2020爱分析·银行数字化厂商全景报告 | 爱分析报告

报告编委报告指导人张 扬 爱分析 联合创始人&首席分析师报告执笔人冯 伟 爱分析 分析师李 毓 爱分析 分析师点击文末左下角“阅读原文”，可下载完整版《2020爱分析·银行数字化厂商全景报告》。“
报告摘要
基于对国内银行的调研，爱分析发现当前国内银行普遍面临以下挑战：
·受新冠疫情影响，银行不良贷款率有所上升，业绩增长承压，同时内部运营成本升高，净利润增速下滑；
·全国性银行存量用户规模庞大，但活跃度和粘性相对较低；
·地方性银行小微客户比例高，重度依靠客户经理线下获客，难以覆盖长尾客群，同时金融科技人才缺乏，人才吸引力有限，数字化转型进程滞后；
·净值型理财产品运营能力缺乏，资管业务转型压力较大；
·后疫情时代，企业风险传导效应增强，对公业务风控面临的不确定性增加。
为此，爱分析提出以下几点建议：
·重视存量用户的价值挖掘，实现精细化用户运营；
·面对小微客户等受疫情影响明显的客群，完善客户画像模型，实现风控前置；
·注重采用与外部机构合作的联合建模等方式，完善自身数字化经营能力；
·加快IT部门、财务部门的敏捷化转型，推动其向价值中心全面转型；
·持续关注资产及财富管理、对公业务、内控合规管理等数字化新场景。
目录
一. 新常态之下，银行数字化五大趋势二. 银行数字化全场景地图三. 银行数字化代表厂商四. 银行数字化厂商解读关于爱分析法律声明
01
新常态之下，银行业数字化五大趋势
进入2020年，受到新冠疫情影响，中国银行业将持续面临不良资产率升高的压力。据银保监会数据显示，相比于2020年年初，一季度末全国银行业不良贷款率上升0.06%，达到2.04%。其中，受疫情影响较为严重的住宿餐饮业的不良贷款率上升0.14%，小微企业的不良贷款率上升0.12%，个人消费贷款的不良贷款率上升0.13%。
在宏观经济的新常态下，全国性银行净利润增长状况较为稳定，但地方性银行分化明显，而疫情将进一步加剧分化程度。据公开财报数据显示，2019年国有六大行均实现4%以上的净利润增速，但115家城商行中有50家净利润下滑，247家农商行中有76家净利润下滑。到2020年年中，在已经披露半年报的23家中小银行中，仅有7家银行净利润同比去年实现增长。
爱分析认为，在净利润和不良资产率承压的背景下，中国银行业的数字化进程将持续深化，在未来数年将表现出五大趋势：
·对全国性银行来说，面向存量用户的数字化运营能力的重要性凸显。国有银行、股份制银行等全国性银行的零售客户基数大，但客户粘性有待提升。某全国性银行的金融科技负责人表示，随着下沉客户流量被挖掘殆尽，通过精细化的用户运营，有效盘活存量客户，将成为该行下一步数字化建设的重点。
·地方性银行将成为数字化建设的生力军，小微业务数字化是其建设重点。相比于全国性银行，城商行、农商行等地方性银行存在小微客户比例较高的特点，同时面临客群老化、获客渠道受限等挑战，在疫情中受到冲击较大。江苏某农商行小微业务负责人表示，传统的小微信贷审批流程复杂冗长，导致客户经理难以覆盖大量长尾客户，因此通过数字化技术赋能小微业务，全面提升客户洞察和风控能力，充分挖掘线下、存量小微客户价值，已成为该行实现业绩增长的重要手段。
·数字化将推动银行成本中心全面向价值中心转型。随着未来银行净利润增速的进一步下滑，通过数字化技术全面赋能银行财务部门、IT部门等成本中心，促进其向价值中心转型，将成为银行进一步优化经营成本与生产率的主要手段。
·数字化将助力银行打造新的业绩增长点。央行资管新规发布两年有余，众多银行已经成立理财子公司。打造数字化的资产与财富管理能力，将有助于银行实现净值化转型，获得新的业绩增长点。
·数字化新技术将重塑银行对公风险管理体系。知识图谱技术的逐步成熟和应用落地，有助于银行提升对复杂关联关系的洞察能力，全面重塑对公业务中的交易反欺诈、反洗钱、审计稽核等风险管理过程。
02
银行数字化全场景地图
爱分析基于对国内商业银行和数字化厂商的调研，准确定义了16个银行业数字化场景，涵盖零售、小微、对公、资产与财富管理等各条业务线，以及内控与合规、财务、信息安全、信息科技等诸多内部管理环节，同时遴选出在这些数字化场景中具备成熟解决方案和落地能力的厂商，如下图所示。
（注：以下所有场景中的厂商均按音序排序）
爱分析对这16个数字化场景的定义以及遴选出的代表厂商如下。
2.1 零售业务
2.1.1零售业务营销与风控
终端用户：
银行信用卡中心、消费金融部门、网络金融部门、个人金融部门等。
核心需求：
·用户需求日益个性化、多元化，银行需要增强用户群体的数据洞察能力，挖掘用户真实需求，并需要基于数据分析进行产品设计、渠道选择和营销策划，实现千人千面，从而精准触达用户；
·银行需要批量拓展消费端场景，增强场景获客能力；
·面对营销效果差、用户粘性低的问题，银行需要建设针对营销结果的闭环反馈，从而发现问题所在；
·在零售信贷申请、交易、支付等环节中，对欺诈风险的抵御至关重要，银行需要采用知识图谱、生物识别等多种新技术，实现多维度、实时的反欺诈；
·为了提升个人消费贷款的线上信贷审批效率，改善客户体验，银行需要通过多维度数据进行风控建模，提升信贷申请阶段的信用评分效率和精准度，并进一步将风控前置到营销阶段；
·面对贷中、贷后可能出现的信用风险，银行需要通过多维度数据优化监控模型，对逾期风险进行提前预警，并对逾期客户制定有效、合规的不良资产处置策略，抑制不良率上升。
厂商能力要求：
·能够通过标准化数据产品、联合建模服务或端到端的营销解决方案，帮助银行实现面向多场景的客户洞察、用户触达与转化，实现精细化用户运营，提升获客效率和用户粘性，实现业绩增长；
·能够通过标准化数据产品、联合建模服务或端到端的风控解决方案，帮助银行提升反欺诈、信用评分、预警监控、贷后不良资产处置等过程的效果和效率；
·能够提供生物识别、用户画像模型、规则引擎、欺诈关联图谱等底层技术，或者提供端到端的反欺诈解决方案，帮助银行实现零售业务的申请、交易、支付等环节的反欺诈，实现双录等合规性措施的线上化和自动化。
代表厂商：
2.2小微业务
2.2.1小微业务营销与风控
终端用户：
银行小微金融部门、普惠金融部门等。
核心需求：
·面对小微企业规模体量小、风险能力承受弱、信用信息欠缺且质量较差的现状，银行需要通过市场、工商、司法、舆情等多维度数据来进行风控建模，并在营销和销售阶段对客户进行筛选，同时并在贷中、贷后进行预警监控，从而建立适用的风险管理机制，以降低小微信贷业务的不良率、逾期率；
·城商行、农商行的小微拓客重度依赖客户经理，但过去信贷审批流程主要依靠线下人工手段，客户体验较差，银行需要赋能客户经理推出秒级审批的无抵押信贷产品，以增强客户体验，提升获客效率和客户质量；
·在小微信贷申请、交易支付等环节中，面对层出不穷的欺诈手段，银行需要采用多种新兴技术，实现多维度的、更加实时的反欺诈，从而降低欺诈风险，有效保障银行和客户的权益；
厂商能力要求：
·能够标准化数据产品、联合建模服务或端到端的营销、风控解决方案，帮助银行实现多维度客户洞察和风控前置，提升信贷审批效率，实现贷中预警监控，降低贷后资产处置成本，最终降低风险管理成本，提升客户体验；
·能够提供生物识别、用户画像模型、规则引擎、欺诈关联图谱等底层技术，或者提供端到端的反欺诈解决方案，帮助银行实现小微业务的申请、交易、支付等环节的反欺诈。
代表厂商：
2.3 对公业务
2.3.1对公业务营销与风控
终端用户：
银行公司金融业务部门、对公信贷业务部门。
核心需求：
·对公业务竞争激烈，银行需要增强事件驱动的商机洞察能力，及时抓住营销窗口期；
·国内存在大量由企业连环担保形成的“担保圈”，潜在传导风险大，随着宏观经济不确定性因素的增加，银行需要增强对“担保圈”企业关联关系的洞察能力，从而及时预知和抵御风险；
·对公交易金额巨大，但账户暴力破解、信息窃取、账户盗用等交易欺诈手段日益丰富，银行需要为客户提供增强身份认证手段，以提升其在大金额交易中的额度限制。
厂商能力要求：
·能够提供知识图谱等底层技术能力，或提供端到端的对公营销或风控解决方案，帮助银行实现跨行业和企业的关系网络构建，帮助银行提升事件洞察能力，重塑营销与风控过程，从而提升营销效率和精准度，提前预防风险；
·能够提供生物识别、用户画像模型、规则引擎、欺诈关联图谱等底层技术，或提供端到端的反欺诈解决方案，帮助银行实现对公业务的申请、交易、支付等环节的反欺诈。
代表厂商：
2.4 资产与财富管理业务
2.4.1资产与财富管理
终端用户：
银行的私人银行、财富管理、资产管理等部门。
核心需求：
·随着央行资管新规的落地和“去刚兑”政策逐步落实，银行迫切需要提升理财师的净值型产品销售和投顾能力，实现银行理财净值化转型；
·在理财产品销售过程中，不同类型客户之间的“千人千面”现象更加突出，银行需要制定面向不同客群的产品设计和推荐策略，实现精准营销；
·高净值客户的个性化需求突出，需要理财师提供深度的顾问式服务，构建营销闭环，提升客户转化效率；
·大众客户对净值型产品的资产配置经验不足，且购买力有限，银行理财师在传统销售模式下无法充分覆盖大众，银行需要为大众客户提供更加自动化、智能化的资产配置方案；
·随着净值型产品逐步成为银行理财业务的主要部分，银行迫切需要提升针对净值型产品的估值能力。
厂商能力要求：
·能够提供针对理财客户营销的联合建模或端到端解决方案，从而进行客户分群，帮助银行实现理财产品的精准营销；
·能够为银行理财师提供面向高净值客户的全托管、一站式的财富管理平台，提供从理财产品、营销、销售、签约到投后管理的全套服务，降低理财师在日常重复性工作中的投入，让理财师将更多精力放在深度服务客户之中，从而提升高净值客户对银行和理财师的信任度和留存率；
·能够为银行提供智能投顾技术支持，帮助银行实现面向大众的净值型理财产品的自动化、智能化资产配置，从而提升净值型理财产品对大众客户的覆盖度；
·能够为银行提供针对净值型产品的估值解决方案，为过渡期产品提供平稳的过渡运行解决方案，促进银行资管业务的全面升级，更好地落实央行资管新规。
代表厂商：
2.5 内控与合规管理
2.5.1审计稽查与反洗钱
终端用户：
银行内控合规部门、审计稽核部门。
核心需求：
·银行对行内员工与客户进行资金往来以谋取利益，利用客户资料获取银行信用，勾结行外人员欺诈等违法违规行为缺乏稽核能力，亟需优化内控合规、审计稽核机制；
·洗钱等金融犯罪手段呈现出多样化、复杂化、隐蔽化的特征，为此国家不断加大金融监管力度，银行面临的监管和合规压力增加；
·传统反洗钱模式主要依靠大量专家经验和规则，需要投入大量的人力和时间成本，效率低下，误报率高，银行亟需采用科技手段提升反洗钱准确性。
厂商能力要求：
·能够提供包括知识图谱等技术的底层技术能力，或提供端到端的审计稽核、反洗钱解决方案，融合客户身份信息、员工身份信息、交易和资金链路、风险特征标签等多维度信息，以及股权、投资、任职、亲属等关联关系，帮助银行对交易行为进行全面洞察，有效判别腐败、毒品、走私、非法集资、行内外非法利益往来等不同特征的大额交易和可疑交易，挖掘可疑风险群体，对高风险群体进行重点排查和处置。
代表厂商：
2.6 财务管理
2.6.1财务自动化
终端用户：
银行的财务部门。
核心需求：
·银行对账、报税等工作重复性强、频次高、流程复杂，消耗了财务人员大量精力，容易产生疲倦，进一步导致失误增多，银行迫切需要提升财务工作的自动化水平，将财务人员从重复劳动中解放出来；
·银行财税相关的业务系统数量多，形成了大量数据孤岛，但这些系统建设时间长，打通成本较高，使得财务人员不得不进行大量的跨系统重复性操作，银行需要实现跨系统的财务流程自动化。
厂商能力要求：
·能够提供面向财务流程的自动化机器人（RPA），以基于UI界面的“非侵入”模式打通不同业务系统，同时允许业务人员低代码开发，将财务部门的各类标准化、重复性、高频次的业务流程实现自动化执行。
代表厂商：
2.7 信息安全管理
2.7.1身份与零信任安全
终端用户：
银行信息安全部门、信息科技部门。
核心需求：
·由于账号生命周期管理不善导致离职员工账号外泄，经常成为银行网络环境被非法入侵的根源，因此银行需要通过对员工账号进行统一的生命周期管理，以防止敏感信息外泄和网络系统遭受攻击破坏；
·行内账号中常常存在权限较高的特权账号，普通用户被授予特权可能会给银行信息安全带来隐患，因此银行需要对行内账户的权限进行统一管理；
·行内各系统身份认证方式各异，员工需要花费大量精力来记忆账号，认证环节也需要大量重复性操作，因此银行需要实现多系统统一的身份管理；
·随着云计算、大数据、移动互联网等新技术发展，网络边界相比过去更加模糊，此外，内部人员攻击、APT等攻击行为能够有效绕过网络边界，这些都给传统堡垒式边界防御带来了挑战，银行迫切需要摒弃默认信任的原则，基于“零信任”原则实现网络的纵深防御。
厂商能力要求：
·能够提供端到端的统一身份认证平台，对行内员工的认证（Authentication）、授权（Authorization）、账号（Account）、审计（Audit）进行统一管理，解决身份认证环节中拖库、撞库、弱密码、身份冒用、特权账号共享等业务安全隐患，并提升身份认证效率；
·能够在统一身份认证平台中，基于零信任安全理念，通过AI、大数据等技术，对用户行为进行持续性分析，保证网络系统的纵深安全。
代表厂商：
2.7.2移动安全
终端用户：
银行信息安全部门、信息科技部门。
核心需求：
·随着BYOD形式的移动办公趋势的发展，银行的网络环境变得碎片化，安全边界变得模糊：一方面，移动终端给了病毒、黑客入侵银行内网更多的机会；另一方面，员工对办公APP进行截屏、复制，设备丢失，以及员工离职导致设备脱离管理等情况，都可能导致银行敏感数据泄露，因此银行迫切需要提升移动办公环境的安全性，防止敏感数据泄露。
厂商能力要求：
·能够提供面向BYOD移动办公场景的安全解决方案，在移动终端为银行员工办公提供安全隔离的工作环境，同时为银行安全管理人员提供面向终端设备的统一安全管理体系。
代表厂商：
2.7.3数据安全
终端用户：
银行信息安全部门、信息科技部门。
核心需求：
·在移动互联网、数字化转型的推动下，数据资产具有数量快速增长、流动性不断加强、内容与价值快速变化的特点，银行应当改变原有的静态防护策略，以防止数据泄露、数据损害、数据篡改等情况的发生；
·数据资产的产生与应用部门以业务部门为主，而数据安全体系的建设以信息安全部门为主导，银行应建设跨部门的数据安全管理制度，明确多部门的权责划分，以减少数据安全体系推动的阻力；
·随着银行业务线上化、创新化的发展，测试、备份、数据分析等数据使用场景增多，但银行数据的敏感性特征，使得数据交付过程面临隐私信息泄露的风险，银行需要加强数据交付环节的数据安全管理。
厂商能力要求：
·能够提供端到端的数据安全管理平台，通过业务梳理、分级分类、策略制定、技术管控、优化改进等手段，从组织与人员、技术与工具两个维度，帮助银行对涵盖数据采集、数据存储、数据传输和复制、数据处理、数据交换和共享在内的数据的生命周期进行安全管理。
代表厂商：
2.7.4安全态势感知
终端用户：
银行信息安全部门、信息科技部门。
核心需求：
·随着黑客攻击技术的发展，各种能够绕过传统安全防御手段的木马病毒、APT攻击等新一代威胁技术不断进化，它们具备高级化、组合化、长期化的特点，对传统的基于特征、签名等静态监测技术，并以单点防御为主的信息安全机制构成了严峻挑战。因此，银行需要具备更加全面的安全态势感知能力，从而发现各类高级未知威胁。
厂商能力要求：
·能够提供端到端的安全态势感知解决方案，同时基于AI、大数据技术，对通讯网络、计算环境与设备、应用与数据等安全维度进行关联分析和全方位感知，帮助银行构建一套主动的、智能化的安全防御体系。
代表厂商：
2.8 信息科技管理
2.8.1自助式报表分析
终端用户：
银行信息科技部门、各业务部门。
核心需求：
·传统BI往往依托于传统的数据仓库，需要进行较重的数据建模，过程由IT人员主导，数据模型和主题在定义后难以修改，但业务需求不断变化，当需求与BI定义的数据主题不一致时，IT人员就需要不断参与报表支持，大量沟通和实现过程影响了业务分析和决策效率，业务人员迫切需要自助式的、更加敏捷的BI工具；
·传统BI以静态式的报表展现界面为主，随着银行业务人员和管理层对自助图表与智能交互的需求日益增加，业务人员和管理层希望BI工具具备动态交互功能。
厂商能力要求：
·能够提供自助式报表工具，基于各类列存储、分布式并行计算数据库，如MPP数据库，实现自助数据集，帮助银行业务人员进行自助式数据探索，为银行决策者提供具备动态界面交互能力的管理驾驶舱，帮助其摆脱对IT部门的依赖，从而提升数据分析和业务决策效率，强化银行利用数据进行决策的意识。
代表厂商：
2.8.2自助式AI建模
终端用户：
银行信息科技部门，各业务部门的数据分析师、业务分析师。
核心需求：
·银行业务部门在营销、风控、财富管理等场景中的预测性分析需求大量出现，对IT部门的AI建模能力提出了极高的要求；
·AI建模语言和工具学习门槛高，需要包含业务分析师、数据分析师、数据科学家等角色的专业数据团队，但中小银行往往不具备完善的数据团队，需要能低门槛使用的数据科学平台，实现自助式AI建模。
厂商能力要求：
·能够提供自助式AI建模平台，能够基于自动机器学习（AutoML）技术，帮助银行实现机器学习的特征工程、模型选择、参数调优、模型部署、模型优化等过程的自动化或半自动化，从而降低银行AI模型开发的门槛。
代表厂商：
2.8.3应用敏捷交付
终端用户：
银行信息科技部门的开发工程师、测试工程师、运维工程师。
核心需求：
·业务迭代频率提升，使得业务部门对应用交付效能的要求越来越高，而传统的瀑布式开发模式已经难以满足业务创新需求，银行迫切需要采取敏捷开发模式，DevOps理念开始得到广泛认可；
·传统IT基础设施的开发、构建、测试、部署、运维生命周期中，由于应用基础设施存在异构性，使得DevOps在实践过程中仍然存在大量人工配置和反复沟通，效率未能达到最大化；
·银行互联网和移动化转型，使得互联网应用所承载的并发量大大增加，在营销活动等特殊时期会出现负载峰值，传统的集中式架构应用难以实现负载的高效扩容，银行迫切需要实现应用的微服务架构改造；
·传统的集中式架构应用的模块之间是高耦合的，功能难以完全拆分，与敏捷团队所应该采取的“部落式”分组开发模式存在冲突，同样推动了银行应用架构的微服务化。
厂商能力要求：
·能够提供基于DevOps理念的敏捷开发管理平台，能够基于Docker容器、Kubernetes容器编排等技术，对应用开发、构建、测试、部署和运维等过程进行全生命周期管理，从而实现应用的持续集成和交付，促进团队的敏捷化转型，提升应用交付效能，推动银行业务创新。
代表厂商：
2.8.4 IT运维
终端用户：
银行信息科技部门的运维工程师。
核心需求：
·银行上云加速，使得银行IT基础设施出现了裸机、虚拟机、OpenStack私有云、商业化私有云并存的局面，而不同基础设施的管理方式存在较大差异，且流程完全分离，给运维人员的管理带来挑战，银行需要实现多种基础设施资源的统一纳管；
·部分应用的架构从集中式转向分布式和微服务架构，使得银行中存在多种应用架构并存的局面，这种异构性使得故障的原因变得更为复杂，增加了运维人员的运维难度，银行迫切需要制定统一的运维标准，提升运维过程的自动化水平和效率；
·随着业务创新对IT部门的响应速度要求越来越高，IT不但需要实现应用交付的敏捷化，更需要实现IT支持和响应流程的敏捷化、服务化。
厂商能力要求：
·提供基于AIOps理念的监控运维管理平台，能够采集软硬件基础架构、网络流量、应用性能、业务性能等不同层次的运维数据，通过机器学习的方式来快速洞察人力难以解决的故障问题，预测可能造成故障的风险和隐患，提升IT运维效率，降低运维成本，保证银行业务的稳定高效运行；
·提供面向异构IT资源的统一管理平台，并借助平台对外提供IT服务能力，实现IT服务过程的标准化和自动化。
代表厂商：
2.8.5数据库管理与数据平台建设
终端用户：
银行信息科技部门、业务部门。
核心需求：
·银行早期对数据库的需求，以满足核心业务交易过程的联机事务处理（OLTP）为主，即事务型数据库，随着银行对数据应用程度的加深，业务部门开始期望IT部门采用更适用于联机分析处理（OLAP）的分析型数据库，即通常所说的“数据仓库”，实现对跨表、跨系统的多维度数据进行关联分析，从而支持业务决策；
·银行在业务创新过程中，并不满足于对离线数据、历史数据、结构化数据进行分析，更期望能够根据实时数据，尤其是海量非结构化数据进行实时分析，从而实现更加高效的业务决策；因此，银行需要采用更先进的数据湖，通过将传统的ETL过程逐步转变为ELT，以原始形态存储海量结构化、非结构化数据，并通过高性能计算引擎原始数据其进行深度加工，从而实现数据分析利用实时化；
·为了让数据更好地支撑前台业务，保证数据服务能力的敏捷型，同时避免对于后台业务过多受到前台业务变化的影响，银行需要基于数据仓库、数据湖等技术，融合数据标签、数据模型等能力，实现对数据能力和业务能力的固化，通过开放API接口更好地赋能前台业务，完全打通数据孤岛，实现由被动到主动数据利用方式的转变。
厂商能力要求：
·能够提供事务型数据库管理系统，帮助银行实现面向OLTP的数据存储与计算能力；
·能够提供分析型数据库管理系统或数据仓库，帮助银行实现面向OLAP的数据存储与计算能力；
·能够提供数据湖或数据平台，帮助银行实现对离线数据和实时数据的统一采集，对结构化、非结构化数据的统一存储，并通过数据质量管理、数据标准，实现数据资产化运营；
·能够基于数据中台理念，通过数据标签、即席查询、可视化报表、AI建模和API数据服务等能力，为前台业务提供更好的数据支撑和服务。
代表厂商：
2.8.6IT基础设施建设
终端用户：
银行信息科技部门。
核心需求：
·移动互联网的发展，使得银行互联网应用面临访问并发量增加的挑战，这对银行IT资源的规划、管理和响应能力提出了更高的要求，银行迫切需要改变包括计算、存储、网络在内的传统IT资源难以按需取用、灵活分配和弹性扩容的现状；
·银行对信息安全级别要求较高，期望拥有专属的物理资源池，实现与其他企业IT基础设施的物理隔离。
厂商能力要求：
·提供能够专属特定银行客户使用的私有云或专有云，帮助银行实现计算资源的按需取用、灵活分配和弹性扩容，构建更敏捷的IT基础设施能力；
·提供软件定义的存储和网络能力，即分布式存储平台和SDN网络，提升存储和网络资源的可扩展性，降低对专业存储设备和网络设备的依赖度。
代表厂商：

03
银行数字化代表厂商

04
银行数字化厂商解读
因公众号篇幅有限，本报告为精简版，扫描下方二维码，获取完整版PDF报告
关于爱分析爱分析是中国领先的产业数字化研究与咨询机构，成立于中国数字化兴起之时，致力于成为决策者最值得信任的数字化智囊。
凭借对新兴技术和应用的系统研究，对行业和场景的深刻洞见，爱分析为产业数字化大潮中的企业用户、厂商和投资机构，提供专业、客观、可靠的第三方研究与咨询服务，助力决策者洞察数字化趋势，拥抱数字化机会，引领中国产业数字化升级。研究咨询服务·数字化成熟度评估基于研究、数据和案例调研积累，对比行业数字化基准水平，评估企业当前数字化成熟度，诊断数字化转型面临的困难与挑战，辅助制定业务与市场策略，实现业绩增长。·行业最佳实践针对企业的特定业务场景，深刻研究行业同类别公司及最佳实践案例，辅助业务与决策，优化业绩增长策略。·研讨与交流参与我们的线上/线下研讨会，与专家学者、业内同行、数字化厂商，共同探讨行业数字化进程、技术应用趋势与最佳实践案例。·厂商遴选建议基于您的需求，凭借对新兴技术和应用的系统研究、对供应商全面而充分的调研，秉承专业、客观、中立的原则，提供精准的供应商遴选建议。法律声明此报告为爱分析制作，报告中文字、图片、表格著作权为爱分析所有，部分文字、图片、表格采集于公开信息，著作权为原著者所有。未经爱分析事先书面明文批准，任何组织和个人不得更改或以任何方式传送、复印或派发此报告的材料、内容及其复印本予任何其它人。此报告所载资料的来源及观点的出处皆被爱分析认为可靠，但爱分析不能担保其准确性或完整性，报告中的信息或所表达观点不构成投资建议，报告内容仅供参考。爱分析不对因使用此报告的材料而引致的损失而负上任何责任，除非法律法规有明确规定。客户并不能仅依靠此报告而取代行使独立判断。北京爱分析科技有限公司2020版权所有。保留一切权利。注：点击左下角“阅读原文”，下载完整版《2020爱分析·银行数字化厂商全景报告》。
爱分析·报告
K12辅导
数理思维
房地产科技
BI商业智能
人工智能
智慧医院
数据智能
保险科技
第三方支付
爱分析·榜单
新龙榜100强
教育科技50强
医疗科技50强
金融科技50强
人工智能50强
保险科技30强
供应链科技50强
零售科技50强
房地产科技50强
联系我们