至顶网CIO与应用频道 06月27日 编译:
并非所有银行都能凭借数字化努力获得理想的回报。
过去四年当中,银行机构已经投入1万亿美元,用于利用技术武器推动自身摆脱原有业务走向数字化领域。但是,这一切是否真的物有所值?
当然,投资者与高管们都对这个问题的答案抱有兴趣。自从十年之前的金融危机以来,银行一直在努力赚取一切有意义的市场溢价,并以市盈率、交易价格以及账面价值进行衡量。根据标准普尔Capital IQ发布的数据,按照这些衡量标准,银行业在各大主要行业中估值最低,其交易价格为市盈率的数倍——市盈率为10,P/BC则不足1。很明显,尽管银行业已经迎来复苏并表现出高于资本成本的良好股本回报率,但投资者们对于传统银行业的未来前景仍不是特别看好。
银行近年来在技术方面投入如此可观的资金,部分原因是为了更好地配合消费者对数字化与移动趋势的日益关注。这一切投资背后的商业案例,都是为了推动经济绩效的改善,并借此为股东提供回报。目前银行行业整体表现疲软,而从个别银行的股票表现来看,虽然部分银行已经摸到数字化转型的门径,但也有不少银行仍在过程当中苦苦挣扎。
为了弄清楚银行从技术投资中能够获得怎样的收益,埃森哲公司通过三个视角分析了来自21个国家的161家公开交易的零售及商业银行。首先,埃森哲对银行收益结果、公开声明以及财务披露进行审查,以评估银行对于技术的态度及行为。其次,埃森哲收集了第三方的反馈意见,例如贸易出版物数字创新奖项以及围绕客户满意度开展的独立数字化指标研究。最后,埃森哲银行业务专家根据他们的经验与市场知识,将这些机构的实际情况与其主观判断结合起来。
在全球161家银行当中,约有一半以上在数字化转型方面较为落后——要么没有连续的数字化计划,要么只是“玩票”性质的试探性尝试。另外,有近40%(61家)在数字化转型方面表现活跃,做出了不少正确的尝试,但缺乏真正稳定可靠的机构承诺与统一方法。最重要的是,埃森哲还发现有19家数字化银行,这些银行将建设以数字为中心的银行机构视为自身的核心任务。
当通过这种数字化成熟度分析的角度来审视其经济表现时,我们发现在数字化层面获得领先地位确实能够为银行带来显著回报。纵观这些数字化银行,他们在过去8年当中将P/BC比率提高了13%,目前为1.18。与金融科技及大型科技企业的预估相比,这样的结果确实不算太好,但仍然表明其对未来回报抱有较强的信心。第二梯队的银行实现了5%的P/BC收益。而在处于第三梯队的50%银行而言,他们的P/BV下降超过16%,平均值仅为0.83。显而易见的是,这1万亿美元的技术投资确实能够得到股东们的支持,但仅限于那些能够明确解释用途并带来切实回报的银行机构。
我们发现,这种估值方面的分歧不仅源自炒作与叙述差异。在深入审视回报情况时,可以看到以数字为中心的团队正在创造出具有可观差异的净资产收益率(ROE)与改进率。但值得注意的是,几乎所有的回报收益都来自积极的经营杠杆以及推动收入实现超越成本的增速。以2007年的成本作为基准,第一梯队的数字化银行将其成本(与收入之间的比例)降低了一半以上,第二梯队的数字化活跃银行将成本降低了约三分之一,第三梯队则仅将成本降低了2%。在全部三个梯队当中,收入占资产的百分比在此期间都有所下降,这意味着整个行业的利润率都有所缩水。只有第一梯队的数字化银行成功提升了营业收入在资产中的百分比——从1.17%增长至1.29%,而这一切都是受到数字效率的推动。
以现有业务为基础提升盈利能力确实具有可行性,但从另一个层面来看,希望银行业能够像其它行业一样通过技术进步实现收入调整增长及大型客户吸引,甚至是股份强劲增长的股东恐怕注定要失望。
银行业面临的挑战在于如何将数字化投资从效率提升转化为收入增长,这不仅仅是为了支持其股票价格,同时也是为了抵御技术巨头以及金融科技独角兽公司对银行业务的侵蚀。有迹象表明,一部分银行已经开始获得真正的数字化增长回报——亚洲的星展银行以及西班牙的毕尔巴鄂银行(BBVA)正是两家典型的领先数字化银行,其目前已经显示出强劲的收入增长。
作为一个集团,以数字为中心的银行可以通过专注扩大资产负债表并在欧洲及其它区域遵循开放银行法规的方式,扩大自身贷款与资产来源,从而逐步转化为增长模式。利用庞大的传统基础设施,银行业也可以尝试成为其它银行(以及技术企业)的银行即服务供应商。但对于已经在这场数字化浪潮中落后的银行,他们的任务就是效仿第一梯队的领导者们并努力追赶。市场决定一切,而市场喜爱数字化转型。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。