對公業務作為商業銀行的主要資產、營業收入和凈利潤來源，對銀行的意義不言而喻。伴隨著金融科技的進一步迭代升級，銀行對公業務也將迎來創新突破。

近些年來，在推動零售業務數字化轉型的同時，銀行業也在積極探索對公業務轉型新機遇，運用多種數字化手段與互聯網思維改造升級對公業務模式，以增強自身在領域內的核心競爭力。各大商業銀行紛紛以用戶為中心，深耕場景金融，通過數字手段“武裝”對公業務。

基于此，IBM 咨詢大中華區金融核心銳變團隊的專家，對銀行對公業務目前所面臨的挑戰，以及數據和 AI 如何助力商業銀行對公業務的數智化轉型做出深入剖析。

一

挑戰：

商業銀行對公業務亟需轉型為“以客戶為中心”的經營模式

不同行業或產業中優質中小微企業或“專精特新”小巨人需要開發更有效的挖掘手段：由于對公資源有限，客戶經理業績壓力大，往往注意力會集中在頭部客戶，長尾客戶眾多但對長尾客戶關注度有待提升；然而頭部客戶有限且各家銀行爭奪激烈，對優質中小微或專精特新“小巨人”的快速挖掘與關注將成為銀行新的增長點。

對公業務的開展需要逐步減少對客戶經理的強依賴：客戶經理憑借資深經驗開展對公營銷等業務的方式無法使銀行全面掌控企業情況；個人離職等因素會對銀行與企業關系可能造成較大影響。如果客戶經理對企業的觀察理解不一致，也會出現給企業推薦的產品或者服務不夠精準的情況。

數據分析層面有待深挖：當前各家銀行都在嘗試由經驗驅動變為數據驅動，利用企業相關數據進行數據分析。然而由于金融機構個體差異性較大，不同區域、不同一二線城市、不同行業、不同產業、不同上下游都會對對公業務造成影響；而金融機構的數據質量偏差、公開數據與銀行內部數據的融合、數據分析模型與業務內在的邏輯、數據分析模型的可解釋性等眾多問題導致也會直接影響數據分析結果的落地效果。

資金流水標簽體系有待加強：由于資金流水數據量巨大，資金用途等大多以非結構化的形式存在，目前還未得到很好的利用和挖掘。金融機構還需要針對資金流水進行準確的資金用途標識，構建相應的標簽體系，以便后續基于此資金流水標簽體系，全行提供精準、全面、統一的資金流主題數據服務。

二

洞察：

數據和 AI 助力商業銀行對公業務的數智化轉型

圍繞科技驅動業務的核心目標，對公業務的數智化轉型強調以大數據和 AI 支撐對公業務的精細化經營和業務創新。通過數智化能力的深入應用，實現以數智化技術驅動智慧決策模式，提升針對對公業務的剛性管控能力、反哺能力，并推動管理組織、方法、工具的創新和重塑，形成閉環的價值創造和管控新模式。

結合數據治理，完善資金流水計量工作，形成資金流標簽體系。

對底層資金流的梳理與分析，往往是新的商機與新的業務模式的起點。我們在調研中發現，銀行高層常常會問“我行資金主要流向哪些行業？”、“如果我行資金在流失、那么流失去向是什么？”、“我行用戶喜愛何種金融產品？能否深化合作帶給我行利益？”等問題。而此類問題的答案往往可以支撐銀行高層進行重要的戰略決策。

利用行內交易流水數據，全面梳理企業間、企業個人間等資金交易用途，充分挖掘企業的交易對手特點、具體經營特點、交易發生特點、渠道特點等。從每筆交易出發，更高效的形成對企業的 360度畫像，及時掌握企業經營活動的動向，不但可以輔助對公營銷與風控，還可以形成行內資金流動態駕駛艙，輔助銀行高層進行戰略決策。

融合內外部企業大數據，進行數據架構演進，不斷提升數據潛能。

銀行對公業務往往要在更加了解企業運營全貌的基礎上進行，這就對銀行大數據建設提出了更高的要求。外部數據如產業鏈數據、發票數據、上市公告、輿情數據、股東股權披露等數據對對公業務有較大價值。應從數據架構的角度出發，將行外數據與行內數據進行充分融合。如產業鏈中企業關系數據與行內企業資金流交易的融合，可協助挖掘優質產業中的優質中小微或專精特新“小巨人”。

利用 AI 技術，實現對重點客群和重點場景的深入洞察，支撐對公業務的精細化經營和業務創新。

市場新增的潛在商戶，是發展對公商戶業務的第一步，傳統的業務人員“掃街” 的營銷方式在人力、效率和精準度上難以應對復雜的市場變化。“批量獲客難”和“商戶認知難”已成為當下銀行發展商戶業務的普遍痛點，通過使用自然語言處理（NLP）等新興技術，從全量企業大數據蛛絲馬跡中成功識別其中的有效商戶，分行業輸出數量可觀的潛在商戶清單，從而為客戶經理進行開展營銷活動提供重要輸入。

IBM 經過多年銀行對公數智化轉型項目經驗積累，形成了包括“業務+技術+數據+管理”的一整套的智慧決策解決方案，并為多個國有大行、全國股份制銀行、城商行、農信社等金融機構提供了咨詢和實施服務。2020年 5月，IBM 咨詢成立專門致力于服務金融機構的超級戰隊——“IBM 金融核心銳變團隊”，為銀行的數字化轉型提供從戰略咨詢、流程設計、系統開發、數據管理、實施運維等端到端的服務解決方案。其中也包括為對公業務數智化轉型的整體數據鏈路重構、企業級數據治理及資產管理、對公數據分析平臺設計和實施， AI 平臺構建等。

三

實踐：

IBM 在銀行對公領域數智化轉型的最佳實踐參考

1、數據架構演進助力數據潛能提升支持實現普惠金融拓客

數據架構演進支持數據潛能提升：IBM 建議構建對公分析平臺，實現對公數據整合，將行內與行外數據充分融合，在此基礎上構建對公客戶經營圖譜，構建模型工廠，實現智能檢索和分析，從而實現面向所有對公客戶、覆蓋全產品、全渠道的對公業務分析平臺。如下圖所示。

普惠金融拓客：基于對公分析平臺，可以實現對公客戶的全面畫像，支持精準營銷、風險防控等各類業務應用，下圖是基于對公分析平臺實現對公精準營銷的示意圖，通過對公客戶數據整合，基于經營圖譜和模型工廠，實現對公客戶的全面感知，產品推薦和商機整合，最后推送給渠道端實現對公客戶精準觸達。借助 IBM 對公客戶營銷模型，IBM 幫助某大行進行產業鏈深度分析，結合圖計算等 AI 技術，針對優質產業鏈如智能制造產業鏈，批量挖掘優質中小微與專精特性“小巨人”，形成優質潛客 100多家企業名單，支持普惠金融進行優質拓客。

2、結合對公領域數據治理輔助構建企業財資管理云平臺

針對對公領域的數據治理：IBM 幫助一家大行構建基于交易資金流的數據標簽體系，并利用 NLP 技術輔助對公數據治理工作，從非結構化數據中挖掘蛛絲馬跡，形成對企業的 360度資金流畫像。幫助該行大幅縮短了資金流計量工作量。同時，結合財務專家，從企業交易資金流中還原企業的經營狀況，輔助各對公業務，實現對企業經營狀態的及時掌控。

企業財資管理：在資金流梳理的基礎上，IBM 幫助該行實現面向員工渠道的資金用途看板，聚焦企業實時資金用途異動，洞察交易對手特點。利用知識圖譜和圖數據庫，實現企業交易活動的上下游洞察。

3、AI 技術實現對公結算產品推薦“千企千面”

結算產品推薦引擎：IBM 幫助一家大行構建對公交易網絡圖譜，對企業交易進行深度挖掘分析，挖掘各交易方關聯關系，從而有效開展交易產品精準營銷利用圖計算，對企業進行“千企千面”的結算產品推薦。在使用中，利用歷史數據洞察營銷客戶清單，基于圖譜推薦輸出客戶的組合產品推薦清單。利用該方法客戶經理精準營銷且成功的企業客戶遠超人工推薦，與推薦列表匹配準確率高達 95%。其中某家企業的營銷洞察如下圖所示，通過資金流向分析，我們發現該企業大量使用“定時資金池 （某結算產品）”，而該結算產品往往與投資理財強相關，同時，該企業資金歸集量極大，存在一定時間內的資金沉淀，且該企業日均存款余額大，因此可以進行投資理財產品的營銷工作。從而改變了以往客戶經理不知道何時給企業推薦各種投資理財產品的困境，同時也有助留住客戶，將資金沉淀在行里。

后記：

借助數智化轉型，真正做到讓銀行對公業務實現三個轉變：一是銀行對企業經營活動的了解更加高效更加及時，并針對性的提出更加貼合企業實際的服務方案。二是由原來的經驗驅動轉變為數據驅動，拜托對客戶經理的強依賴，真正做到利用數據賦能對公業務。三是提供了業務創新的思路，從過去不知道何時企業需要何種投資理財產品，到了解企業的資金運轉情況，并推薦合適的投資理財產品，提供了企業資金效率，使銀行更好的服務企業。

責任編輯：haq