的轉(zhuǎn)型起到了非常重要的作用，并且已經(jīng)被視為應(yīng)對(duì)大數(shù)據(jù)、AI、區(qū)塊鏈等技術(shù)挑戰(zhàn)的關(guān)鍵驅(qū)動(dòng)力。合理利用智能設(shè)備和移動(dòng)終端可以實(shí)現(xiàn)前中后臺(tái)的結(jié)構(gòu)變革，還可以對(duì)銀行的“長(zhǎng)尾”客戶進(jìn)行精準(zhǔn)畫像定位，也能改善小微企業(yè)中所存在的服務(wù)短板。因此，該行通過推出了面向小微企業(yè)的小額貸款體系產(chǎn)品（即小微e貸），來提升對(duì)小微企業(yè)的服務(wù)。為了持續(xù)有效推進(jìn)金融脫貧攻堅(jiān)，開展了三農(nóng)業(yè)務(wù)轉(zhuǎn)型，打造了“農(nóng)銀智慧+”場(chǎng)景品牌，還上線了惠農(nóng)e貸網(wǎng)絡(luò)融資平臺(tái)。金融科技的建設(shè)還可以有效提高精準(zhǔn)營(yíng)銷的能力，針對(duì)不同的客戶提供一對(duì)一的服務(wù)，在數(shù)據(jù)信息方面也能實(shí)現(xiàn)快速收集及精準(zhǔn)整合管理。總結(jié)上文，該行通過構(gòu)建生態(tài)核心開展了智慧城市和智慧金融兩項(xiàng)場(chǎng)景金融服務(wù)，聚焦了產(chǎn)業(yè)鏈、零售消費(fèi)和政務(wù)民生三大場(chǎng)景。在金融科技建設(shè)上，推出了針對(duì)性產(chǎn)品系列品牌，同時(shí)還在三農(nóng)業(yè)務(wù)上打造了一系列場(chǎng)景平臺(tái)，來提升不同客戶群體的服務(wù)，滿足其需求。金融科技的興起可以有效地處理信息不對(duì)稱問題，保障信息之間的平衡性，對(duì)信息數(shù)據(jù)進(jìn)行更好的管理分配。生態(tài)核心的建設(shè)能夠有效擴(kuò)大業(yè)務(wù)經(jīng)營(yíng)范圍，增強(qiáng)服務(wù)能力，改善傳統(tǒng)的經(jīng)營(yíng)方式，對(duì)后期的數(shù)字化建設(shè)起著十分重要的作用，也是線上業(yè)務(wù)發(fā)展的基礎(chǔ)。

第2章A支行數(shù)字化轉(zhuǎn)型渠道及成效調(diào)研分析2.1調(diào)查設(shè)計(jì)2.1.1問卷設(shè)計(jì)本文從客戶角度出發(fā)，結(jié)合A支行數(shù)字化轉(zhuǎn)型現(xiàn)狀，構(gòu)建了客戶滿意度評(píng)價(jià)指標(biāo)體系，量化了客戶對(duì)于A支行數(shù)字化轉(zhuǎn)型的客戶滿意度指標(biāo)，測(cè)量變量有企業(yè)價(jià)值、產(chǎn)品認(rèn)可度、服務(wù)與系統(tǒng)支持以及感知與環(huán)境因素，調(diào)查問卷還針對(duì)受調(diào)查者設(shè)計(jì)了性別、年齡、收入統(tǒng)計(jì)變量以及職業(yè)、教育程度等調(diào)查項(xiàng)。結(jié)合ACSI體系以及國(guó)內(nèi)學(xué)者對(duì)商業(yè)銀行數(shù)字化轉(zhuǎn)型評(píng)價(jià)研究，整理影響因素，設(shè)計(jì)本文的調(diào)查問卷。2.1.2調(diào)查對(duì)象農(nóng)業(yè)銀行A支行的客戶可分為對(duì)公客戶、個(gè)人客戶。本研究的調(diào)查對(duì)象主要為A支行的個(gè)人客戶。接受調(diào)查的個(gè)人客戶持有A支行惠農(nóng)卡、金穗卡、貴賓卡、信用卡等作為介質(zhì)，并在調(diào)查期間前往A支行辦理業(yè)務(wù)或在近期接受過A支行的服務(wù)。針對(duì)調(diào)查期間在A支行的營(yíng)業(yè)網(wǎng)點(diǎn)辦理業(yè)務(wù)的個(gè)人客戶進(jìn)行現(xiàn)場(chǎng)調(diào)查問卷的填寫邀請(qǐng)，選取前往網(wǎng)點(diǎn)辦理個(gè)人業(yè)務(wù)的被調(diào)查者有助于問卷調(diào)查的開展，被調(diào)查者對(duì)A支行的服務(wù)現(xiàn)狀有一定的了解與認(rèn)知；針對(duì)近期接受過A支行服務(wù)的個(gè)人客戶進(jìn)行電子問卷的填寫邀請(qǐng)，為了提高受邀請(qǐng)的調(diào)查者的有效性，主要是選平均三個(gè)月至少去A支行辦理一次業(yè)務(wù)的個(gè)人客戶。2.2調(diào)查結(jié)果分析2.2.1樣本結(jié)構(gòu)分析在本次調(diào)查一共發(fā)放115份問卷。剔除了答案明顯不能反映填寫者真實(shí)意愿和回答不完整的問卷后，有效問卷為100份，問卷回收率為87%，達(dá)到了數(shù)據(jù)選取科學(xué)性的要求。對(duì)問卷調(diào)查中被調(diào)查者的基本信息運(yùn)用SPSS統(tǒng)計(jì)軟件分析進(jìn)行統(tǒng)計(jì)分析，得出結(jié)果如表4-1所示。表4-1樣本基本信息統(tǒng)計(jì)分析表指標(biāo)特征比例性別男45%女55%學(xué)歷高中以下18%高中（中專）25%本科（大專）44%碩士及以上13%職業(yè)事業(yè)單位職員13%企業(yè)職員29%個(gè)體14%退休25%學(xué)生7%自由職業(yè)12%年齡18-35歲20%35-50歲30%50-70歲31%70歲以上19%收入3000元以下15%3001-6000元39%6001-10000元33%10000元以上13%辦理業(yè)務(wù)年限一年以下19%1-3年37%3-5年22%5年以上22%2.2.2指標(biāo)體系構(gòu)建及權(quán)重確定根據(jù)問卷的結(jié)果進(jìn)行效度分析，根據(jù)表4-2的數(shù)據(jù)結(jié)果顯示可知，本研究的KMO=0.880>0.7，表明研究數(shù)據(jù)很適合進(jìn)行主成分分析。巴特萊特球形檢驗(yàn)的顯著性水平小于0.05，可拒絕指標(biāo)之間兩兩獨(dú)立的假設(shè)，即指標(biāo)之間存在相關(guān)性。兩種結(jié)果都表明本研究選取的數(shù)據(jù)適合做因子分析。表4-2KMO和巴特萊特球形檢驗(yàn)Kaiser-Meyer-OlkinMeasureofSamplingAdequacy..880Bartlett'sTestofSphericityApprox.Chi-Square2195.200df300Sig..000根據(jù)上述檢驗(yàn)結(jié)果，本文在主成分分析的基礎(chǔ)上，通過方差最大化正交旋轉(zhuǎn)法對(duì)數(shù)據(jù)進(jìn)行因子分析。共提取了6個(gè)公因子，6個(gè)公因子的重要性分別為7.243、1.710、1.061、2.886、1.808、1.302。表中顯示了每個(gè)主成分的方差及貢獻(xiàn)率，以及累計(jì)貢獻(xiàn)率。根據(jù)特征值大于1的原則，保留了前6個(gè)主成分，6個(gè)主成分的累計(jì)貢獻(xiàn)率為82.041%，即所保留的6個(gè)主成分可以解釋原數(shù)據(jù)82%以上的信息。表4-3特征根與貢獻(xiàn)率ComponentInitialEigenvaluesExtractionSumsofSquaredLoadingsRotationSumsofSquaredLoadingsTotal%ofVarianceCumulative%Total%ofVarianceCumulative%Total%ofVarianceCumulative%111.70346.81346.81311.70346.81346.8137.24328.97228.97222.20216.80761.6202.20216.80761.6201.71012.84041.81231.0572.22667.8461.0572.22667.8461.06112.24356.0554.9521.80971.655.9521.80971.6552.88611.54667.6005.8501.39875.053.8501.39875.0531.8087.23377.8346.7472.98878.041.7472.98878.0411.3021.20782.0417.6422.56980.6108.5782.31082.9209.5422.17085.09010.5252.10287.19111.4261.70388.89412.3771.50790.40213.3491.39591.79714.3351.33891.13515.2801.11892.25316.232.92895.18117.208.83196.01218.192.76796.77919.172.69097.46920.168.67398.14221.132.52798.66922.114.45499.12323.096.38499.50724.074.29599.80225.049.198100.000ExtractionMethod:PrincipalComponentAnalysis.從表4-4中可以看出對(duì)初始成分矩陣經(jīng)過正交旋轉(zhuǎn)后的結(jié)果，采用方差最大化正交旋轉(zhuǎn)法對(duì)其進(jìn)行了8次迭代后的旋轉(zhuǎn)成分矩陣。表4-4旋轉(zhuǎn)成分矩陣Component123456Q1.754.117.080.073.145.127Q2.753.162.043.232.211.115Q3.808-.039.330.008-.105.091Q4.037.305.160.741.157.178Q5.346.214.163.782.048.032Q6.589-.069.648-.010.119.023Q7.308.136.769.177.188-.027Q8.512-.161.523.150.184.229Q9-.167.540.168.601-.045-.136Q10.219.362-.021.650.278-.129Q11.592.312.323.122.156.492Q12.577.292.535.274-.039.081Q13.295.280.158.528.524-.280Q14.226.352.471.337.529.043Q15.620.164.503.212.226-.173Q16.209.311.198.181.803.079Q17.201-.117.342.046.026.854Q18.107-.065.426.167.116.725Q19.671.363.439.063.108-.257Q20.330.262.273.134.667-.326Q21-.031.850-.100.224.154.150Q22-.034.835-.014.269.130.089Q23.298.628.254.339.256-.104Q24.234.812.090.187.200-.153Q25.836-.036.102.111.160-.153ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.a.Rotationconvergedin8iterations.矩陣中的系數(shù)是因子與對(duì)應(yīng)指標(biāo)的相關(guān)系數(shù)，由這些相關(guān)系數(shù)可以看出，第1、2、3、19、25個(gè)指標(biāo)與第一個(gè)因子的相關(guān)系數(shù)較大，分別為銀行品牌實(shí)力（0.754）、交易安全性（0.753）、銀行創(chuàng)新能力（0.808）、反饋渠道便利性（0.671）、排隊(duì)等候時(shí)長(zhǎng)（0.836），總結(jié)這五項(xiàng)指標(biāo)的特點(diǎn)，將第一個(gè)因子命名為“銀行綜合能力”；第21、22、23、24個(gè)指標(biāo)與第二個(gè)因子的相關(guān)系數(shù)較大，分別為停車便利性（0.850）、網(wǎng)點(diǎn)交通便捷性（0.835）、銀行衛(wèi)生狀況（0.628）、大廳便民設(shè)施（0.812），總結(jié)這四項(xiàng)指標(biāo)的特點(diǎn)，將第二個(gè)因子命名為“銀行環(huán)境”；第6、7、8、12、15個(gè)指標(biāo)與第三個(gè)因子的相關(guān)系數(shù)較大，分別為業(yè)務(wù)種類個(gè)性化（0.648）、金融產(chǎn)品創(chuàng)新性（0.769）、金融產(chǎn)品豐富性（0.523）、電話銀行服務(wù)（0.535）、員工專業(yè)性（0.503），總結(jié)這五項(xiàng)指標(biāo)的特點(diǎn)，將第三個(gè)因子命名為“銀行產(chǎn)品特性”；第4、5、9、10個(gè)指標(biāo)與第四個(gè)因子的相關(guān)系數(shù)較大，分別銀行競(jìng)爭(zhēng)力（0.741）、銀行產(chǎn)品口碑（0.782）、儲(chǔ)蓄存款收益（0.601）、理財(cái)產(chǎn)品收益（0.650），總結(jié)這五項(xiàng)指標(biāo)的特點(diǎn)，將第四個(gè)因子命名為“產(chǎn)品收益及口碑”；第13、14、16、20個(gè)指標(biāo)與第五個(gè)因子的相關(guān)系數(shù)較大，系數(shù)分別為大堂經(jīng)理溝通能力（0.524）、員工服務(wù)主動(dòng)性（0.529）、員工著裝與儀態(tài)（0.803）、處理投訴能力（0.667），總結(jié)這五項(xiàng)指標(biāo)的特點(diǎn)，將第五個(gè)因子命名為“服務(wù)質(zhì)量”；第11、17、18個(gè)指標(biāo)與第六個(gè)因子的相關(guān)系數(shù)較大，系數(shù)分別為手機(jī)銀行與網(wǎng)上銀行（0.492）、智能設(shè)備狀況（0.854）、ATM設(shè)施便利性（0.725），總結(jié)這五項(xiàng)指標(biāo)的特點(diǎn)，將第六個(gè)因子命名為“智能化設(shè)備”?；谝陨戏治?，將得到的六個(gè)因子作為評(píng)價(jià)指標(biāo)體系的二級(jí)指標(biāo)。2.2.3調(diào)查結(jié)果總體分析根據(jù)前文的分析，建立如下表4-5的三級(jí)商業(yè)銀行客戶滿意度評(píng)價(jià)指標(biāo)體系。表4-5滿意度評(píng)價(jià)指標(biāo)體系二級(jí)指標(biāo)三級(jí)指標(biāo)銀行綜合能力銀行品牌實(shí)力交易安全性銀行創(chuàng)新能力反饋渠道便利性排隊(duì)等候時(shí)長(zhǎng)銀行環(huán)境停車便利性網(wǎng)點(diǎn)交通便捷性銀行衛(wèi)生狀況大廳便民設(shè)施銀行產(chǎn)品特性業(yè)務(wù)種類個(gè)性化金融產(chǎn)品創(chuàng)新性金融產(chǎn)品豐富性電話銀行服務(wù)員工專業(yè)性產(chǎn)品收益及口碑銀行競(jìng)爭(zhēng)力銀行產(chǎn)品口碑儲(chǔ)蓄存款收益理財(cái)產(chǎn)品收益服務(wù)質(zhì)量大堂經(jīng)理溝通能力員工服務(wù)主動(dòng)性員工著裝與儀態(tài)處理投訴能力智能化設(shè)備手機(jī)銀行與網(wǎng)上銀行智能設(shè)備狀況ATM設(shè)施便利性對(duì)于指標(biāo)進(jìn)行測(cè)度，各指標(biāo)之間的權(quán)重確定是其中重要的問題。針對(duì)不同指標(biāo)間重要性的不同調(diào)整其對(duì)總指標(biāo)的影響程度。客戶對(duì)于不同指標(biāo)間的敏感程度不同，會(huì)對(duì)測(cè)評(píng)結(jié)果產(chǎn)生較大影響。因此，指標(biāo)體系建立必須針對(duì)各個(gè)指標(biāo)進(jìn)行權(quán)重探討。層次分析法旨在解決多目標(biāo)、多準(zhǔn)則、多要素的復(fù)雜決策問題，為不好測(cè)度的定性問題提供定量化的解決方案。本文在前文構(gòu)建的滿意度評(píng)價(jià)指標(biāo)體系基礎(chǔ)上展開研究，選取專家打分法來進(jìn)行測(cè)度。為提高權(quán)重研究的有效性和準(zhǔn)確性，邀請(qǐng)了8名專業(yè)的銀行管理人員及2名來自不同高校的金融管理學(xué)教授來研究該項(xiàng)工作。首先，構(gòu)造判斷矩陣。通過兩兩比較的方式構(gòu)建1-9標(biāo)度的一致矩陣，采用相對(duì)尺度設(shè)定判斷值為下一層元素相對(duì)上一層的相對(duì)權(quán)重值，以盡可能減少性質(zhì)不同因素相互比較的困難，以提高準(zhǔn)確度。表4-61-9標(biāo)度參考表標(biāo)度含義1兩個(gè)元素相比具有同樣重要性3兩個(gè)元素相比，一個(gè)比另一個(gè)稍微重要5兩個(gè)元素相比，一個(gè)比另一個(gè)明顯重要7兩個(gè)元素相比，一個(gè)比另一個(gè)強(qiáng)烈重要9兩個(gè)元素相比，一個(gè)比另一個(gè)極其重要2、4、6、8上述相鄰判斷的中值依照此方法，根據(jù)專家打分的結(jié)果得出本文的三級(jí)指標(biāo)權(quán)重，并進(jìn)一步算出對(duì)應(yīng)的二級(jí)指標(biāo)權(quán)重。以智能化設(shè)備指標(biāo)的計(jì)算為例，專家分別對(duì)手機(jī)銀行與網(wǎng)上銀行、智能設(shè)備狀況、ATM設(shè)備便利性進(jìn)行兩兩比較，對(duì)兩個(gè)二級(jí)指標(biāo)對(duì)智能化設(shè)備的重要度進(jìn)行打分。最終結(jié)果如表4-7所示。表4-7智能化設(shè)備三級(jí)指標(biāo)兩兩比較相對(duì)重要度手機(jī)銀行與網(wǎng)上銀行智能設(shè)備狀況ATM設(shè)施便利性手機(jī)銀行與網(wǎng)上銀行11/31/7智能設(shè)備狀況311/5ATM設(shè)施便利性751根據(jù)表4-7建立三級(jí)指標(biāo)相對(duì)于智能化設(shè)備的兩兩比較判斷矩陣為：（2.1）其次運(yùn)用向量特征根法計(jì)算M向量值，并得出對(duì)應(yīng)的值。（2.2）（2.3）根據(jù)上述公式可得，M1=，M2=，M3=，1=0.362/2.464=0.081，2=0.843/2.464=0.189，3=1.271/2.464=0.733。最后，通過公式計(jì)算進(jìn)行一致性檢驗(yàn)。通過測(cè)算CI來檢驗(yàn)判斷矩陣與一致矩陣的差別，并通過查找對(duì)應(yīng)的平均隨機(jī)一致性指標(biāo)RI，進(jìn)而計(jì)算一致性比例CR。如果CR<0.1，則可認(rèn)為判斷矩陣的一致性可以接受，否則需要對(duì)判斷矩陣進(jìn)行修正。（n為矩陣層數(shù)，i為權(quán)重系數(shù)值）（2.4）（2.5）表4-8一致性檢驗(yàn)RI值n12345678910RI000.520.891.121.261.361.411.461.49（2.6）根據(jù)上述公式可得：，<0.1由此可得，該專家所給矩陣滿足一致性。由此可得該名專家認(rèn)為智能化設(shè)備的三個(gè)二級(jí)指標(biāo)的權(quán)重分別為0.08，0.19，0.73。依照此方法對(duì)十位專家的打分結(jié)果進(jìn)行計(jì)算，得到客戶滿意度評(píng)價(jià)三級(jí)指標(biāo)權(quán)重，并將其累加得到二級(jí)指標(biāo)權(quán)重，最終結(jié)果如表4-9所示。表4-9滿意度評(píng)價(jià)指標(biāo)體系權(quán)重二級(jí)指標(biāo)二級(jí)指標(biāo)權(quán)重三級(jí)指標(biāo)三級(jí)指標(biāo)權(quán)重銀行綜合能力0.22銀行品牌實(shí)力0.06交易安全性0.05銀行創(chuàng)新能力0.04反饋渠道便利性0.03排隊(duì)等候時(shí)長(zhǎng)0.04銀行環(huán)境0.1停車便利性0.03網(wǎng)點(diǎn)交通便捷性0.02銀行衛(wèi)生狀況0.02大廳便民設(shè)施0.03銀行產(chǎn)品特性0.2業(yè)務(wù)種類個(gè)性化0.04金融產(chǎn)品創(chuàng)新性0.04金融產(chǎn)品豐富性0.04電話銀行服務(wù)0.03員工專業(yè)性0.05產(chǎn)品收益及口碑0.21銀行競(jìng)爭(zhēng)力0.04銀行產(chǎn)品口碑0.06儲(chǔ)蓄存款收益0.06理財(cái)產(chǎn)品收益0.05服務(wù)質(zhì)量0.15大堂經(jīng)理溝通能力0.05員工服務(wù)主動(dòng)性0.04員工著裝與儀態(tài)0.02處理投訴能力0.04智能化設(shè)備0.12手機(jī)銀行與網(wǎng)上銀行0.04智能設(shè)備狀況0.04ATM設(shè)施便利性0.04根據(jù)問卷各項(xiàng)指標(biāo)滿意度及權(quán)重得分，計(jì)算出三級(jí)指標(biāo)和二級(jí)指標(biāo)及其總體滿意度的具體得分，詳見表4-10。表4-10滿意度評(píng)價(jià)指標(biāo)體系指標(biāo)得分二級(jí)指標(biāo)三級(jí)指標(biāo)三級(jí)指標(biāo)得分二級(jí)指標(biāo)得分一級(jí)指標(biāo)得分銀行綜合能力銀行品牌實(shí)力2.882.971.32交易安全性2.95銀行創(chuàng)新能力2.53反饋渠道便利性1.70排隊(duì)等候時(shí)長(zhǎng)1.02銀行環(huán)境停車便利性1.891.92網(wǎng)點(diǎn)交通便捷性1.62銀行衛(wèi)生狀況1.83大廳便民設(shè)施2.22銀行產(chǎn)品特性業(yè)務(wù)種類個(gè)性化2.922.86金融產(chǎn)品創(chuàng)新性2.31金融產(chǎn)品豐富性2.29電話銀行服務(wù)1.92員工專業(yè)性1.07產(chǎn)品收益及口碑銀行競(jìng)爭(zhēng)力1.451.98銀行產(chǎn)品口碑1.75儲(chǔ)蓄存款收益2.33理財(cái)產(chǎn)品收益2.25服務(wù)質(zhì)量大堂經(jīng)理溝通能力1.381.61員工服務(wù)主動(dòng)性1.13員工著裝與儀態(tài)2.09處理投訴能力2.15智能化設(shè)備手機(jī)銀行與網(wǎng)上銀行2.802.68智能設(shè)備狀況2.49ATM設(shè)施便利性2.75可以看出支行的滿意度得分是1.32分，說明從總體上看客戶滿意程度不容樂觀，還需要分別從六個(gè)指標(biāo)的維度進(jìn)行考慮，研究影響滿意度的因素。根據(jù)滿意度得分高低進(jìn)行排名，產(chǎn)品收益及口碑、銀行環(huán)境、服務(wù)質(zhì)量、銀行綜合能力、銀行產(chǎn)品特性、智能化設(shè)備這六個(gè)指標(biāo)的滿意度得分分別為1.98、1.92、1.61、2.97、2.86、2.68。2.3農(nóng)業(yè)銀行A支行數(shù)字化轉(zhuǎn)型提升經(jīng)營(yíng)能力的分析2.1.1提升數(shù)據(jù)價(jià)值，完善數(shù)據(jù)治理體系在信息時(shí)代，數(shù)據(jù)的重要性是毫無疑問的，通過對(duì)海量數(shù)據(jù)的篩選、分析、挖掘，往往能夠挖掘到市場(chǎng)的熱點(diǎn)，尋找到新的增長(zhǎng)點(diǎn)。在這樣的背景之下，金融科技以極強(qiáng)的態(tài)勢(shì)席卷整個(gè)金融行業(yè)，深刻影響著商業(yè)銀行的生產(chǎn)經(jīng)營(yíng)以及管理模式。A支行在這樣的金融科技浪潮中更是積極抓緊機(jī)遇，利用多年經(jīng)營(yíng)以來所積累的大數(shù)據(jù)優(yōu)勢(shì)，基于新一代核心系統(tǒng)的架構(gòu)，充分挖掘生產(chǎn)經(jīng)營(yíng)中的各項(xiàng)數(shù)據(jù)價(jià)值，通過不斷優(yōu)化的數(shù)據(jù)模型，為各級(jí)機(jī)構(gòu)提供在經(jīng)營(yíng)決策、客戶營(yíng)銷、客戶維護(hù)、機(jī)構(gòu)管理等各方面的數(shù)據(jù)支持，從而提升機(jī)構(gòu)運(yùn)營(yíng)能力。新一代系統(tǒng)自2010年上線以來，就憑借其強(qiáng)大的功能大大加強(qiáng)了A支行的業(yè)務(wù)處理運(yùn)營(yíng)能力、營(yíng)銷能力以及監(jiān)管能力。該系統(tǒng)集現(xiàn)代科技、客戶洞察、金融場(chǎng)景、產(chǎn)品經(jīng)營(yíng)等多個(gè)功能于一體，通過對(duì)業(yè)務(wù)活動(dòng)重新分類以形成獨(dú)立的、模塊化和極具特點(diǎn)的114個(gè)業(yè)務(wù)組件，構(gòu)成了銀行新的藍(lán)圖，并建立了流程模型、數(shù)據(jù)模型、產(chǎn)品模型等數(shù)據(jù)模型，從而提升A支行業(yè)務(wù)架構(gòu)的實(shí)用性與先進(jìn)性。2.1.2整合業(yè)務(wù)渠道，提升內(nèi)外部協(xié)同運(yùn)營(yíng)能力隨著A支行數(shù)字化轉(zhuǎn)型，內(nèi)外部都逐漸產(chǎn)生了更為多元的業(yè)務(wù)渠道。ATM機(jī)、電話銀行、短信銀行、pos機(jī)等業(yè)務(wù)渠道逐漸產(chǎn)生，延長(zhǎng)了辦理業(yè)務(wù)的時(shí)間，擴(kuò)大了業(yè)務(wù)辦理的地域限制。隨著互聯(lián)網(wǎng)的出現(xiàn)和發(fā)展，商業(yè)銀行又逐漸開發(fā)出網(wǎng)上銀行，進(jìn)一步豐富了線上辦理業(yè)務(wù)的種類。再來，隨著以支付寶以及騰訊為代表的第三方支付平臺(tái)的誕生以及崛起，商業(yè)銀行又逐漸有了更多的業(yè)務(wù)渠道，例如微信銀行、微信公眾號(hào)、手機(jī)銀行直銷銀行等，進(jìn)一步豐富了客戶的業(yè)務(wù)渠道，打破業(yè)務(wù)辦理的物理局限性。除此之外，金融科技還催生出了業(yè)務(wù)渠道的不斷升級(jí)。以手機(jī)銀行為例，A支行在商業(yè)銀行傳統(tǒng)存款、貸款和支付基礎(chǔ)上，依托于移動(dòng)互聯(lián)等技術(shù)之上，衍生出許多其他產(chǎn)品和服務(wù)，如繳費(fèi)、理財(cái)、信用卡分期、消費(fèi)信貸、跨境轉(zhuǎn)賬等。在功能之上，A支行還嵌入了許多場(chǎng)景化的功能，例如交黨費(fèi)、交學(xué)費(fèi)、手機(jī)話費(fèi)充值等，極大地貼合了人們的生活，有效的提升了客戶的活躍度。同時(shí)，由于科技的發(fā)展個(gè)人客戶也產(chǎn)生了很大的影響，客戶的金融需求、流動(dòng)性以及投資理財(cái)?shù)钠?、交易行為、到店情況也產(chǎn)生了許多變化，而針對(duì)這種情況，A支行也在不斷地對(duì)業(yè)務(wù)渠道進(jìn)行調(diào)整升級(jí)。依托于大數(shù)據(jù)對(duì)于客戶上述情況進(jìn)行分析，通過對(duì)客戶貼標(biāo)簽的方式對(duì)客戶進(jìn)行分類，從而針對(duì)不同特點(diǎn)的客戶提供具有差異化的產(chǎn)品和服務(wù)，例如對(duì)于資產(chǎn)潛力客戶投放為其量身定做的理財(cái)產(chǎn)品，從而達(dá)到吸引客戶資產(chǎn)的目的，也就是業(yè)內(nèi)所指的千人千面。這樣的功能，使得A支行在競(jìng)爭(zhēng)激烈的銀行業(yè)之中，抓住更多的長(zhǎng)尾客戶，提升經(jīng)營(yíng)運(yùn)營(yíng)能力。2.1.3打造智能集約化運(yùn)營(yíng)，提升業(yè)務(wù)處理運(yùn)營(yíng)能力A支行以會(huì)計(jì)與營(yíng)運(yùn)體制改革為契機(jī)，在全行執(zhí)行集約化的運(yùn)營(yíng)轉(zhuǎn)型。這項(xiàng)工程大致經(jīng)歷了四個(gè)階段：深化前后臺(tái)分離、集中生產(chǎn)、集約化運(yùn)營(yíng)以及智能運(yùn)營(yíng)。在分離階段，通過采用業(yè)務(wù)前臺(tái)受理后臺(tái)處理的模式，實(shí)現(xiàn)了業(yè)務(wù)的同步并行處理。而這項(xiàng)工程在當(dāng)時(shí)實(shí)現(xiàn)了涵蓋了60項(xiàng)以物理轉(zhuǎn)移為主的非實(shí)時(shí)性業(yè)務(wù)和事務(wù)型工作的集中運(yùn)營(yíng)。而到了集中生產(chǎn)階段，按照前臺(tái)標(biāo)準(zhǔn)化、流程簡(jiǎn)明化的思路，A支行重組了柜面流程，業(yè)務(wù)處理建立以總行本部為核心，離場(chǎng)、駐場(chǎng)外包為輔助的多點(diǎn)接入，一點(diǎn)集中，后臺(tái)一體化的工廠化流水線生產(chǎn)體系。這種模式使得前后臺(tái)分離階段的非實(shí)時(shí)性業(yè)務(wù)實(shí)現(xiàn)了實(shí)時(shí)性處理，同時(shí)，業(yè)務(wù)范圍逐漸向網(wǎng)點(diǎn)、線上、中后臺(tái)、海外機(jī)構(gòu)及子公司四個(gè)領(lǐng)域擴(kuò)大。隨后就進(jìn)入到集約化運(yùn)營(yíng)階段，在這一階段A支行持續(xù)擴(kuò)大了業(yè)務(wù)范圍，形成了跨區(qū)域、跨條線、跨時(shí)段、跨渠道的集中處理平臺(tái)，使得業(yè)務(wù)全天候集約化處理落地，同時(shí)實(shí)現(xiàn)了向外幣、稽核等業(yè)務(wù)領(lǐng)域的拓展。通過技術(shù)上的提升，A支行進(jìn)一步將中心生產(chǎn)作業(yè)模式向智能處理、專業(yè)審核、云生產(chǎn)、集中生產(chǎn)進(jìn)行統(tǒng)籌協(xié)同轉(zhuǎn)變。此外，A支行在業(yè)務(wù)處理流程中逐漸融入智能運(yùn)營(yíng)體系，逐步實(shí)現(xiàn)八大生產(chǎn)系統(tǒng)、任務(wù)的深度融合和資源的統(tǒng)一調(diào)度，進(jìn)而實(shí)現(xiàn)了全面提升集約化運(yùn)營(yíng)質(zhì)量。而到了第四階段，即智能運(yùn)營(yíng)階段，隨著總行智能運(yùn)營(yíng)體系建設(shè)項(xiàng)目實(shí)施，更多的技術(shù)被引入到生產(chǎn)作業(yè)中來，按照“流程優(yōu)化、資源整合、要素重組、智能創(chuàng)新”等實(shí)施路徑、將柜面業(yè)務(wù)處理系統(tǒng)和其他專業(yè)化的處理系統(tǒng)進(jìn)行進(jìn)一步的有機(jī)融合，大大提升了業(yè)務(wù)效率及業(yè)務(wù)正確率。圖4-1A支行集約化運(yùn)營(yíng)業(yè)務(wù)流程圖以上圖所示的柜面業(yè)務(wù)為例，將營(yíng)業(yè)網(wǎng)點(diǎn)柜面業(yè)務(wù)依次經(jīng)過受理客戶業(yè)務(wù)、審核憑證、錄入數(shù)據(jù)、雙人復(fù)核、主管授權(quán)、交易發(fā)起全過程的分布式、逐筆處理的串行操作的業(yè)務(wù)流程，改造成為網(wǎng)點(diǎn)分散受理為主，業(yè)務(wù)處理環(huán)節(jié)集中同步并行操作，批量執(zhí)行的流水化生產(chǎn)流程，基本流程包括受理提交、信息采集、審核檢驗(yàn)、賬務(wù)處理、結(jié)果反饋五個(gè)環(huán)節(jié)，各環(huán)節(jié)由系統(tǒng)自動(dòng)處理和人工處理共同完成，根據(jù)業(yè)務(wù)流程需要進(jìn)行組合配置。其中系統(tǒng)自動(dòng)處理流程中，A支行引入了人工智能中的ICR技術(shù)，對(duì)憑證信息進(jìn)行自動(dòng)識(shí)別，并對(duì)相關(guān)憑證信息進(jìn)行信息切片，經(jīng)由外包集中處理中心進(jìn)行校正后，進(jìn)一步作出后續(xù)處理。經(jīng)統(tǒng)計(jì)，該平臺(tái)上線以來，精準(zhǔn)度提升0.43%，處理運(yùn)營(yíng)能力提升91.11%，對(duì)相關(guān)的業(yè)務(wù)處理流程減少了4-8個(gè)環(huán)節(jié)，節(jié)約32%的外包費(fèi)用，每年約減少成本3300萬元。2.1.4數(shù)字化營(yíng)銷，提升集團(tuán)精細(xì)化營(yíng)銷管理水平隨著數(shù)字化轉(zhuǎn)型，傳統(tǒng)商業(yè)銀行所依賴的關(guān)系營(yíng)銷、規(guī)模擴(kuò)張等模式受到了空前的挑戰(zhàn)。以往的二八定律，即抓住20%的大客戶就足夠了，這一定律已經(jīng)不能滿足商業(yè)銀行的進(jìn)一步發(fā)展。此時(shí)數(shù)量眾多的長(zhǎng)尾客戶便成了商業(yè)銀行重點(diǎn)關(guān)注的目標(biāo)客群?；谶@樣的情況，A支行依托于新一代核心系統(tǒng)，打造了個(gè)人客戶分析與精準(zhǔn)營(yíng)銷平臺(tái)助力網(wǎng)點(diǎn)提升營(yíng)銷成功率營(yíng)銷質(zhì)量。A支行精準(zhǔn)營(yíng)銷平臺(tái)通過客戶的分析挖掘和客戶的精準(zhǔn)營(yíng)銷這兩大功能體系交叉完成，通過客戶模型的搭建以及對(duì)于營(yíng)銷計(jì)劃、活動(dòng)、執(zhí)行、評(píng)估的全流程的線上管理，實(shí)現(xiàn)了對(duì)于客戶需求的深度挖掘，能夠提升網(wǎng)點(diǎn)獲客、活客和留客的能力。A支行通過對(duì)于行內(nèi)數(shù)據(jù)、聯(lián)網(wǎng)的海量數(shù)據(jù)進(jìn)行歸納、總結(jié)、分析，形成了八個(gè)客戶標(biāo)簽維度、2300多個(gè)個(gè)人客戶基礎(chǔ)畫像要素，從而通過對(duì)個(gè)人客戶貼標(biāo)簽進(jìn)而鎖定目標(biāo)客群篩選出的客戶名單進(jìn)行進(jìn)一步營(yíng)銷活動(dòng)，從而提高營(yíng)銷精準(zhǔn)度，進(jìn)而提高營(yíng)銷成功率提升銀行運(yùn)營(yíng)能力。2.4農(nóng)業(yè)銀行A支行數(shù)字化轉(zhuǎn)型運(yùn)營(yíng)成效分析2.2.1盈利能力分析盈利能力能夠體現(xiàn)出商業(yè)銀行在某一個(gè)經(jīng)營(yíng)周期內(nèi)的獲利的能力，商業(yè)銀行在日常經(jīng)營(yíng)中的關(guān)鍵就在于提升盈利能力。只有擁有出色的盈利能力，商業(yè)銀行才能夠?qū)崿F(xiàn)持續(xù)經(jīng)營(yíng)、擴(kuò)大規(guī)模的目標(biāo)。因此，盈利能力可以作為評(píng)估商業(yè)銀行經(jīng)營(yíng)能力的首要指標(biāo)。在這一節(jié)，本文采用凈資產(chǎn)收益率、總資產(chǎn)報(bào)酬率、成本收入比這三個(gè)指標(biāo)來分析A支行實(shí)行數(shù)字化轉(zhuǎn)型前后的盈利能力的情況。表4-8A支行2014年-2020年凈資產(chǎn)收益率及總資產(chǎn)報(bào)酬率時(shí)間凈資產(chǎn)收益率總資產(chǎn)報(bào)酬率201418.341.3631201515.911.2474201612.68191.1085201711.611.1011201812.881.1008201912.041.0584202011.460.9725完全由A支行自身的情況來看，自2014年到2020年的資產(chǎn)收益率以及總資產(chǎn)報(bào)酬率總體而言呈現(xiàn)出非常明顯的下降趨勢(shì)，凈資產(chǎn)收益率由2014年的18.34%下降至2020年的11.46%，總資產(chǎn)報(bào)酬率則從1.3631%下降至2020年的0.9725%。即使是在2017年下半年上線新一代系統(tǒng)，大力發(fā)展金融科技之后，依然不能扭轉(zhuǎn)這樣的下降頹勢(shì)，但凈資產(chǎn)收益率的下降幅度逐漸趨緩。為了進(jìn)一步分析公司的經(jīng)營(yíng)成果，可以利用杜邦分析法將ROE進(jìn)一步分解成多個(gè)單個(gè)指標(biāo)，從而明確ROE的變動(dòng)原因，進(jìn)而更全面、更深入地分析公司ROE下降的原因。本文將通過連環(huán)代替法對(duì)于A支行2014年至2020年歷年的相關(guān)指標(biāo)進(jìn)行分解，由分解數(shù)據(jù)來觀察A支行凈資產(chǎn)收益率變動(dòng)的深層次驅(qū)動(dòng)原因。下表2.2.2為分解后的各驅(qū)動(dòng)因素的數(shù)值?？梢悦黠@地看出，凈利息收入/總資產(chǎn)以及權(quán)益乘數(shù)還是在A支行的凈資產(chǎn)收益率中占據(jù)了比較重要的地位，其次就是看手續(xù)費(fèi)及傭金收入/總資產(chǎn)的對(duì)應(yīng)數(shù)值。表4-9A支行2014年-2020年ROE各驅(qū)動(dòng)因素?cái)?shù)值表年份ROE凈利息收入/總資產(chǎn)手續(xù)費(fèi)及傭金收入/總資產(chǎn)權(quán)益乘數(shù)營(yíng)業(yè)支出/總資產(chǎn)其他非利息收入/總資產(chǎn)營(yíng)業(yè)外收支凈額/總資產(chǎn)所得稅費(fèi)用/總資產(chǎn)201418.342.610.6511.721.630.150.0110.42201515.912.490.6211.111.680.180.01310.38201612.68191.990.5711.221.490.330.01350.3201711.612.050.5312.721.460.230.00720.25201812.882.090.5311.951.510.210.00150.23201912.042.010.5411.481.490.770.00140.23202011.462.050.4112.041.490.230.00220.22接下來，本文繼續(xù)分析在連續(xù)替代法下上述的幾個(gè)驅(qū)動(dòng)因素對(duì)于ROE的具體影響。從下表4-10來看，2014年-2016年，隨著利差的不斷降低，凈利息收入/總資產(chǎn)這一驅(qū)動(dòng)因素對(duì)A支行ROE的影響是一直是負(fù)向的，而到了2017年，A支行通過加大推動(dòng)存款落地、優(yōu)化資產(chǎn)負(fù)債結(jié)構(gòu)、提高資產(chǎn)收益率等一系列措施，使得A支行在付息負(fù)債上的付息率下降，并且使之下降幅度高于生息資產(chǎn)收益率的下降幅度，進(jìn)而扭轉(zhuǎn)了凈利息收入/總資產(chǎn)這一驅(qū)動(dòng)因素對(duì)A支行ROE的影響，并將這一優(yōu)勢(shì)延續(xù)到了2018年。2019年由于市場(chǎng)競(jìng)爭(zhēng)激烈，個(gè)人定期存款等高付息負(fù)債占比提升，導(dǎo)致A支行一般性存款成本上升明顯，又使得凈利息收入/總資產(chǎn)這一驅(qū)動(dòng)因素對(duì)A支行ROE的影響變?yōu)樨?fù)向。從上述的分析中，我們可以看出，關(guān)于這一驅(qū)動(dòng)因素，主要還是與市場(chǎng)行情以及國(guó)家相關(guān)的政策有關(guān)，金融科技在此驅(qū)動(dòng)因素中所能發(fā)揮的影響有限。在2015、2017-2019年，為了優(yōu)化信貸結(jié)構(gòu)，A支行信貸投放力度減小，權(quán)益乘數(shù)驅(qū)動(dòng)因素也對(duì)ROE產(chǎn)生負(fù)面的影響。而在2020年，由于疫情的影響，A支行積極幫助企業(yè)復(fù)工復(fù)產(chǎn)，信貸投放力度加強(qiáng)，權(quán)益乘數(shù)驅(qū)動(dòng)因素也對(duì)ROE影響為正向。在這中間，金融科技也減少了貸款審的流程手續(xù)以及等待時(shí)間，大大提升A支行貸款審批運(yùn)營(yíng)能力。在2014—2020年期間手續(xù)費(fèi)及傭金凈收入／總資產(chǎn)驅(qū)動(dòng)因素對(duì)A支行ROE的影響總體也呈現(xiàn)出負(fù)向，僅有2019年呈現(xiàn)微弱正向影響，手續(xù)費(fèi)凈收入增長(zhǎng)率與總資產(chǎn)增長(zhǎng)率相較而言萎靡不振。2018年，手續(xù)費(fèi)及傭金凈收入／總資產(chǎn)驅(qū)動(dòng)因素對(duì)ROE的影響轉(zhuǎn)為0，受資管新規(guī)、增值稅新規(guī)等因素影響，理財(cái)業(yè)務(wù)手續(xù)費(fèi)收入下降44%，但電子銀行業(yè)務(wù)收入?yún)s增長(zhǎng)98%，抵消了理財(cái)手續(xù)費(fèi)收入減少的影響。2019年，電子銀行業(yè)務(wù)手續(xù)費(fèi)收入繼續(xù)以38%的增長(zhǎng)率帶動(dòng)手續(xù)費(fèi)及傭金凈收入／總資產(chǎn)驅(qū)動(dòng)因素對(duì)ROE的正向影響。表4-10A支行2015-2020年ROE各驅(qū)動(dòng)因素變動(dòng)表年份ROE凈利息收入/總資產(chǎn)手續(xù)費(fèi)及傭金收入/總資產(chǎn)權(quán)益乘數(shù)營(yíng)業(yè)支出/總資產(chǎn)其他非利息收入/總資產(chǎn)營(yíng)業(yè)外收支凈額/總資產(chǎn)所得稅費(fèi)用/總資產(chǎn)2015-11.25-2.60-2.62-2.451.0720.0019.09-9.522016-7.72-20.08-8.060.84-11.3181.331.05-21.052017-7.301.02-7.02-1.78-2.01-30.30-46.67-16.672018-5.361.950.00-6.051.42-8.70-79.17-8.002019-6.52-1.831.89-1.93-1.32266.67-6.670.002020-2.821.99-22.072.880.00-70.1357.14-2.35即使是在上述的情況之下，中國(guó)整體銀行業(yè)的ROE還是處于全球較高水平。根據(jù)麥肯錫咨詢最近發(fā)布的《2020全球銀行業(yè)年度報(bào)告》所顯示，受到疫情影響，銀行業(yè)的凈資產(chǎn)收益率（ROE）在2019年之后遭遇重創(chuàng)，會(huì)從2019年的8.9%持續(xù)下滑，而在2020年和2021年分別降到5.4%和1.5%，而在2021年預(yù)計(jì)可能會(huì)見底。就從這一系列的數(shù)據(jù)中，從全球整體情況而言，中國(guó)銀行業(yè)ROE已經(jīng)是處于高水平梯隊(duì)了。表4-11A支行2014-2020年成本收入比及各相關(guān)指標(biāo)數(shù)值表年份2014201520162017201820192020員工成本（百萬元）91563914999284796274102057105784104353物業(yè)及設(shè)備支出（百萬元）30545330462998130485304853367534929其他（百萬元）37717328352999232359323594007240026業(yè)務(wù)及管理費(fèi)總額（百萬元）159825157380152820159118159118179531179308成本收入比（%）28.8526.9827.4926.9526.4226.5325.12員工總數(shù)（位）372321369183362482352621345971347156349671機(jī)構(gòu)總數(shù)（個(gè)）14880149451498514920149771491214741技術(shù)人員占比（%）6.947.547.868.098.198.78.12再來看成本收入比這一指標(biāo)的情況。成本收入比簡(jiǎn)單來說就是業(yè)務(wù)及管理費(fèi)與營(yíng)業(yè)收入之比，如果某家商業(yè)銀行收入的支出成本越低，說明該商業(yè)銀行的投入產(chǎn)出運(yùn)營(yíng)能力也就越高，商業(yè)銀行所對(duì)應(yīng)的盈利能力也就越強(qiáng)。A支行2014-2020年的成本收入比總體上而言是在逐年下降的，也就是說A支行的盈利能力是在此期間逐漸增強(qiáng)的。同時(shí)，運(yùn)營(yíng)成本呈穩(wěn)定增長(zhǎng)趨勢(shì)，其中員工成本，增長(zhǎng)幅度達(dá)到11.97%，物業(yè)及設(shè)備支出增長(zhǎng)幅度達(dá)到12.35%。與此同時(shí)，A支行的機(jī)構(gòu)總數(shù)于2017年首次實(shí)現(xiàn)減少，并于2019、2020年持續(xù)減少，這也從側(cè)面說明了隨著A支行金融科技的建設(shè)，業(yè)務(wù)逐漸從8小時(shí)營(yíng)業(yè)的物理網(wǎng)點(diǎn)渠道分散到24小時(shí)在線的線上渠道中去，金融科技使得A支行進(jìn)一步優(yōu)化了營(yíng)業(yè)網(wǎng)點(diǎn)的布局，減緩了網(wǎng)點(diǎn)的擴(kuò)張速度，轉(zhuǎn)而大力發(fā)展“線上”渠道，從而有效控制運(yùn)營(yíng)成本的增長(zhǎng)。其次，與員工成本上升相對(duì)應(yīng)的是員工數(shù)量的U型變化趨勢(shì)，這一方面說明了A支行在數(shù)字化轉(zhuǎn)型的過程中，金融科技強(qiáng)化了業(yè)務(wù)流程上的運(yùn)營(yíng)能力，使得A支行以較少的員工數(shù)量足以維持日常的經(jīng)營(yíng)活動(dòng)。另一方面，在2018年以后，員工人數(shù)又逐漸增多，而其中的技術(shù)人員占比在2020年以前都是在持續(xù)增加的，這也說明了本行加大人才的引進(jìn)和員工的培養(yǎng)，為戰(zhàn)略轉(zhuǎn)型發(fā)展做好人才儲(chǔ)備，最終導(dǎo)致員工成本的增長(zhǎng)較快。在確保有效支撐戰(zhàn)略實(shí)施與業(yè)務(wù)發(fā)展的前提下，A支行應(yīng)進(jìn)一步推進(jìn)數(shù)字化轉(zhuǎn)型工作，從而推進(jìn)運(yùn)營(yíng)成本精細(xì)化管控，將成本收入比控制在合理水平，進(jìn)一步優(yōu)化本行的經(jīng)營(yíng)績(jī)效。綜上所述，受經(jīng)濟(jì)下行、疫情等大環(huán)境的影響，2014-2020年的成本收入比逐年下降的，但A支行的盈利能力有足夠的上升空間，在數(shù)字化轉(zhuǎn)型的作用下，一定程度上對(duì)利息凈收入不斷收窄所導(dǎo)致的A支行盈利能力持續(xù)下降產(chǎn)生了彌補(bǔ)作用。但利率市場(chǎng)化以及金融脫媒對(duì)A支行的息差收入所產(chǎn)生的影響較大，金融科技對(duì)其盈利水平的貢獻(xiàn)有限，最終還是使得A支行盈利能力在整個(gè)行業(yè)中并沒有明顯的改善。2.2.2經(jīng)營(yíng)增長(zhǎng)分析據(jù)下表4-12來看，A支行自2017年后營(yíng)業(yè)總收入增長(zhǎng)率呈現(xiàn)出連續(xù)上漲，但其主要盈利模式與商業(yè)銀行傳統(tǒng)的主要盈利模式相同，存貸利差收入占到營(yíng)業(yè)收入的70%向上，從這一點(diǎn)來說，A支行的收入結(jié)構(gòu)有些過于集中。雖然A支行2017年之后進(jìn)行了金融科技的建設(shè)，產(chǎn)品模式業(yè)務(wù)流程上有所創(chuàng)新，本身也希望通過數(shù)字化轉(zhuǎn)型尋求業(yè)務(wù)發(fā)展方向的轉(zhuǎn)型，突破傳統(tǒng)的盈利模式，嘗試尋找新的收入來源。但是A支行的收入結(jié)構(gòu)依然呈現(xiàn)出趨于傳統(tǒng)的現(xiàn)象。表