銀行業(yè)金融科技專題報告：尋找銀行中的科技股

1、目錄 HYPERLINK l _TOC_250021 科技賦能金融 4 HYPERLINK l _TOC_250020 人工智能 5 HYPERLINK l _TOC_250019 區(qū)塊鏈 6 HYPERLINK l _TOC_250018 云計算 7 HYPERLINK l _TOC_250017 大數(shù)據(jù) 7 HYPERLINK l _TOC_250016 微眾銀行：有銀行牌照的科技公司 9 HYPERLINK l _TOC_250015 科技&互聯(lián)網(wǎng)企業(yè)的架構(gòu) 9 HYPERLINK l _TOC_250014 金融科技的能力：ABCD 10 HYPERLINK l _TOC_250013

2、 全新的商業(yè)模式：“連接器” 11 HYPERLINK l _TOC_250012 業(yè)務(wù)板塊：大眾銀行、直通銀行、場景銀行 12 HYPERLINK l _TOC_250011 大眾銀行 13 HYPERLINK l _TOC_250010 直通銀行 13 HYPERLINK l _TOC_250009 場景銀行 14 HYPERLINK l _TOC_250008 A 股銀行金融科技哪家強？ 15 HYPERLINK l _TOC_250007 三升：效率、體驗、規(guī)模 15 HYPERLINK l _TOC_250006 運營效率：APP 月活/零售客戶數(shù) 15 HYPERLINK l _T

3、OC_250005 客戶體驗：APP 評測得分 15 HYPERLINK l _TOC_250004 做大規(guī)模能力：零售客戶增長 16 HYPERLINK l _TOC_250003 兩降：成本、風(fēng)險 17 HYPERLINK l _TOC_250002 成本的下降：零售業(yè)務(wù)成本收入比 17 HYPERLINK l _TOC_250001 風(fēng)險的下降：信用卡不良率 17 HYPERLINK l _TOC_250000 3.3結(jié)論 18圖表目錄圖 1：金融科技關(guān)鍵技術(shù)：人工智能、大數(shù)據(jù)、云計算、區(qū)塊鏈 4圖 2：人工智能在銀行中的應(yīng)用 5圖 3：銀行客戶分層和“漏斗式”服務(wù)模式 6圖 4：銀行區(qū)

4、塊聯(lián)項目場景占比情況 7圖 5：大數(shù)據(jù)在銀行中的應(yīng)用 8圖 6：微眾銀行與傳統(tǒng)銀行機制對比 10圖 7：微粒貸信用評級數(shù)據(jù)來源 11圖 8：微眾銀行作為“連接器”連接客戶端和資金端 12圖 9：微眾銀行根據(jù)客戶的不同需求提供不同的“銀行”解決方案 12圖 10：普惠金融的典范“微粒貸” 13圖 11：微眾銀行 APP 14圖 12：微眾企業(yè)愛普APP 14圖 13：大中型銀行 APP 月活數(shù)和占零售客戶比例 15圖 14：新浪財經(jīng)對銀行 APP 評測得分 16圖 15：股份行當(dāng)年新增零售客戶數(shù) 16表 1：表 2：表 3：表 4：表 5：大中型銀行金融科技投入變化 5大中型銀行零售客戶增速 1

5、7大中型銀行零售業(yè)務(wù)成本收入比 17大中型銀行信用卡貸款不良率 18與金融科技能力相關(guān)的效率、體驗、規(guī)模、成本、風(fēng)險指標(biāo)排名 18科技賦能金融2016 年，依托于人工智能、區(qū)塊鏈、云計算、大數(shù)據(jù)等一系列創(chuàng)新技術(shù)的金融科技浪潮席卷全球，這些科技能力與金融結(jié)合可以幫助傳統(tǒng)銀行提高效率、降低成本、提升風(fēng)險管理能力。人工智能（AI）：能夠替代人工重復(fù)性工作，提升效率和用戶體驗，拓展金融機構(gòu)的銷售和服務(wù)能力，廣泛運用于智能客服、智能投顧等方面。區(qū)塊鏈（Block Chain）：能夠有效節(jié)約金融機構(gòu)間的清算成本，提升交易處理效率，增強數(shù)據(jù)安全性。云計算（Cloud）：應(yīng)用在 IT 設(shè)施的管理方面，通過云計

6、算技術(shù)來幫助資源有效合理分配來及時有效的提高運維效率，降低銀行的 IT 基礎(chǔ)設(shè)施成本。大數(shù)據(jù)（Big Data）：帶來大量數(shù)據(jù)種類和格式豐富、不同領(lǐng)域的大量數(shù)據(jù)，基于大數(shù)據(jù)的分析能夠從中提取有價值的信息，為精確評估、預(yù)測提供了新手段。圖 1：金融科技關(guān)鍵技術(shù)：人工智能、大數(shù)據(jù)、云計算、區(qū)塊鏈資料來源：網(wǎng)絡(luò)資料，長城證券研究所商業(yè)銀行對金融科技領(lǐng)域的投入持續(xù)提高，當(dāng)下的投入是為了未來更多的收獲。2018 年，國有大行金融科技投入普遍占營業(yè)收入比重的 2%左右，股份制銀行中部分銀行金融科技投入占營業(yè)收入比重接近 3%；2019 年，商業(yè)銀行將金融科技投入占營收目標(biāo)比例繼續(xù)提高，例如郵儲銀行每年將拿

7、出營業(yè)收入的 3%左右投入到信息科技領(lǐng)域，招行 2019 年研發(fā)和科技投入將提升到營收的 3.5%，平安 2019 年上半年 IT 支出同比增長 36.9%。表 1：大中型銀行金融科技投入變化2018 金融科技投入占總營收比例2019 年金融科技投入表述農(nóng)行2.21%中行2.11%建行2.17%交行1.97%接下來的目標(biāo)是科技投入在營業(yè)支出中的占比，要從 5%提高到 10%郵儲為了實現(xiàn)科技驅(qū)動發(fā)展的目標(biāo)，郵儲銀行每年將拿出營業(yè)收入的 3%左右投入到信息科技領(lǐng)域招行2.78%每年金融科技整體預(yù)算原則上不得少于本行上一年度營收的 3.5%，其中“招行金融科技創(chuàng)新項目基金”預(yù)算額度原則上不低于上一年

8、營收的 1%興業(yè)1.55%中信2.28%光大2.71%平安2.98%2019 年上半年科技投入繼續(xù)大幅增加，IT 資本性支出及費用合計同比增長36.9%。資料來源：中國銀行業(yè)協(xié)會，公司公告，長城證券研究所人工智能人工智能（智能客服、智能營銷、人臉識別、智能風(fēng)控、智能投顧等）在銀行的應(yīng)用可以貫穿前臺、中臺及后臺全流程。前臺應(yīng)用著力于客戶服務(wù)及業(yè)務(wù)營銷，力求實現(xiàn)客戶服務(wù)的個性化、自動化，以及業(yè)務(wù)營銷的精準(zhǔn)性、預(yù)測性；中臺應(yīng)用圍繞風(fēng)險管控、投資決策及產(chǎn)品決策等銀行核心領(lǐng)域開展輔助性的智能支持；后臺應(yīng)用可以在銀行人力成本較高的經(jīng)營管理、安全設(shè)計及 IT 管理等方面實現(xiàn)優(yōu)化提升。圖 2：人工智能在銀行中

9、的應(yīng)用資料來源：網(wǎng)絡(luò)資料，長城證券研究所人工智能可以向廣大長尾客戶提供更加智能化和專業(yè)化的服務(wù)，降低人力成本、提升用戶服務(wù)和營銷體驗。例如，銀行的客戶服務(wù)可以采取“漏斗式”模式：可以用 AI 就用 AI；如果 AI 不能服務(wù)好，可以用線上遠程和線上員工；如果線上遠程和員工還不能服務(wù)好，可以使用遠程的電話服務(wù)；如果遠程的電話服務(wù)依舊不能滿足客戶，再用線下隊伍，可以在門店里面服務(wù)，也可以到客戶家里服務(wù)。漏斗模式有兩個價值，對客戶而言是從方便到不方便的方式，對企業(yè)而言是成本從低到高、先用最低成本的方式去服務(wù)。圖 3：銀行客戶分層和“漏斗式”服務(wù)模式資料來源：長城證券研究所區(qū)塊鏈區(qū)塊鏈本質(zhì)上是一種可以

10、制造信任的分布式賬本，具有去中介化、不可篡改、公開透明等特性，可用于解決交易、轉(zhuǎn)賬過程中的中介信任問題，以及提高處理效率、降低銀行間的對賬成本。區(qū)塊鏈在金融領(lǐng)域的根本性創(chuàng)新主要體現(xiàn)在幾個方面：徹底的金融資產(chǎn)數(shù)字化。區(qū)塊鏈上的信息不可篡改性和去中心化的數(shù)據(jù)存儲方式，以及其使用上的便利和低交易成本，都可使其成為包括貨幣在內(nèi)的各類金融資產(chǎn)數(shù)字化的最佳載體。例如，基于區(qū)塊鏈的銀行票據(jù)業(yè)務(wù)主要是通過區(qū)塊鏈技術(shù)的使用實現(xiàn)銀行的數(shù)字化票據(jù)業(yè)務(wù)，同時實現(xiàn)數(shù)字票據(jù)流轉(zhuǎn)過程的優(yōu)化管理?；趨^(qū)塊鏈的數(shù)字票據(jù)能夠?qū)崿F(xiàn)非中心化的信息傳遞，通過底層智能合約框架實現(xiàn)自動化流程降低操作風(fēng)險和道德風(fēng)險。區(qū)塊鏈的合約的全網(wǎng)廣播和

11、不可篡改的特性保證的交易的可靠性，同時為票據(jù)交易業(yè)務(wù)提供了可追溯的交易途徑，為持票方增加了商業(yè)信用。全新的實時數(shù)字化交易模式。不同于當(dāng)前各類金融交易的 T+N 模式，區(qū)塊鏈網(wǎng)絡(luò)中將不存在“清算”概念，所有的交易都是“發(fā)生即清算”，交易完成的瞬間所有的賬本信息都完成了同步更新。按照傳統(tǒng)的做法，交易和資金結(jié)算是分開的，雙方銀行各自記賬，然后銀行交易完成后，雙方銀行需要花費大量的人力物力對賬。因為數(shù)據(jù)是由對手記錄的，雙方無法確認(rèn)這個數(shù)據(jù)的真實性。引入?yún)^(qū)塊鏈系統(tǒng)后，由于所有信息都記錄在區(qū)塊鏈網(wǎng)絡(luò)上，而且無法篡改，交易過程伴隨清算過程，可以完成實時清算。圖 4：銀行區(qū)塊聯(lián)項目場景占比情況資料來源：網(wǎng)絡(luò)資

12、料，長城證券研究所云計算云計算是一種通過網(wǎng)絡(luò)統(tǒng)一組織和靈活調(diào)用各種信息資源，實現(xiàn)大規(guī)模計算的信息處理方式。云計算低成本、便捷化、可擴展性高等特征為大數(shù)據(jù)、互聯(lián)網(wǎng)、人工智能的發(fā)展提供了切實的技術(shù)保障。傳統(tǒng)銀行的 IT 系統(tǒng)多為外購，架構(gòu)上是集中式的 IOE，成本高昂。所謂 IOE，是指美國的 IBM、Oracle、EMC 三家公司為代表的商業(yè)解決方案，他們分別在小型計算機、數(shù)據(jù)庫、高性能存儲三個領(lǐng)域處于國際壟斷地位。這些解決方案對于銀行來說，是一個黑盒子，無法自主掌握，一切的開發(fā)、運維均需要服務(wù)商的支持與協(xié)助。IOE 核心系統(tǒng)所花的費用，占據(jù)了總成本的很大一部分。云計算采用分“布式架構(gòu)+開源軟件

13、”替代傳統(tǒng)的“集中式架構(gòu)+商用軟件”，能夠有效降低金融機構(gòu) IT 成本。云計算的兩大好處：一是能夠按照需要購買計算容量、存儲資源和網(wǎng)絡(luò)帶寬等，只要為實際使用的那部分付費，而不是先行購買硬件或軟件，或者支付事先約定的年度訂購費；二是當(dāng)可以利用真正的內(nèi)部云或外部云時，可以快速、方便地配置及管理軟硬件。以銀行的個人業(yè)務(wù)為例，基于線下業(yè)務(wù)的傳統(tǒng)銀行每個賬戶的 IT 成本高達 50 元，而采用云計算的互聯(lián)網(wǎng)銀行則僅有 5 元左右。大數(shù)據(jù)現(xiàn)代銀行相對于傳統(tǒng)銀行的一大差別，在于數(shù)據(jù)的深度利用，數(shù)據(jù)對銀行來說已經(jīng)超越了賬務(wù)信息等傳統(tǒng)的涵義。大數(shù)據(jù)可以涵蓋銀行信貸領(lǐng)域的所有流程，包括客戶獲取、貸前、貸中及貸后。

14、在客戶獲取環(huán)節(jié)中，創(chuàng)建用戶畫像以跟蹤用戶的完整生命周期。所謂客戶畫像，是根據(jù)客戶的社會屬性、生活習(xí)慣、行為習(xí)慣等信息抽象出一個標(biāo)簽化的用戶模型，這些標(biāo)簽就是通過對用戶數(shù)據(jù)分析而來的高度精煉的特征標(biāo)識。在客戶畫像基礎(chǔ)上，金融相關(guān)行業(yè)可以有效地開展精準(zhǔn)營銷。在貸前環(huán)節(jié)中，使用諸如身份驗證和活體識別等技術(shù)來解決申請人是否本人的問題，相關(guān)性分析是利用圖關(guān)聯(lián)技術(shù)找到欺詐團伙。基于大數(shù)據(jù)的反欺詐的核心主要由身份評估和信用評估構(gòu)成，身份評估包括用戶設(shè)備異常評估、地理評估、行為相似度評估等方面交易環(huán)境異常評估等，信用評估則是通過對欺詐信息庫、失信信息庫、高危賬號庫、欺詐關(guān)聯(lián)圖譜的對比分析得出。在授信環(huán)節(jié)中，收

15、集多方數(shù)據(jù)源，風(fēng)險通過建模定價。傳統(tǒng)的風(fēng)險評估，數(shù)據(jù)多來自企業(yè)內(nèi)部，貸款機構(gòu)從企業(yè)外部獲取的數(shù)據(jù)僅限于征信報告、部分合同、一些交易流水等，企業(yè)內(nèi)部數(shù)據(jù)很容易造假，尤其是在企業(yè)有動力去獲得貸款的情形下；而借助大數(shù)據(jù)，可以從多個數(shù)據(jù)來源做交叉驗證，盡量去偽存真，基于此來進行風(fēng)險評估。通過多源數(shù)據(jù)的對比分析，可以更客觀評估企業(yè)的風(fēng)險。在貸后環(huán)節(jié)中，主要是檢查異?？蛻?、及時報警和逾期客戶的失聯(lián)修復(fù)。傳統(tǒng)的銀行貸后工作主要依托于人工，通過客戶經(jīng)理的信息收集、匯總、風(fēng)險評估、風(fēng)險計量等形成報告，提交風(fēng)險管理部門進行風(fēng)險程度審批。整個流程耗時高、流程長、時效性差；在大數(shù)據(jù)的支持下，可以實現(xiàn)自動批量獲取信息、

16、自動檢測信息、自動分析量化信息、自動分層預(yù)警，也可以達到“及時實現(xiàn)風(fēng)險預(yù)警、精準(zhǔn)鎖定風(fēng)險客戶、大幅提高貸后效率”的目的。圖 5：大數(shù)據(jù)在銀行中的應(yīng)用資料來源：網(wǎng)絡(luò)資料，長城證券研究所微眾銀行：有銀行牌照的科技公司科技&互聯(lián)網(wǎng)企業(yè)的架構(gòu)科技驅(qū)動：微眾銀行 IT 人員占比一直大于 50%，IT 投入占營收比率為 14.8%，其中研發(fā)投入占營收是 9.8%。IT 部門的員工占比達到 57%，后臺管理人員占比 6%，業(yè)務(wù)及支持人員占比 37%。需要注意的是，57%只是純科技崗的人員，還有許多員工是科技背景出身、但分布在業(yè)務(wù)部門的人員，如果算上這些，微眾銀行科技人員的比率會更高。例如，風(fēng)險領(lǐng)域，風(fēng)險部做

17、模型的都是科技人員，具有理工科背景，會用數(shù)學(xué)模型，但這部分人不算在全行 50%的科技人員里；運營領(lǐng)域，審計里有一大半都是科技背景的，業(yè)務(wù)部門和后臺例如大數(shù)據(jù)和AI 團隊很多都是科技人員。始終保持科技經(jīng)費投入占全行費用支出比例高達 30%以上，IT 投入與營收的比例為 14.8%，其中研發(fā)費用占營收比例為 9.8%。而全球銀行與金融服務(wù)職業(yè)中，IT 投入占營收份額的平均值為 7.3%。2018 年全球銀行發(fā)明專利排行榜中，微眾銀行排名第五，到 2019 年 6 月底微眾銀行累計提交科技專利數(shù)量為 675 項?？萍紙F隊嵌在產(chǎn)品部門里，管理模式扁平化。和其他金融機構(gòu)在科技方面的區(qū)別是，一般金融機構(gòu)會

18、單獨設(shè)立一個測試部門和信息中心，測試和運維會獨立出來；而微眾銀行為了敏捷，直接把測試和運維都放在產(chǎn)品部門里，沒有大的科技運營部。這種架構(gòu)下，科技部門可以高效地與業(yè)務(wù)的產(chǎn)品經(jīng)營合作，把設(shè)計出來的金融產(chǎn)品的形態(tài)放在科技系統(tǒng)上運行?；ヂ?lián)網(wǎng)基因：微眾銀行是騰訊發(fā)起設(shè)立的民營銀行，騰訊持股 30%，先天具備了互聯(lián)網(wǎng)公司的思維方式。有容錯試錯的文化。一個員工如果帶著新想法去征求領(lǐng)導(dǎo)意見，通常得到的答案是 “我也不知道，去試試吧?！辈粌H鼓勵員工試錯，更做到了去權(quán)威化，給予每個員工可以嘗試自己想法的空間。組織架構(gòu)更敏捷靈活。微眾創(chuàng)設(shè)產(chǎn)品的決策機制也與騰訊如出一轍，強調(diào)快速立項。區(qū)別于傳統(tǒng)銀行，領(lǐng)導(dǎo)層只是掌握了

19、資源，在內(nèi)部決定是如何分配人力和資金，就像一個 VC，鼓勵內(nèi)部創(chuàng)業(yè)，產(chǎn)品項目化。一個新產(chǎn)品從產(chǎn)生需求到上線的時間最快是 10-15天，平均大概在五、六十天。互聯(lián)網(wǎng)的迭代思維。微眾銀行鼓勵項目團隊，在現(xiàn)有的平臺基礎(chǔ)上快速生產(chǎn)一個產(chǎn)品，再通過灰度測試的方式，先小范圍投放，得到真實用戶的反饋后發(fā)現(xiàn)問題，并及時迭代。傳統(tǒng)銀行，線上產(chǎn)品投放后如果不良率太高還有可能面臨追責(zé)的后果，因此在投放前需要花大量的時間進行內(nèi)部測試和運算，全面投放后，迭代也比較慢。圖 6：微眾銀行與傳統(tǒng)銀行機制對比資料來源：長城證券研究所金融科技的能力：ABCD人工智能：（1）微眾銀行在 2015 年初就已經(jīng)有了遠程身份認(rèn)證，通過人

20、臉識別，來做線上的認(rèn)證。在沒有上線生物認(rèn)證之前，拿著別人的身份證來開戶，在金融機構(gòu)是非常普遍的；（2）7*24 給用戶提供銀行服務(wù)。以前的銀行是由人工審批貸款，微眾幾千萬的微粒貸用戶，沒有一單人工干預(yù)審核，完全是機器大數(shù)據(jù)審核額度，5 秒鐘就可以出一個額度（完成去銀行查征信、去公安做聯(lián)網(wǎng)互查、還有一系列要去做的數(shù)據(jù)搜集），而且 1 分鐘內(nèi)錢可以到賬。區(qū)塊鏈：微眾銀行本身定位是一個“連接者”，和眾多合作伙伴聯(lián)合、優(yōu)勢互補，這種定位天然會存在諸多多方協(xié)作場景，而多方協(xié)作場景是區(qū)塊鏈技術(shù)發(fā)展的土壤，所以微眾銀行的很多業(yè)務(wù)都與區(qū)塊鏈技術(shù)十分適配。微眾銀行從 2015 年開始布局區(qū)塊鏈，第一個真正的應(yīng)用

21、落地在 2016 年，當(dāng)時微眾銀行和上海華瑞銀行等聯(lián)合貸款合作銀行利用區(qū)塊鏈“共享賬本”的技術(shù)特性，做了一個機構(gòu)間對賬平臺，原來對賬結(jié)果需要兩天后才能確認(rèn)，現(xiàn)在實時就可以確認(rèn)。云計算：微眾銀行率先搭建完成全行級分布式架構(gòu)的數(shù)據(jù)中心，該架構(gòu)摒棄了由國外企業(yè)服務(wù)商提供的高端技術(shù)解決方案，完全采用基于 X86 技術(shù)框架的 PC 服務(wù)器，運用開源技術(shù)，做到了 100%自主可控。由于采用開源技術(shù)，并且服務(wù)器也是國產(chǎn)設(shè)備，微眾銀行 IT 運維成本大幅降低了 90%，戶均 IT 運維成本只有 3.6 元，而傳統(tǒng)銀行的戶均運維成本大概在 20-100 元。大數(shù)據(jù)：傳統(tǒng)銀行，客戶要申請貸款都需要填申請表，但是微

22、眾不需要客戶填任何一張申請表（用戶不需要申明他擁有任何資產(chǎn)，如房產(chǎn)、別的銀行的信用卡）。以微粒貸為例，微眾的風(fēng)控模型除了人民銀行、公安系統(tǒng)、政府信息等數(shù)據(jù)，還可以通過微信掌握客戶的生活數(shù)據(jù)、社交數(shù)據(jù)、興趣愛好數(shù)據(jù)等。但是微眾銀行并沒有真正的接觸這些個人數(shù)據(jù)，而是形成一個算法，把這個算法部署到微信里，在微信里跑，最后的結(jié)果就是通過算法的客戶可以看到其微信的“發(fā)現(xiàn)”上標(biāo)注了一個紅點，并且可以看到“微粒貸”入口。只有客戶點擊微粒貸的入口，申明需要微眾銀行的服務(wù)，同意了服務(wù)協(xié)議以后，微眾銀行才能拿到客戶同意提供的部分?jǐn)?shù)據(jù)。這就是微粒貸特有的白名單制，不是讓客戶申請貸款，而是銀行告訴客戶是否有資格可以申

23、請貸款，大大降低了欺詐風(fēng)險。圖 7：微粒貸信用評級數(shù)據(jù)來源資料來源：微眾銀行：騰訊牽頭發(fā)起，金融機構(gòu)與互聯(lián)網(wǎng)平臺的連接者，長城證券研究所全新的商業(yè)模式：“連接器”微眾創(chuàng)立了新的商業(yè)模式，就是作為“連接器”，將傳統(tǒng)金融機構(gòu)與擁有客戶和場景的企業(yè)或行業(yè)串起來。左邊是有客戶直達能力的企業(yè)、行業(yè)，右邊是一些金融機構(gòu)，比如保險、基金、證券、銀行，中間是微眾的科技能力（產(chǎn)品設(shè)計、風(fēng)控、數(shù)據(jù)分析能力），把有客戶和有資金的兩端連接起來。原來左右兩邊也有連接的訴求，因為微眾的科技優(yōu)勢，通過微眾連起來效率更高、成本更低，微眾也開創(chuàng)了一個新的商業(yè)模式。合作的模式主要有三種：聯(lián)合貸款：微眾與合作銀行共同出資、聯(lián)合向客

24、戶發(fā)放貸款，使合作銀行在有效控制風(fēng)險的同時，以更低的成本服務(wù)長尾客戶。理財代銷：微眾為基金、保險等其他金融機構(gòu)提供代銷渠道?？萍驾敵觯横槍鴥?nèi)中小型城、農(nóng)商行技術(shù)儲備薄弱的情況，微眾利用自身技術(shù)優(yōu)勢將理財超市、遠程身份認(rèn)證、移動支付、機器人客服等能力輸出給合作銀行。圖 8：微眾銀行作為“連接器”連接客戶端和資金端資料來源：微眾銀行：騰訊牽頭發(fā)起，金融機構(gòu)與互聯(lián)網(wǎng)平臺的連接者，長城證券研究所 注：合作伙伴僅部分列舉業(yè)務(wù)板塊：大眾銀行、直通銀行、場景銀行微眾創(chuàng)立之初已經(jīng)意識到，用傳統(tǒng)銀行的模式來建立一個入口和流量的互補是非常難的，畢竟銀行是一個低頻的客戶接觸的場景，所以微眾是把自己嵌入到別人的模式

25、里面。針對用戶在不同頻度、不同場景下的金融需求，微眾組建了大眾銀行、場景銀行和直通銀行三大業(yè)務(wù)板塊。直通銀行：非場景、低頻，用微眾自己的品牌來做，2C 是微眾銀行APP，2B 是微眾企業(yè)愛普 APP。場景銀行：場景、低頻、B2B2C，不是自己的品牌，和零售品牌合作，嵌在具體流量入口、場景中。大眾銀行：跨越了場景和非場景、高頻、B2C，比如微粒貸和微賬戶，依托騰訊的生態(tài)體系（不光是微信，還有音樂、視頻、QQ），把這些賦能到大眾經(jīng)常能接觸到的點里。圖 9：微眾銀行根據(jù)客戶的不同需求提供不同的“銀行”解決方案低頻高頻大眾銀行直通銀行非場景場景銀行場景科技、數(shù)據(jù)、風(fēng)控資料來源：長城證券研究所大眾銀行微

26、粒貸：完全線上自助的個人小額貸款產(chǎn)品，借助 QQ 和微信覆蓋大眾，采取用戶邀請制，受邀用戶可以在手機 QQ 的“QQ 錢包”內(nèi)以及微信的“微信錢包”內(nèi)看到“微粒貸”入口，最高可獲得 30 萬借款額度。滿足客戶短期和急切的借款需求?！拔⒘ＹJ”平均的借款期限是 52 天，50%的借款發(fā)生在非工作時間，使金融服務(wù)更加便利。踐行真正的普惠金融。微粒貸每筆平均貸款金額只有 8100 元，7 成以上的客戶所負(fù)擔(dān)的利息不到 100 元，是大部分客戶都能夠承受的起的，避免了和親朋好友四處借錢的窘境，可解燃眉之急。以中低收入客群為主要服務(wù)對象，致力于滿足 80%的長尾金融需求。客戶中有 76%是白領(lǐng)以下，大多是

27、藍領(lǐng)工人或服務(wù)業(yè)人員，80%的客戶學(xué)歷是大專及以下，這些客戶原本在傳統(tǒng)的銀行由于沒有征信記錄而無法申請到貸款和信用卡。圖 10：普惠金融的典范“微粒貸”規(guī)模累計放款近2萬億元放款數(shù)量超過2.5萬億筆客戶76%是白領(lǐng)以下80%學(xué)歷是大專及以下貸款期限及發(fā)生時間平均貸款天數(shù)是52天貸款業(yè)務(wù)50%發(fā)生在非工作時間筆均及利率筆均約8000元日利率在萬分之二到萬分之五大部分貸款支付的利息應(yīng)該不超過100元資料來源：網(wǎng)絡(luò)資料，長城證券研究所微賬戶：微眾銀行與微信全面打通，微信里的零錢都可轉(zhuǎn)到微眾銀行賬戶中，進而買入活期+、定期+產(chǎn)品享受收益；在微信支付時，將自動轉(zhuǎn)到微眾銀行賬戶，再完成支付。既提升了客戶體

28、驗，同時又把微信支付的用戶轉(zhuǎn)變?yōu)榱宋⒈娿y行的用戶。直通銀行直銷銀行微眾銀行APP：微眾銀行APP 與其它直銷銀行最顯著的區(qū)別是，功能聚焦，比一般的手機銀行 APP 要簡潔很多，不需要客戶理解很多金融的專業(yè)知識。微眾首創(chuàng)的是活期類產(chǎn)品，即貨幣基金，還有可以提供 T+1 或者 T+0 的存取類產(chǎn)品，這些都?xì)w入到“活期+“里面；有固定期限的，歸入“定期+”，簡化老百姓對產(chǎn)品的認(rèn)知。而且微眾銀行 APP 是純直銷銀行，沒有依賴騰訊系的資源，完全是直銷銀行自己去拉客戶。微業(yè)貸微眾企業(yè)愛普APP： 微業(yè)貸可以視為微粒貸的企業(yè)版。微業(yè)貸和微粒貸有很多類似的地方，不需要提供申請書，全程智能化、純線上、純信用，

29、風(fēng)控方面引入企業(yè)征信、個人征信、工商、稅務(wù)、匯法、國家電網(wǎng)、同盾及騰訊獨有安全平臺等超過 30 種數(shù)據(jù)源。微業(yè)貸的客群非常下沉，66%的企業(yè)是首次獲得貸款，64%的客戶年營收小于 500 萬，平均員工只有 10 個人，貸款金額筆均是 20 萬。圖 11：微眾銀行 APP圖 12：微眾企業(yè)愛普 APP資料來源：網(wǎng)絡(luò)資料，長城證券研究所資料來源：網(wǎng)絡(luò)資料，長城證券研究所場景銀行重點在個人消費領(lǐng)域與合作伙伴共建“虛擬銀行”，將微眾的金融服務(wù)嵌入到線上線下、衣食住行等生活場景。二手車買賣：微車貸產(chǎn)品，是與互聯(lián)網(wǎng)二手車平臺合作，依托他們服務(wù)客戶的能力和流量，微眾銀行提供銀行服務(wù)。這是一個典型的場景金融，

30、客戶在二手車平臺上看車、選車、做估值，當(dāng)他需要錢的時候，才會彈出微眾銀行的服務(wù)窗口。最后在他線下去取車的時候，完成車的簽約和銀行的簽約。生活類場景：比如線下商超購物，微眾和永輝、華潤萬家、家樂福、麥德龍、良品鋪子、達美樂等線下商家合作，推廣“付款碼”業(yè)務(wù)。用戶在合作商家處消費，出示微眾銀行付款碼，可以享受一定程度折扣。這一付款碼類似商家的會員碼，只是用戶使用必須開通微眾銀行二類賬戶，無形中為微眾銀行增添了客戶數(shù)量。教育分期：比如 VIPKID 的遠程英語教學(xué)，騰訊是 VIPKID 的股東，為 VIPKID 用戶提供分期貸款的就是是微眾銀行的微粒貸。A 股銀行金融科技哪家強？所有金融科技的技術(shù)，

31、最終會體現(xiàn)為“三升兩降”。三升：業(yè)務(wù)運營效率的提升、客戶的體驗的提升和業(yè)務(wù)做大規(guī)模能力的提升；兩降：成本的下降、風(fēng)險的下降。我們分別用 APP 月活/零售客戶數(shù)代表效率，APP 評測得分代表體驗，零售客戶增長代表規(guī)模，零售業(yè)務(wù)成本收入代表成本，信用卡不良率代表風(fēng)險，對 A 股上市的大中型銀行進行對比（此處未納入城農(nóng)商行主要是缺少相應(yīng)的數(shù)據(jù)披露）。在這五個維度中，股份行中招行、平安始終處于前二或前三，大行中建行靠前（部分大行數(shù)據(jù)披露不全）。因而我們的結(jié)論是，招行、平安的金融科技能力最強，大行中建行相對更有優(yōu)勢。三升：效率、體驗、規(guī)模運營效率：APP 月活/零售客戶數(shù)銀行業(yè)務(wù)可以分成兩類：線下（網(wǎng)

32、點）和線上（手機銀行、網(wǎng)銀），毫無疑問，線上的效率要高于線下，客戶不用出門即可辦理業(yè)務(wù)，同時還節(jié)省了網(wǎng)點排隊的時間，現(xiàn)在各大銀行也都在推動線下業(yè)務(wù)向線上轉(zhuǎn)化，線上化程度越高的銀行，業(yè)務(wù)的運營效率也更高。我們用手機銀行 APP 月活/零售客戶數(shù)來衡量一家銀行的線上化程度：（1）股份行中，最好的是招行、平安。招行、平安 APP 月活/零售客戶大約在 20%上下，要高于其他股份行 5%左右的水平；（2）大行中，最好的是建行。建行的零售客戶數(shù)低于工行，但 APP 月活數(shù)在大行中排第一。圖 13：大中型銀行 APP 月活數(shù)和占零售客戶比例70006000500040003000200010000APP月

33、活（萬）月活/零售客戶數(shù)（右軸）25%20%15%10%5%0%資料來源：公司公告，長城證券研究所客戶體驗：APP 評測得分2019 年 8 月新浪財經(jīng)發(fā)布第六屆手機銀行 APP 成績單，綜合用戶體驗、產(chǎn)品功能、性能安全、創(chuàng)新發(fā)展四個維度將現(xiàn)有手機銀行 APP 進行評分，得分排名前三的分別是招行、平安、建行。圖 14：新浪財經(jīng)對銀行 APP 評測得分APP評測得分招行平安建行民生中行工行農(nóng)行交行光大浦發(fā)中信興業(yè)華夏0102030405060708090100資料來源：新浪財經(jīng)，長城證券研究所做大規(guī)模能力：零售客戶增長做大規(guī)模的能力，歸根到底還是取決于客戶增長的能力。我們從兩個角度來看：（1）新

34、增零售客戶絕對數(shù)，招行、平安在股份行中占據(jù)絕對領(lǐng)先位置；（2）零售客戶增速，1H19較 2015 年末零售客戶數(shù)出現(xiàn)翻倍的銀行有平安、招行、興業(yè)，其中平安零售客戶數(shù)累計增幅最快，一方面也是因為平安在零售轉(zhuǎn)型之前零售客戶基數(shù)相對較低。圖 15：股份行當(dāng)年新增零售客戶數(shù)招行民生興業(yè)浦發(fā)中信平安3,0002,5002,0001,5001,0005000201420152016201720181H19資料來源：公司公告，長城證券研究所表 2：大中型銀行零售客戶增速201420152016201720181H191H19 較 2015 年末平安65.0%33.4%20.0%8.6%186.8%招行18.

35、1%19.0%36.0%17.1%17.6%6.8%100.2%興業(yè)15.8%22.6%25.0%22.6%6.8%100.6%浦發(fā)12.8%12.9%16.8%14.3%19.6%7.2%71.1%中信16.3%29.5%16.3%18.7%10.3%7.6%63.9%民生29.5%18.4%14.1%11.0%4.3%56.4%交行10.0%10.1%10.8%18.2%3.1%0.8%36.1%工行8.1%6.7%6.9%7.0%7.1%2.1%25.0%資料來源：公司公告，長城證券研究所兩降：成本、風(fēng)險成本的下降：零售業(yè)務(wù)成本收入比科技能力對銀行運營成本體現(xiàn)最為明顯的，是零售業(yè)務(wù)成本收

36、入比的下降，2010 年以來各家銀行零售業(yè)務(wù)成本收入比呈現(xiàn)快速下降的趨勢。對公業(yè)務(wù)，比如大客戶貸款，基本還是采取客戶經(jīng)理盡調(diào)跟蹤的手工方式，對科技能力的體現(xiàn)并不明顯。2018 年零售業(yè)務(wù)成本收入比最低的幾家，大行中是建行，股份行是光大、招行、平安。表 3：大中型銀行零售業(yè)務(wù)成本收入比201020112012201320142015201620172018建行65.5%63.8%59.1%57.5%53.1%45.5%40.6%35.6%33.9%光大67.5%54.6%51.7%46.8%49.5%51.9%47.8%43.2%36.3%招行69.5%60.2%55.3%50.0%46.5%4

37、2.7%38.0%37.1%36.6%平安87.4%82.8%75.0%79.8%88.3%57.7%42.7%40.4%37.6%農(nóng)行68.3%52.8%55.4%50.5%51.2%49.2%46.3%43.0%39.7%中行57.6%57.9%58.9%58.3%53.5%52.1%45.4%43.4%41.2%工行50.1%49.2%50.1%43.0%39.2%45.7%45.9%46.3%42.6%中信86.6%85.9%77.2%77.3%75.9%77.1%50.2%44.5%45.7%交行71.0%70.1%70.2%72.6%68.2%68.0%59.8%54.7%50.9%資料來源：公司公告，長城證券研究所風(fēng)險的下降：信用卡不良率由于各行零售貸款結(jié)構(gòu)不同，比如按揭貸款（不良率低）占比高的銀行整體零售貸款不良率可能較低，而消費貸款（不良率高）占比高的銀行整體零售貸款不良率可能較高，因而不能簡單用零售貸款不良率來衡量風(fēng)控水平的高低。按揭貸款技術(shù)含量較低