科技能力助推金融保险行业新增长

2022-06-28 04:06

BCG世界级科技能力框架（World Class Tech Function，简称WCTF）是一套全面评估企业数字化、数据和IT能力的工具，从基本能力建设到敏捷迭代转型，为企业提供了全面的诊断和洞察视角，帮助企业在数字化转型过程中选择适合的建设模式，并就科技能力建设方向和投入进行预判，最终加速推进数字化转型，解锁数据价值，推动业务逆势增长。欲了解WCTF详情，请参阅《世界级企业科技能力中国灯塔》。

就科技能力而言，金融保险业往往是其他行业对标的最佳实践之一，领先金融保险企业的科技能力往往被认为可与部分数字原生企业比肩。投入多、复杂度高、团队大是金融保险行业科技能力建设的显著特征。

资金相对充足且投入意愿度高：业务单据均被线上系统替代，业务执行对科技依赖度高，行业对科技的投资规模大、意愿度高。
信息化基础好，但整体复杂性高：多数机构系统建设历程近30年，形成承载大大小小数百套系统的复杂架构，复杂性显著高于其他行业。
科技团队规模大，外部服务厂商多：自有科技团队规模大，常见数千人的内部科技团队；同时大量使用外包（特别是中小机构），外包费用支出普遍占科技支出的50%以上。

分机构类型来看，银行业整体科技能力最为领先和全面，保险业次之。证券、资管、金控集团因业务模式和侧重点不同，在科技能力建设上难求全面。

银行：国有四大行是信息化领先水平的代表，整体科技能力全面；但领先股份制银行在数据、创新等领域借助体制机制的灵活性已实现弯道超车；城商行、农商行等中小机构虽然系统能力不算落后，但自有团队规模和能力均不足，非常依赖外部服务商和成熟解决方案。
保险：头部公司科技能力强，关注创新场景并积极尝试科技、数据驱动的创新商业模式；中小公司尝试搭建互联网模式和借力生态合作伙伴弯道超车。
证券：投入相对激进但信息化基础建设仍占主流，未来数字化创新的投入将不断提升。
资管：核心业务系统相对简单，但对于投研、投顾等创新数字化应用要求高。
金控集团：集团以管控职能为主，科技更多用于保证管控需求，积极投入财务管理、报表管理等数字化应用。

金融保险企业面临的四项核心挑战

企业架构“全局化”

再小规模的银行也有近百套各式各样的系统与组件支持业务运行。过去，各个业务系统点状建设的模式给金融保险机构带来异常复杂、割裂、乃至冗余的系统、数据、应用架构。各业务条线的科技中心/科技团队各司其政，导致应用系统之间、跨业务线、跨部门存在竖井，数据无法打通。从基础架构到前端应用，众多公用技术均存在大量重复建设，且标准不一。因此，无论是四大行等领先企业还是中小机构，都在逐步认识到企业架构全局管理的重要性。

建设全局化的企业架构管理是一项系统工程，需要在充足预算的支持下，应用EA（Enterprise Architecture，企业架构）管理方法与原则，由业务与IT联合团队推动重构，并实现长期管理。

案例

某大型国有商业银行历时七年完成企业级架构重构项目，打造满足未来10—15年业务发展需求的技术平台。更值得称道的是，在架构重构的过程中匹配优化组织协作机制，形成全新科技运营模式。以科技运营模式为放大器，最大限度发挥领先架构的价值，相辅相成。

业务系统“敏捷化”

针对金融保险机构系统多、数据安全要求高、业务连贯性强等业务特点，遗留系统的现代化升级并非易事。前端系统以面向客户和员工业务操作的移动化应用为市场主流，需具备以用户为中心，快速迭代、开放创新的特点；后端系统以平台型、管理型系统与应用为主，首要要求是在安全稳定的环境下带来科技、管理效能的提升。

建设敏捷化的业务系统是所有科技管理者的心中所向，但起步前往往面临三个决策：第一，是否需要替换所有遗留系统？第二，应该将所有的应用全部迁徙到云上吗？第三，典型的升级路径是什么？对金融保险机构尤其关键的是，如何在不丢失或服务中断的情况下管理数据迁移。

案例

针对三个关键决策点，某全国性商业银行采用的“核心系统先行、国产分布式数据库及三核心分步上线”解决方案可供参考。

该行原有AS400服务器支持的核心系统已难以满足高并发的业务需求，新增服务器的高昂成本和AS400等设备日益减少的厂商维保服务都是摆在眼前的巨大挑战。在国家“自主创新”趋势的指导下，该行大胆创新，业务系统升级路径改变了“先外围、后核心”的常规思路，直接对总行、信用卡、海外三个核心系统完成下移；同时采用了国产分布式数据库GoldenDB，亦是国内大中型银行核心系统的首次成功尝试。

数据管控“体系化”

金融保险业作为数据最为丰富和最先应用数据分析创造业务价值的行业之一，大多数企业已经认知到数据治理作为“基石工作”的重要性。成功的数据治理经验表明，数据治理不仅是科技部门的职责，业务部门作为数据的生产方和消费方，在数据治理过程中的作用不可替代；同样，管理层切不可高高挂起，将数据治理完全作为一项业务或科技动作，而应在公司决策层面进行方向把控并自上而下大力推动。有效的数据治理组织架构往往具备三个层级：

董监事会/数字化委员会：董事会、监事会核心成员和外聘专家参与，或由公司最高层级数字化委员会总领数据治理工作，制定治理战略与路径、把控公司整体数据治理进程，决策资源投入并审核业务价值。
高管层/数据治理委员会：各业务条线负责人与科技负责人参与决策数据治理相关项目投入，审核各数据治理相关要素章程与规定，代表公司发布数据治理相关管理方法与对应流程，并组织公司内部培训。
执行层/数据治理工作群：由数据治理委员会委派，按照数据域等原则划分成若干工作小组，形成数据治理工作群。每个工作小组由数据域的主要业务/职能归属部门作为归口负责部门，其他相关部门参与并由科技部门提供数据架构、系统管理相关技术支持，推进本数据域的治理举措落地。值得注意的是，数据存储、安全等跨数据域共用服务可由科技部门统一管理以提升效率，并保证服务标准化。

数据治理是一项“体系化的基础工程”，在推进的过程中往往出现业务价值难以快速凸显的问题。BCG的众多案例表明，用例驱动的数据治理体系构建方法往往能以敏捷的方式在治理体系构建的过程中，提前兑现部分业务价值。

案例

某行业领先保险公司在推进数据治理的过程中，采用“用例驱动” 的落地策略，以客户和营销、CRM平台两个主要用例为切入点，率先完成两个用例相关的数据域的治理举措，包含例如客户数据、推广活动、产品、投诉等数据域，覆盖公司约30%的关键数据域。

客户、营销相关数据域作为优先试点，其建设过程中所积累的关于质量管理、流程设计、安全管控等等“从0到1”的宝贵经验，使得后续其他数据域快速、高质量地完成了“从1到100”的扩张。同时，优先完成治理的客户、营销数据域也在第一时间投入业务使用，提前兑现了数据和数据治理的业务价值。