1、银行3.0战略升级，第三极零售应运而生
2、第三极零售之一：场景化零售的场景分类和搭建
场景化零售将金融服务无缝融入到生活的方方面面，延伸出来的生活场景包罗万象，从基本生活需求的“衣食住行”到品质提升需求的“医教文体”。针对不同的场景，各家银行根据自身情况的不同采取不同的场景搭建方式，一般来说场景搭建有2个维度：一是搭建空间，可以是线上场景或者线下场景；二是搭建主体，可以是自建场景、外部引流或者合作共建。
3、第三极零售之二：智能化零售方向
目前智能化零售的方向主要有人工智能、大数据、智能投顾、区块链交易等。在人工智能方面，应用前景主要有3个方向：（1）AI生物识别技术，提高识别与支付的效率和安全性。（2）AI智能客服，减轻人工客服压力、节省成本并提高客服效率。（3）智能营销和投顾，基于千人千面的营销方式和投资选择。
4、第三极零售的案例：各银行场景化和智能化实践
第三极零售：场景化和智能化
一、银行3.0战略升级，第三极零售应运而生
Bank1.0指的是以传统银行业务为主的银行业务形态，绝大多数业务在物理网点的高柜上完成，主要业务方向为传统的吸储放贷业务。而在金融服务同质化严重的当时，银行主要的竞争方式是网点数量的铺设密度和广度，哪家的网点越近，网点内柜台数量越多就能争取到更多的客户。
Bank2.0是随着ATM和网络银行等金融科技将银行金融服务拓展为全天化和网络化的转变过程，客户依赖物理网点的行为被迅速转变，存取款等行为被24小时可使用、分布更广、跨行可取的ATM所替代，而大部分的零售银行业务也可通过电子渠道进行操作。但是Bank2.0时代的线上化仍有很多的不足，比如客户开户后仍会归属于某个具体的物理网点，且一些像开户、理财与保险购买、大额转账等较为复杂的业务因身份验证、材料审查和纸质合同签署的原因依然需要到网点进行办理。物理网点的布局也慢慢向低柜台和智能化转变但业务适用范围较为有限。
Bank3.0是随着互联网、人工智能和大数据等科学技术发展和社会消费主力人群的变更而引发的客户行为和消费习惯的转变，在物理网点逐渐消亡的同时带来的是绝大多数业务向手机等智能终端的转移，业务办理由全天化向全面线上化转变，而物理网点独有的存取款业务也将因去现金化和移动支付而逐渐淡出客户视野。业务的核心也从银行能提供什么功能到客户需求什么功能转变，这种转变不仅仅需要银行服务进一步便捷化和网络化的提升，更是银行对整个金融服务的再定位和再转型。当银行无法及时跟上客户的需求时，互联网和其他非银金融机构就能跨界渗入到银行客户，所以银行必须将客户需求作为决定金融服务转型的方向，而银行将零售业务升级为场景化和智能化零售是整体战略中的重要一环，第三极零售应运而生。
我们认为场景化零售不仅仅是银行零售业务的一个创新举措，也是未来零售业务的最主要运营方式，通过金融服务和客户生活中的各类场景紧密融合，让客户在无缝享受金融服务的同时，便捷好用的金融产品将牢牢切合客户需求，产生不可替代的客户黏性。而在零售业务逐渐场景化的过程中，智能化金融科技将作为后台中央大脑充分支撑起场景化的各项技术和数据需求。从AI生物识别到精准营销，再到智能投顾和大数据风控，未来银行的每一项零售业务将和智能化零售紧密结合。智能化零售的基础是集合内部系统、客户信息、市场动态的纯数字化的大数据库，没有数据支撑，任何金融科技的手段都无用武之地。而场景化和智能化的有效融合则能形成智能化零售提升场景化零售，场景化零售进一步丰富智能化零售大数据的正向循环效果。
二、第三极零售之一：场景化零售
1、场景化零售的特点和优势
传统银行零售业务“同质化”现象严重，各家银行的零售金融服务单一且没有自身特色和优势，加上互联网公司主导的移动支付逐渐兴起和电子银行的普及，造成银行客户黏性和转移成本均较低，在服务同质化的情况下极易因为办卡送礼或其他优惠活动等营销手段转换银行。而场景化零售以个人客户的日常生活中的真实场景为核心切入点，依托互联网、大数据、AI、生物识别等金融科技，将金融服务融入到具体场景的需求中，提升客户黏性和金融服务维度。场景化零售有4大特点和优势：
从笼统的提供金融服务到应用于真实场景
以往银行零售业务给客户提供最多的为笼统的金融服务，如查询、存款、贷款、转账、支付等，客户的金融服务独立于生活和场景之外，只有在生活中需要金融服务的特定时刻客户才会想起使用金融产品；而场景化扩展了金融服务的范围，将金融服务自然而然的展现在场景中，并利用金融服务在场景中引导和激发客户的潜在需求。
例如在用餐这个场景中，利用各类定制化的营销活动引导客户在用餐时想到去特定餐厅并使用特定支付方式进行支付，而不是在任意餐厅用餐后使用银行卡完成买单行为。针对用餐场景单笔金额小、频次高、需求稳定的特点，利用场景化的金融服务将用餐这个具体场景展现在目标客户面前。通过定制场景专有的营销内容和金融服务，如每周五中午工作餐满减优惠或每周三下午茶赠品活动等营销手段，使目标客群一想到用餐时自然而然的就想起场景特定的营销活动，进而激发客户的潜在需求，引导客户完成最终消费。在该场景消费完成后，银行又可以利用消费时产生的大数据收集目标客户的偏好和习惯，从而进一步精准的描绘目标客户画像，在下一次进入该场景时产生更针对的营销展示和专有活动。
从单一金融产品到完整的产业链和生态闭环
以前的银行只是在零售中提供单一的金融产品，在同质化和低转移成本的情形下面对其他金融机构的价格竞争和营销活动难以抵抗；而在场景化的消费中可以自上而下的延伸更多场景和更多需求，并形成生态闭环。将获客手段从价格竞争升级为价值体现，利用客户的“懒惰”（产品便利性）和“情怀”（产品独特性）提升金融服务的差异化溢价水平，采用网状延伸的场景化金融服务全面覆盖客户多种多样的生活需求，提升客户使用体验，从而聚合更多目标客户群，提升客户忠诚度。
例如在从场景化零售中激发客户潜在需求后，指引客户完成支付，并从支付业务延伸到消费贷款业务，通过不同类型的场景进行定制化分期还款业务，再延伸到链接工资卡等还款方式自动化无感化的进行还款，而多余资金又可在理财平台上进行财富管理和规划，为客户提供综合化的金融解决方案并形成激发潜在消费-支付-贷款-定制化分期方案-自动化还款-再次消费的生态闭环，使得客户接受到的金融服务更加完善。再通过可累计的信用评分系统、积分奖励机制和不定期的VIP专属营销活动等方式建立会员体系，鼓励客户重复使用金融服务，而在转移金融机构时的成本和程序大大增加，从而增加客户黏性。
从刻板的客户群体划分到精准化营销和服务
在场景化零售之前，银行对客户的划分粗放的依靠生理、地理和社会数据，例如年龄、性别、地区、职业、收入等笼统的数据划分客户群，各类客户群有所不同又相互重叠，而且较难通过客户的年龄、性别、地区等信息清晰的判断出客户的具体需求，给客户管理和营销带来混乱和困难。场景化零售要求银行不再通过机械划分客户群体后再去挖掘需求，而是通过挖掘衣食住行等特定场景的独特需求来定向开发目标客户，利用符合场景的定制化金融服务满足目标客户的需求，继而收集客户的大数据信息，延伸开发后续服务。
从现金贷款到对应真实消费需求
传统现金贷业务中银行无法掌握贷款客户的资金使用方向和额度情况，即使在客户明确告知贷款用途的情况下也难以避免道德风险，无明确用途的现金贷有可能投入到股市、期货、房产等市场中，过高的杠杆极有可能在市场波动较大时给客户带来损失，削弱客户的偿还能力，抬升银行的不良率。场景化零售在一定程度上减少了现金贷资金流向难以控制的现象，明确的消费场景和资金使用方向限制客户挪用信贷资金用于高风险投资或进行超过自身偿还能力的消费的可能性。但仍需要注意的是商家可能通过开具虚假交易清单或协助客户先使用消费贷购买商品再通过卖后折价现金回收的方式从银行套现并违约利用资金，增加银行信贷风险。
2、如何进行场景化零售
场景分类
场景化零售将金融服务无缝融入到生活的方方面面，延伸出来的生活场景包罗万象，从基本生活需求的“衣食住行”到品质提升需求的“医教文体”。随着场景的不断深化、银行利用自身独有优势和资源将大的场景根据客户需求的不同进行差异化细分，利用大数据和人工智能等金融科技手段对潜在目标客户描绘“千人千面”的精准画像并定制专属营销手段和金融服务内容，不断升级旧场景并产生新场景，拓展金融服务范围丰富金融服务种类。
场景搭建
针对不同的场景，各家银行根据自身情况的不同采取不同的场景搭建方式，一般来说场景搭建有2个维度：一是搭建空间，可以是线上场景或者线下场景；二是搭建主体，可以是自建场景、外部引流或者合作共建。
从搭建空间来看，主要有以网络商城和金融商城为主的线上场景和以日常生活与公共服务为主的线下场景组成。随着互联网和通信网络的发展，互联网思维的O2O（OnlinetoOffline，线上到线下）也演化成OMO（OnlineMergerOffline，线上融合线下），使得线上场景和线下场景的界限越来越模糊，线上发起的场景往往会延伸出线下的服务和销售，线下发起的场景也往往需要线上的查询、支付与结算功能。
线上场景
就线上场景来说，尤其是购物、购票、外卖等日常高频消费场景已经被几家互联网公司牢牢掌握，市场份额巨大且用户黏性强，电子商务的快速发展对于我国居民消费方式的转变是影响巨大且不可逆的，不能在线上零售业务中占据一席之地的银行必将在场景化竞争中处于入口缩窄、客户流失的全面劣势。18年末国内网络零售市场交易规模达9.01万亿，同比增长25.57%，占社会消费品零售总额的23.61%，占比同比增长4.02个百分点；网购用户规模达6.10亿，同比增长14.45%，占网民总体比例达到73.60%，占比同比增长4.50个百分点。
线下场景
线下场景涵盖了用户日常生活的各个方面，作为商业银行想要把所有场景全部接入是不现实也是不经济的，各家银行的场景拓展方向应该趋向于日常生活中使用范围广的高频场景，再根据自身优劣势做场景细分。具体来看，我们认为发展前景较大的场景主要聚焦于餐饮、旅游、汽车等日常生活场景和医疗、教育、公共交通等公共服务场景，以聚合支付作为主要切入点吸引客户使用银行服务、取得获客机会，再以围绕场景的综合化、网络化和智能化服务作为留客手段，形成闭环的生态圈。
校园场景
银行可以利用自身信用好、资金成本低、运营规范、征信能力强、偿还约束力高等优势，从客户挖掘和贷前审核方面与校方合作，开展消费贷、信用卡等具有明确消费场景和资金用途的小额高频校园信贷。虽然大学生目前无收入无征信，但其具有较强的消费意愿和新一代的消费观念，且未来收入和还款能力有一定程度的保证，是小额高频次消费贷款的优质客户，在拓展校园信贷业务的同时，也获取了未来的潜在客户和优质的征信信息。
聚合支付
聚合支付提升了客户端和商户端的体验。从客户体验上，因为聚合支付将市面上大部分支付方式全部融合到一个二维码内，客户无需担心兼容性和可用性，使用任何其习惯的支付方式完成支付即可，增加了便捷度和体验效果。从商户体验上：
2、此外银行作为底层结算商可以直接进行资金结算，相较于现有的第三方聚合支付公司具有成本和结算速度优势，加上银行可以通过减免手续费而利用后续贷款和理财服务赚取收益的方式拓展客户，其费率更低。
3、银行本身信用等级高、安全性强、金融服务经验丰富流程清晰，更容易得到商户的信赖。
三、第三极零售之二：智能化零售
金融科技已经成为了每家银行的重点战略方向，各银行在年报中也都重点披露了金融科技的最新进展。我们认为智能化零售作为后台辅助，是发展任何零售业务的基础。有且只有在通过金融技术将各类信息组成完全数字化的大数据库，才能在场景中完成AI生物识别确定客户、精准营销确定产品、区块链和聚合支付等手段确定交易流程、智能投顾和大数据风控进行投中和贷中管理的金融产品全链条服务。
1、AI识别和营销
人工智能主要在银行零售业务中应用主要有三：
其一、AI生物识别技术，提高识别与支付的效率和安全性。生物识别是利用人体的固有且独特的生物特征，例如指纹、人脸、虹膜、静脉、声纹等，通过生物统计学解析运算从客户的生物信息数据库中鉴别出个人身份并完成支付和基于客户信息的个性化客服和营销服务。目前的主要识别手段是指纹识别，其优点是技术成熟且成本较低；而未来的发展方向主要是人脸识别，目前市占率增速高于其他识别方式，其优点是无需接触，可以大大的提高识别速度和人数、同时可以做到无感识别，增强客户体验，并且减少接触式识别带来的卫生隐患。
其二、AI智能客服，减轻人工客服压力、节省成本并提高客服效率。目前AI客服主要分线上智能客服和线下网点智能客服两种应用形式。在线上智能客服中，通过人工智能和机器自主学习方式了解和分析人类语言以及表达含义，再通过预先设定好的答案进行快速响应和解答，目前主要运用于常见问题的解答。因当前语言识别技术限制，还无法做到完全替代人工客服的程度，某些疑难问题或客户针对性的问题AI客服仍然无法解答或提供错误答案。所以还需要和线上人工客服互相配合，由AI客服预先将客户分流，解答常见问题并自动将疑难问题转接至人工客服处。
2、大数据风控
除了上文提及的利用大数据技术进行千人千面的营销方式，大数据在金融科技中的另一个重要应用是基于大数据的智能和实时风控。在银行进行传统信贷业务的过程中已经积累了丰富的风控经验，但是由于获取公司客户经营信息和个人客户财务信息难度大，频率高，容易引起客户不良体验，造成传统的风控手段存在信息收集困难、存在道德风险和信息滞后等问题。而大数据技术的运用可以优化传统的风险评估模型，提高风险的识别能力和实时性。主要在风控领域的运用有4方面：
其一、优化风控模型。大数据的运用使得银行现在可以基于大数据采集到的更加完善和细致的信息对客户的风险程度进行更好的评估，充足的客户信息可以极大的优化基于传统公司报表和个人银行流水的风控管理体系，改进风控模型的判断能力和预测效果。
其三、提高客户身份识别能力。基于生物探针技术，通过收集用户使用手机的习惯形成的大数据，例如手机点击频率和速度、手持手机的角度、触摸手机的方式和点击力度等方式，进行细致化的行为识别技术，加上生物特征识别技术，极大的减少了账号盗刷盗用的风险。
3、智能投资顾问
“智能投顾”（Robo-Advisor）又称机器人投顾，是基于投资者的自身财务状况、风险偏好和投资期限，通过将经典的投资组合理论、行为金融学、效用理论等多种理论融入算法设计，以及对市场数据及时高效的分析处理，对股票、债券、基金、期货、大宗商品等投资标的进行自动化、智能化投资管理。
智能投顾的理论基础一是基于投资者风险偏好的不同和马克维茨的均值-方差模型计算出的有效投资组合在各类资产上进行分散投资来控制波动率并获得长期稳定回报率，二是基于量化投资策略通过alpha因子、beta因子、小市值因子等各种量化因子和无风险套利等策略进行模拟量化投资，利用计算器的快速运算能力选出最优因子和最佳投资组合，同时利用机器学习手段探索和改进投资模型和算法，优化投资逻辑，减少程序漏洞和出错几率。
智能投顾兴起于2008年，当年互联网公司Betterment和Wealthfront相继在美国成立开启智能投顾时代，目前两大公司已成长为管理超过100亿美元，估值超10亿美元的独角兽公司，而目前AUM居首的智能投顾服务机构VanguardPersonalAdvisorServices凭借先锋集团自身的品牌优势和客户基础已经管理超过1150亿美元的资产。2018年全球智能投顾的总管理规模和用户已经达到5431.88亿美元和2610万户，未来5年AUM的复合年化增长率为36.27%，而2018年中国智能投顾的总管理规模为289亿美元，未来5年AUM的复合年化增长率高达60.59%。
银行系智能投顾产品拥有几大特点：（1）投资标的为公募基金；（2）采取智能+人工的投资模型和算法搭建方式；（3）通常投资期限分为1年以内、1-3年和3年以上；（4）投资起点大都在1万到2万之间。
目前智能投顾还存在以下几个问题：
其三、中国金融市场的有效性。中国股票市场政策法规尚未成熟、执法力度有待加强、投资者构成散户化、市场有效性还待验证，市场波动性较大，从而把基于有效市场的传统投资理论搭建的智能投顾模型的适用性大打折扣。同时客户的接受程度不足，散户化的客户基础和客户长期投资理念的缺失，导致客户进行快进快出式的投资方式，从而弱化了基于长期投资理念和价值回归模型的智能投顾的收益效果。
其四、偏股或偏债基金带来的策略偏移。智能投顾的投资策略是基于客户风险偏好和投资期限给出不同比例的固定收益、股票、货币和其他类的投资组合，再根据选定的投资范围，从投资范围中选择相应的公募基金。但相应的公募基金并不是全部100%持有固收或者股票类标的，如果智能投顾认为客户只需要10%的现金和货币基金，但固收和股票类公募基金中也持有10%的现金或货币类产品，就会产生现金类产品占比超过投资组合规划的策略偏移现象。
4、区块链交易
区块链利用块链式数据结构来验证与存储数据、利用分布式节点共识算法来生成和更新数据、利用密码学的方式保证数据传输和访问的安全、利用由自动化脚本代码组成的智能合约来编程和操作数据的一种全新的分布式基础架构与计算方式。目前的主要应用有采用数字加密货币的交易系统和利用区块链不可篡改、公开透明和自动执行的智能合约系统。区块链按集中度主要分为3类：公有区块链、联合区块链和私有区块链。
跨行跨境货币交易系统
目前银行业对区块链的主要应用方式是基于银行业联合区块链的跨行跨境货币交易系统，少数银行已经开始搭建并投入使用。基于银行业联合区块链的跨行跨境货币清算系统相对于现在的货币主要有以下优势：
其一、跨境清算速度优势。相对于目前国内的银行间清算系统不具有速度优势，但相对于国际间利用SWIFT通信并利用CHIPS或EURO1等清算系统进行美元、欧元等货币的跨境清算时速度优势明显，将以前跨境清算以天做单位缩减为以秒做单位。
其二、信息不可篡改。一旦信息经过验证并添加至区块链，就会永久的存储起来，除非能够同时控制住系统中超过51%的节点后对系统做出修改，否则单个节点上对数据库的修改是无效的，在区块链参与人数众多时同时控制51%的节点难度特别大，因此区块链的数据稳定性和可靠性极高。
其三、去中心化。由于使用分布式核算和存储，区块链交易不需要一个集中的中央服务器系统去提供连接和信息处理支持。一是在收到人为攻击或自然灾害时，整个系统的数据依然能够完整的保存在区块链上；二是不存在服务器维护维修时造成系统暂停而中止交易的现象；三是减少信息处理节点，过去系统内的信息需要从发送方发送到中央服务器再发送给接收方，区块链可以跳过中央服务器直接进行点到点的信息互换，提升效率。
其四、信任度升级。区块链采用基于协商一致的规范和协议使得整个系统中的所有节点能够在去信任的环境自由安全的交换数据，使得对人和机构的信任改成了对机器的信任，任何人为的干预不起作用。
区块链交易目前的问题：
其一、处理速度慢。相较与比特币的7笔/秒的数据吞吐量，Visa达到8000笔/秒，而支付宝更是超过25.6万笔/秒，过低的吞吐量根本无法满足当今社会资金流转的需求，极易造成区块链的交通堵塞，而最原始的提高交易费用减小交易频率的方法不仅增加了平台用户成本也没有实际上解决吞吐量过低的问题。
目前提升区块链吞吐量主要有4种方法：
1、增加区块大小：比如将目前比特币当区块大小从1MB提高到2MB就可以使其每秒处理量增加一倍。如果想让比特币达到Visa一样8000笔/秒的处理速度，区块大小将超过1GB，但是过于庞大的文件大小使得在交易时将数据传送给网络中的其他人变得不切实际。
3、代理共识：将信息处理交于具有一定信息处理能力的一群代理成员，由代理成员运行代理共识协议达到缩减共识流程增加吞吐量的效果。但共识代理协议实质上是一种中心化的处理模式，也无法杜绝共识代理之间达成合作协议以控制整个区块链网络的道德风险。
4、分片技术：将数据整体打散随机分成更小的部分，由随机确认的节点进行验证总结再将结果上传至区块链。虽然分片技术可以大幅度提高吞吐量，但技术的不成熟也增加了错误概率，从而带来数据的高延迟和不一致性问题。
其二、系统数据储存压力。随着区块链使用人数和频率的增加，区块链需要传输的数据也大幅增加，即使吞吐量极小的比特币目前数据增长率大约为0.14GB/天，一个完整节点的数据存储超过200G，而以太坊的数据增长率约为0.23GB/天，完整的数据存储更是超过1TB。过高的数据增长速度和储存空间要求已经逐渐高出普通用户的承受范围。而随着区块链商用后的数据传输和储存要求将指数倍增加，每个见证节点的负担和他数据同步成本也会增加，使得更少数的节点拥有见证节点的能力并阻碍新的节点接入的动力，从而使区块链变得更加集中和中心化。
其三、安全技术成熟度。各家银行经过多年的网络化和数字化建设，已经在基于传统中央服务器形式的交易安全系统方面积累了许多安全管理经验，已达到金融级的数据加密和传输效果。而区块链作为新技术，可供黑客利用的漏洞更多，区块链基于开放式网络的模式使得黑客可以更容易的进行网络攻击。
从目前情况来看，银行内部之间以及同一集团控制的各家境内境外银行比较适合在私有区块链上利用增加区块大小的方式进行跨境交易，充分利用私有区块链的封闭性和安全性，以及数据吞吐量不大时增加区块大小方式的技术具有相当的成熟度和稳定性。而银行间的跨境交易则更加适合利用代理共识模式的联合区块链，这样可以在数据安全性和公开透明度上做平衡，并利用银行，尤其是大型银行的信用背书充当代理来降低节点可能存在的道德风险，并提升吞吐量和交易效率。
基于区块链的供应链金融和票据业务
而区块链提供了一个透明可靠的信息平台，各方均可实时查看商品、资金和信息的当前状态，降低沟通成本，并可通过链上信息逐步追溯商品整个生产和流通过程，并在完成交易条件后依照预先设定好的交易程序自动完成交易流程，从而提高供应链管理的效率金额安全性。当发生纠纷时，因所有信息公开透明且可追溯，举证容易且可行度高。同时银行可以通过区块链实时获取到大量上下游企业的生产信息，并基于大数据系统完成实时风控和信贷管理。
近年来国内票据行业飞速发展，已经从传统的纸质票据时代来到了电子票据时代，电子票据虽然在一定程度上解决了纸质票据交易效率低下、风险较高、虚假票据等问题，但依然存在着中心化、重复记账、流通局限性、安全监管等一系列问题。区块链的去中心化特征可以取代票据中介的作用，从而缩减效益流程、提升交易效率并减少交易成本。区块链的信息不可篡改特征可以在票据交易完成后根据预先设定程序按照合同条约自动执行条款，避免赖账、一票多卖、和打款背书不同步等现象。前后相连的链式结构也公开透明的将信息展示给各类用户和监管机构，提升信息的信任度和可追溯性，加大违法成本并减小监管压力。
四、第三极零售案例：场景化和智能化零售的实践
近两年来，各上市银行纷纷提出了自己的场景化战略和金融科技战略，加快建设各类生活场景，并在提升基础设施处理能力的同时在人工智能、大数据、智能投顾、网络安全、区块链等领域加大资金和人才投入。我们选取业内有代表性的工行、招商和浦发3家银行举例说明各家的场景化与智能化零售实践方式和效果。
1、工商银行
工行作为国内业务规模最大的银行，场景化和智能化零售最大的优势是用户规模和金融科技投入。庞大的用户规模使得场景化业务可以迅速铺开，边际成本和人均摊派成本大大降低，同时各项金融科技的应用也得到了充分的试验和验证。随着持续推进“e-ICBC3.0”战略升级，工行在搭建核心金融场景和金融科技投入与应用方面走在了市场最前列。
场景化实践
工商银行在场景化零售中着力从支付和应用场景两方面入手，目前已建立核心金融服务场景240余个，涵盖生活、消费、出行、理财投资、公共服务等百姓生活的主要领域。
针对商户和服务提供端，在政务服务领域上线社保、公积金、税务等场景应用，完善身份认证、个人信息查询、缴费等全功能生态链；通过“银校通”实现校方对学生学籍信息和各类教育费用的管理，通过“智慧物业”实现物业缴费和报修维修，通过自主研发的“车牌付”成功中标吉林、四川等地高速公路无感支付通行项目，通过“商医通”建设医疗供应链协同平台。
针对客户端，依照互联网金融战略搭建了“融e行”网上银行和手机银行平台、“融e购”电商平台和“融e联”即时通讯平台3大APP，以及“工银e支付”全功能支付平台。
智能化实践
工商银行建立了包括物联网、大数据、人工智能、云计算、互联网金融、区块链与生物识别、主机开放平台系统在内的7大创新实验室，积极探索金融科技的发展和应用情景。目前，工商银行的金融科技人才已达1.5万人，相继成立了金融科技部、业务研发中心、和金融科技子公司工银科技。
其一、在人工智能方面，运用神经网络模型和流数据处理技术在反欺诈识别领域实现对电子银行交易的实时监控，有效防范客户资金损失；在生物识别技术上，成立生物识别信息平台对客户的多种生物特征统一管理和识别认证，提升识别精准度，并推动人脸识别技术在ATM取款、业务支付、社保资金领取等领域的应用。
其二、启动智慧银行信息系统（ECOS）建设工程，智慧银行信息系统（ECOS）建设工程，通过构建e支付功能从主机向开放平台延伸，合理布局网点，整合存取款业务；完成主机新一贷双活架构投产运营和切换验证，实现系统级数据零丢失，进一步提升主机系统业务联系性保障水平。在运营管理方面，持续开展信息安全平台建设，搭建IT大数据平台，提升信息安全防护水平。
其五、在物联网方面，自主研发了同业首个物联网平台，在信用卡汽车分期业务和小微金融中投入实践，提升了风险控制水平。
2、招商银行
招商银行是最早切入移动端的商业银行，在零售端一直坚持“网络化、数据化、智能化”的发展战略，尤其注重移动客户端的发展，坚持“移动优先”的战略。招商银行在零售端的核心金融科技产品是两款App—包罗理财投资，涵盖生活中主要零售业务的招商银行App以及以“打造品质生活”为核心目标的掌上生活APP。招行两大App每年都会在运用最新金融科技的基础上进行优化升级，推出全新版本，升级用户体验。2018年，两大App的MAU达8，104.67万，较上年末增长47.24%。
从版本更新方向和内容可以看出招行场景化零售的战略思维和逻辑从最开始的利润为先，追求存贷款规模和净息差的传统金融场景；到追求资产管理规模（AUM），将思维拓展到消费信贷和理财等泛金融场景；最后到把握场景入口和流量，以月活跃用户（MAU）作为北极星指标，围绕客户日常生活场景嵌入全方位的产品和服务，而只要活跃用户在场景化的不断使用招行的产品和服务，资产管理规模自然而然就会提升，管理规模的上涨又自然而然的产生更多的收入和净利润。
作为零售银行龙头，招行场景化的两大利器就是旗下的两大App：“招商银行”App和“掌上生活”App。随着数字化平台建设逐步深入，两大App已成为客户获取和客户经营的主要平台，其中借记卡线上获客占比17.89%，信用卡数据获客占比61.21%，两大App分别有27.11%和44.21%的流量来自非金融服务；此外大部分零售客户的交互行为已经从线下迁徙到线上，其85%的零售客户的交互行为都是通过App完成，网点到访流量占比不到3%，并且这种趋势还在延续。在场景搭建上，两大App已有15个MAU超千万的自场景；场景聚焦出行、饭票和电影票、商城、校园、医疗等垂直细分领域。
“掌上生活”App聚焦高频生活消费场景，如两票（饭票、影票）、商城、旅游等场景，为App客户提供支付和消费金融等金融服务，引领信用卡的转型升级。截至18年末，掌上生活App累计用户数7，002.73万户，其中非信用卡用户占比24.38%，月活跃用户数3，953.87万户，年轻客群占比超过70%，客户规模和活跃度持续领跑同业信用卡类App；累计贡献信用卡名单量384.44万，通过掌上生活App推出的“e智贷智能引擎”成功办理的消费金融交易占总消费金融交易的比例为49.47%，掌上生活App的战略地位得以进一步确立。
2018年9月17日，招商银行正式发布了招商银行App和掌上生活App的7.0版本，在收支账本、城市服务、基金频道、社区升级、智能服务方面均有重大更新，并有149项功能的优化。
新增城市服务板块，利用每个城市不同的生活习惯和消费场景，充分发挥各分行网点的特色服务并将其从线下挪至线上，围绕当地人生活状况将便民服务和生活场景进行定制化和本地化。理财板块新增社区概念，引入大量专业人士观点与客户互动内容，从单纯的金融产品推销变成场景化的社区交流模式，提高用户粘性和平台的活跃度，并在社区营销和推荐中利用招行自有客户的大数据引入用户的风险偏好和资产状况，加上类似于百度等互联网公司采用的信息收集技术对客户在两大App使用过程中点击和搜索的内容提取客户兴趣点，从而智能匹配最适合客户的金融产品和服务。
首次向非招行卡用户开放App，向合作伙伴开放API（应用程序编程接口）。7.0版本向没有招行银行账户的客户开放，通过手机号注册即可使用“饭票”、“影票”以及其他生活缴费等场景，并可对接第三方支付；同时开放API向金融同业和互联网企业输出金融服务能力，依托更大的平台资源提升招行产品渗透率，继而提升MAU。目前非招行卡绑定用户数已超过千万，通过开放用户体系和程序端口的做法，获取大量新增客户，通过定制化无感化的场景服务提升客户的活跃度和黏性，再向原有的账户体系进行导流，引导客户开通招行账户，提升App使用频率以及信贷、理财等产品规模。
在人工智能方面，通过打造智能微客服，引入全新交互形态和AI内核，布局声纹识别、语音大数据分析、智能服务机器人等方式提升线上服务体验。此外，通过对零售客户生成1，726个客户画像标签，展开千人千面的营销策略，营销成功率提升到17.42%，形成基于大数据的个性化精准推荐。
在大数据方面，在APP5.0版本招商银行就利用大数据为客户提供全方位的收支记录功能，按消费、投资、转账与收入四大类别帮助每个用户进行自动分类汇总，全方位自动记录用户资金流向，让每个用户能更全面地了解自己收支财务状况。
在智能投顾上，招商银行在行业内首家启用基于人工智能的智能投顾产品—“摩羯智投”，并在之后定期对其进行升级，目前已经积极引入人工智能、大数据、云计算技术，成为国内规模第一的银行智能化产品。目前，摩羯智投系统已经对3400多只公募基金进行分类优化和指数化编制，每天还要进行107万次计算来优化模型，确保系统能够给予投资者最优风险收益曲线与投资组合方案。
3、浦发银行
浦发银行从自建场景和开放API两方面入手，打造场景生态银行。在自建场景中，发布手机智能APP10.0版，利用动态大数据分析，充分了解用户偏好，为用户精准推荐适合的产品、活动和资讯等。上线“财智机器人”，通过会话即可选择并购买理财产品；提供理财产品转让服务，自售的非保本产品均可在手机银行APP上进行转让，成交后资金当天即能到账，大举提升自售理财产品的流动性。针对高净值客群需求，上线“知享·慧生活”一站式非金融管家服务平台，该平台已有“健康尊护”频道8大项目，近期还将陆续推出子女优培、顾问咨询、雅致生活共计4个频道30多个子栏目的智慧生活内容。截至18年末，个人网银客户3，024.10万户，交易金额9.38万亿元，个人手机银行客户3，466.30万户，交易金额7.29万亿元。
其一、推出国内首款智能APP和首款智能柜台i-counter。浦发银行就发布了国内新款智能APP，率先开启了智能语音交互应用，通过语音命令可以让客户在APP里快速查询所需信息，也可以让人工智能根据自身需求和客户画像挑选适合的理财产品，同时引进人脸识别、指纹等生物认证技术提升客户体验、保障大额交易安全性。此外，推出银行业首款智能柜台i-counter，其可办理90%以上的业务内容，是目前为止智能柜台替代率最高的。
其二、在大数据运用方面，浦发银行建设了新一代数据核心支撑平台，建立了8000多个零售用户、400多个对公客户、1000多个机构客户画像标签，提升对用户的数字化和定制化服务能力。此外，浦发银行对海量的碎片化数据进行收集处理，采用神经网络等模型算法，打造实时风控体系，对高风险交易进行实时拦截，将欺诈损失率控制在低于百万分之一的领先水平，并通过模型自学习不断优化迭代，持续提升交易风险行为识别率。
其三、推出智能投顾—浦发极客智投2.0。浦发的智能投顾服务已深入嵌入到浦发银行的智能app中，在以近万个客户标签描绘客户画像的基础上，为客户提供投前分析诊断、投中智能交易、投后跟踪提醒为一体的定制化智能投顾服务，目前的起投金额为1000元，是银行系智能投顾中起投金额最低的智能投顾产品，可以涵盖更广泛的理财客户群。
其四、推出首个无界开放银行APIBank。浦发银行将战略思维从金融服务提供商升华为基于生活场景的生活服务提供商。开放API后，可以突破物理网点和手机App的局限，通过API端口搭建多元互动的生活频道和资讯频道，开放产品和服务并嵌入到各合作伙伴的平台上，使银行与各行业连接起来，使用人工智能、数据标签、微服务等技术手段，围绕客户需求和体验形成即想即用的跨界服务，缩短开发周期，降低合作成本。
五、第三极零售的未来发展方向
1、场景化未来发展态势
利用金融科技
随着金融科技的发展，场景化零售也在金融科技的支持下变得更加便捷、安全、效率和智能。金融科技的应用可以从前中后台全流程中对场景化零售进行全方位的提升。科学技术的发展日新月异，给场景化零售业务带来的改变也一步步的更改银行的运营方式。
其一、支付场景的便捷化。随着生物识别技术的发展，使用银行卡加密码的方式进行身份验证的方式逐渐消失，随之而来的是手机+指纹，以及更先进的人脸识别、虹膜识别等验证方式，极大地提高了支付的便捷性，并减少了因为密码被盗用的风险，未来的识别技术也将识别度更高，识别速度更快。
其二、场景的需求预测。随着大数据技术的应用，过去需求的预测主要依靠银行从业者自身的经验和客户基本资料的方式一去不返，大数据将以往认为无用或无法利用的数据全部收集起来，创造出成百上千个客户标签，再通过人工智能技术进行需求预测并建立千人千面的营销手段，增加营销契合程度和成功率，未来的需求预测也将更贴合客户本身需求。
其三、大数据风控。在风险控制方面，以往利用小微企业报表和个人银行流水单的风控手段存在片面性、可粉饰性、和滞后性。而当银行建立起基于客户后台大数据的风控方式，将场景化中独特的风险数据和风险点纳入到风控监管体系中并实时更新数据，将风控变为实时性的全面监管方式，而随着金融技术的发展，风控也将更加全面，风险识别能力更加突出。
联合外部企业
银行本身在除了金融场景以外的其他场景天然存在劣势，目前大多场景入口和流量已被互联网公司和运营商占据，在银行尤其是中小型银行较难争夺入口流量或获客成本太高的情况下，和已经成熟的互联网公司合作，将入口优势与银行的金融优势和支付预结算方面的技术优势结合，可以建立合作共赢的新局面。需要注意的是合作方式应该是技术和优势的融合而不是银行单纯的通过外部企业获得流量客户，一是直接引入流量客户成本较高，二是直接引入的客户相较于培养的客户更易流失，三是易受外部企业控制或终止合作。
ABS融资
在场景化消费中，银行最主要提供的还是支付和后续金融服务，其中消费贷也是银行场景化延伸后的主要盈利方式之一。在中国消费升级和新一代人口超前消费观念的转变下，消费贷款也迎来了爆发时代，银行在大举进行零售转型，拓展消费贷业务的同时，必将对于消费贷对资本金的消耗做补充。消费贷款的资产证券化则是非常好的一个补充途径。原因有三：
其一、将消费贷款进行资产证券化有助有银行走轻资产的零售转型路线，从简单的消费贷款资金提供方变成消费贷款业务平台方，一方面通过自身金融场景优势大举拓展消费金融业务，另一方面通过渠道优势将消费贷款打包出售，快速回笼资金后发放下一批消费贷款，形成滚动发行，提高资金利用率和利润率。
其二、银行系消费贷款底层资产优点突出。一般银行系消费贷款的贷款人资信好，已经经过银行风控筛选，不良率低；且银行贷款相较于第三方贷款公司具有征信系统的优势，具有更大的信用约束力。
而目前个人汽车贷款领域较大的ABS发起机构主要为汽车生产商旗下的汽车金融公司，银行系只有招商银行近两年发展势头强劲，2018年个人汽车贷款发行总额最大的前五家公司分别为：东风日产金融（177.57亿）、奔驰金融（168.55亿）、招商银行（144亿）、上汽通用金融（130亿）和广汽汇理（120亿）。
2、智能化未来投入方向
深度学习
深度学习是机器学习中一种基于对数据进行表征学习的方法，其目的是通过模拟人脑进行分析的神经网络系统来分析图像、声音和文本数据。相对于传统机器学习技术需要通过人工来确定重要变量、制定逻辑规则，深度学习可以自动从海量的数据抽取重要的变量，并且根据这些变量的规律，自动学习并做出基于效益最大化的决策，从而减小人工带来的倾向性影响。此外，人工智能机器对于海量大数据进行快速和深度学习的过程中，很有可能发掘出有悖于以往人类经验和经典理论的创新思维和逻辑，就像谷歌旗下Deepmind公司开发的AlphaGo人工智能机器人给围棋届带了全新的下棋思路和套路一样，银行业人工智能机器的深度学习也必将对经典金融理论和行为经济学带来新的思考方向和方法。
当然目前银行业的人工智能和机器学习技术的应用中依然含有大量的人工成分，在逻辑规则的制定和特殊条件限制的设定中夹杂了许多非理智的信息和逻辑判断，主要原因是：
其二、技术开发者对以往经验和经典理论具有不可动摇的信任基础，导致有悖于上述经验和理论的创新逻辑思维不被开发者认可而进行人工干预。
其三、基于安全需要和监管要求，技术开发者主动加入特定信息和逻辑判断。
其四、虽然人工智能机器做出的是基于完全理性人的效益最大化决策，但面对的确是不可能完全理性的、具有基于行为经济学偏见的客户群体，促使银行加入人工干预去满足客户的需求。
数字化
银行业的发展趋势是从传统的金融服务提供商向数字化银行转型的过程。具体来说就是将原有的以物理网点为主、瞄准中高端客户、在自身封闭的系统中提供低频大额金融服务的方式将变为以移动端为主、面向包括长尾客户的全部客户群体、在平台化合作的系统上提供高频的场景化金融服务为主的方式。而为了适应这种趋势，银行业必须在产品服务上彻底的改变原有思维，建立以数字化为核心的前中后台系统。
在系统前台端，以提升客户体验为宗旨，通过移动端APP和API开放平台将金融服务以场景化的形式无缝嵌入到客户的生活中，通过生物识别手段确认客户信息后采取基于客户标签的定制化营销策略，并匹配符合客户自身情况和需求的服务。
在系统中台端，搭建大数据平台和人工智能平台，将过去掌握却无法利用的客户信息、供应端信息、行业信息和市场信息全部数字化，转变成可定量分析的数据，通过人工智能平台进行后续的整理和分析后，对前台客户实施精准的千人千面营销、智能客服和实时风控。
在系统后台端，通过区块链等新型信息交互和储存技术提升基础设施水平，保证高吞吐量、高容错、可拓展的基础系统能全天候的为前台中台系统提供支持。
六、投资建议
年初以来，我们一直看好银行板块的估值修复，主要的原因是：资本和资产质量是约束银行股估值最核心的两个因素，而这两个因素本年都会边际改善，从而打开银行股估值修复的空间。
其一、资本主要是银行发行永续债来补充一级资本，增强抵御风险的能力，同时扩大信贷投放的规模。截至目前我们统计将近有6600亿的发行计划。其中，中行、民生两单永续债在已经成功发行，华夏400亿已经拿到央行的批文，预计六月份成功发行。全年我们预计成功发行的永续规模会达到4000亿。
其二、地方政府债务是约束银行估值最核心的因素，而且今年风险敞口会逐步暴露，所以需要政府来化解地方政府债务风险。这些措施包括之前城投债发行条件的放宽、镇江的方案。昨天，财政部发文加大地方政府专项债的发行规模，同时要求金融机构增加配套融资。我们认为，这将有助于减轻地方政府债务风险，提升板块的估值，主要是三个方面：
（1）稳增长对冲贸易战对实体经济的影响。从政策上来看，主要是增加基建领域的政府投资，那么这将有助于稳定经济；
（2）减轻地方政府债务的风险。因为增量的地方政府隐性债务不会增加，从而两三年后存量地方政府隐性债务比重就会逐步地降低。同时，随着经济逐步好转，隐性债务风险也会直接下降。
更看好股份制，19年PB有望从0.8修复到1倍。中长期我们重点推荐：招行、平安、宁波、浦发、民生；南京、中行、上海、常熟。