2022年度辽宁省公务员考试热点关注之金融数字化转型积厚成势

　　来源标题：金融数字化转型积厚成势

　　金融数字化转型正在从多点突破走向深入发展。观察陆续披露的上市银行2021年年报，有三个变化值得关注：一是银行愈发渴求科技人员，科技员工占比显著提升;二是银行普遍将数字化转型视为发展的“总抓手”，强化统筹领导;三是数字化转型已初显成效，相关资金投入有望进一步增加。

　　但需注意，金融数字化转型不是“画饼”“讲故事”，不可脱离服务实体经济本源，而要切实惠民、利企。多位业内人士提醒，金融机构要通过科技手段，提升金融服务覆盖面、降低运营成本、提高服务效率、优化服务体验。

　　此外，金融数字化转型还要负责任、有温度。“要保障安全和隐私，有序推动数据共享。”中国人民银行相关负责人表示，接下来，要健全金融科技伦理规范体系，多方参与、协同共治。

　　科技人员占比显著提升

　　当前，“抢招科技人才”已被多家商业银行视为重点工作，“科技强行”已成为不少商业银行的发展战略。

　　记者梳理2022年银行春季招聘发现，信息科技类岗位的人才需求大幅提升。例如，中国工商银行将招聘1300余名科技人员，并推出“科技菁英计划”，意在为产品研发、大数据分析、信息安全等领域储备科技人才。

　　哪类科技人才受青睐?“金融+IT”复合型人才。民生银行在“民芯金融科技人才计划”中提出了“利用技术和数据手段创新研发金融产品”的诉求;交通银行的业务分析师岗位则明确提出，有较好的计算机专业基础、具备计算机和金融等复合型专业背景者优先。

　　在此推动下，银行人员结构也悄然生变，科技人员占比显著提升。截至2021年12月末，中国建设银行的金融科技人员数量达15121人，占集团人数的4.03%;招商银行研发人员达10043人，较上年末增长13.07%。交通银行招录的金融科技专业背景人才在全员中的占比，已从2019年的32%升至2021年的55%。

　　变化的原因是什么?这与金融数字化转型密不可分。“十四五”规划和2035年远景目标纲要明确提出，充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级。

　　根据以上要求，中国人民银行印发了《金融科技发展规划(2022—2025年)》，要求高质量推进金融数字化转型，健全适应数字经济发展的现代金融体系，为构建新发展格局、实现共同富裕贡献金融力量。

　　“力争到2025年实现整体水平与核心竞争力跨越式提升。”央行相关负责人表示，要把数字元素注入金融服务的全流程，要把数字思维贯穿业务运营的全链条，推动我国金融科技从“立柱架梁”全面迈入“积厚成势”新阶段。

　　重在惠民利企

　　需要注意的是，金融数字化转型不是“画饼”“讲故事”，不可脱离服务实体经济本源，而要切实惠民、利企。

　　多位业内人士表示，金融数字化转型要坚持三个维度。一是有助于扩展服务的广度，触达此前无法服务的客户，例如小微企业中的“小微”;二是有助于提升服务效率和体验，压缩业务中间环节;三是有助于降低成本，通过降低金融机构的运营成本来降低实体经济的综合融资成本。

　　如何拓展服务广度、解决农村金融服务难下沉问题?“为了让普惠金融真正扎下去，我们充分运用数字技术成果，以农村集体产权制度改革为契机，推出了数字乡村综合服务平台。”工商银行副行长张文武说，通过“一窗受理”服务模式，希望能够实现数字乡村治理。

　　如何提升服务效率和体验，让金融“有温度”?“如果老人年龄超过55岁，当他注册中国银行手机银行时，系统会自动推荐‘老年版’，服务界面不仅字号大，还有语音识别功能，产品货架也是定制款。”中国银行行长刘金说，希望借助金融科技，让手机银行界面友好、功能丰富、数据安全、便捷使用，切实惠民。

　　如何降低实体经济综合融资成本?“目前，微众银行每个账户的运维成本已降至2.2元，不到国内外同业的十分之一，银行的运营成本降低了，能够为实体经济让利腾挪出更多空间。”微众银行行长李南青介绍，通过自主创新，该行已拥有国内首个具备完全自主知识产权的分布式银行核心系统，可支撑亿量级客户和高并发交易，上线至今实现了“24×365”无间断运转，服务超3亿客户，单日交易峰值超7.7亿笔。

　　“接下来，工商银行将把数字化转型作为引领改革创新的‘总抓手’，重点从数字生态、数字资产、数字技术、数字基建、数字基因五个方面布局。”张文武说，首先要做活数字生态运营，为此，该行将在政务、产业、生活、普惠等重点领域加大创新力度，更好地满足企业、居民的线上化、生态化、智能化金融需求。

　　保障数据安全和隐私

　　在金融数字化转型的过程中，有一个问题不可回避——如何有序推动数据共享、综合应用。但这里有一对矛盾：信息安全保障与数据开放共享。

　　“隐私计算正在成为解决以上矛盾的重要技术路径。”微众银行首席人工智能官杨强表示，其中以联邦学习为代表。所谓联邦学习，指的是一种机器学习技术。该技术可在不交换数据样本的情况下，在多个分散的边缘设备或服务器上训练算法。相较于传统的数据授权、数据传输模式，联邦学习能够更好地满足隐私保护要求，目前已在风险控制等金融场景中有所应用。

　　记者获悉，随着金融数字化转型深入推进，已有多家商业银行开始布局隐私计算方面业务。但是，由于隐私计算产品的市场监管尚不完备，其大规模应用还需时日。

　　根据《金融科技发展规划(2022—2025年)》要求，接下来要聚焦金融科技应用的前沿问题和主要瓶颈，实行“揭榜挂帅”“赛马”机制，通过行业组织、孵化平台、专项合作等方式，加大关键软硬件技术的应用攻关。

　　从业务操作层面看，还要切实做好数据安全保护，避免数据被过度收集、误用、滥用。央行上述负责人表示，金融机构要明确原始数据、衍生数据的收集目的、加工方式、使用范围，确保在用户充分知情、明确授权的前提下，规范开展数据的收集与使用工作。

　　一方面，可探索运用匿踪查询、去标记化、可信执行环境等技术手段，严防数据逆向追踪、隐私泄露、数据篡改与不当使用，依法依规保护数据主体隐私权不受侵害。

　　另一方面，建立“历史数据安全清理机制”，及时删除、销毁超出保存期限的用户数据，同时，定期开展数据的可恢复性验证，确保数据无法还原。“如果必须要把数据作为样本保存，那么金融机构要在经用户同意后对数据进行去标识化处理，然后将其移入非生产数据库保存，确保用户的隐私信息不被直接或间接识别，切实保障用户的数据安全。”该负责人说。

【省考面试课程】|【国考面试课程】|【事业单位面试课程】|【教师招聘面试课程】

【医疗招聘面试课程】|【金融招聘面试课程】|【公安招警面试课程】|【军队文职面试课程】