中小银行数字化转型：关键人才培养与实践案例分享_银行

AI革新工作流，你跟上了吗？效率、质量有何飞跃？了解详情 



 写点什么



大小：3.36M时长：19:33

随着数字化转型已成为各界共识，其在提升企业竞争力方面的优势与必要性愈加显著。然而，对于传统金融企业，尤其是中小银行来说，如何有效推动这一转型仍然是一个充满挑战的课题。在这个过程中，建立一支高素质的人才队伍至关重要，因为人才不仅是转型的驱动力，也是应对市场竞争的核心资源。

为了更深入地探讨中小银行在数字化转型中的人才培养策略，FCon 全球金融科技大会策划了“金融组织变革与数字人才培养案例实践”专题。在本次会议中，中原银行数智金融创新实验室数据负责人秦龙分享了该行在数字化转型过程中对于关键角色的培养经验，结合中原银行多年的实践经验，提供了体系化、切实可行的培养路径与方案，为行业提供了宝贵的参考。

以下是演讲实录（经 InfoQ 进行不改变原意的编辑整理）

在数字化转型过程中，构建合适的人才体系非常重要，这个体系的建设路径在各行业都有其通用性。我的分享主要分为三部分：

人才体系构建：讨论在数字化转型中需要构建什么样的人才体系，以及如何通过特定的路径来更有效地实现这一体系的建设。
中原银行的实践案例：分享了银行在不同阶段是如何培养数字化人才或复合型人才的。
数据建模师团队发展：银行数据建模师团队的发展过程，以及这个团队是如何逐步成长，最终能够较好地满足业务需求的。

数字转型的人才需求及职业体系建设

到 2024 年，数字化转型在各个行业中已经得到了广泛认可。特别是在金融业，国家已经出台了多项政策来推动这一进程。然而，尽管时间已经过去了十多年，银行业在数字化转型过程中所面临的挑战依然存在。通过对比 2014 年麦肯锡的调研报告和 2022 年、2023 年银行业的调研总结，我们可以发现一些共性问题。

2014 年，麦肯锡对 850 位 C 级领导进行了调研，发现数字化转型面临的前五大挑战中，排名第一的是寻找和培养专业人才。其次是组织架构的调整、业务转型、数据管理和创新思维与机制的建立。这些挑战归根结底是机制和制度的匹配问题。到了 2022 年和 2023 年，银行业的报告中依然提到了复合型人才的培养、敏捷组织的构建、数据应用的不足以及对公业务的复杂性等问题。银行业的数据虽然在各行业中相对完整，但在全流程模拟和在线数据应用方面仍显不足。此外，对公业务的复杂性和特殊性也给数字化转型带来了挑战。

数字化人才的职业体系与成长方案

在数字化转型的实际落地过程中，我们经常面临组织和人才培养方面的挑战。首要的问题是确保整个战略目标能够在全行范围内得到统一贯彻和落实，这需要领导层的接受和支持。一旦战略开始执行，组织将面临重构，人才体系和人力培养也需要重新设计。

在设计人才体系时，我们可以借鉴之前应用中效果较好的方法论。职业体系的构建建议遵循五个步骤，这包括：1. 结合公司组织架构设计岗位，2. 建立岗位评估体系，3. 为子岗位设计职业定级范围，4. 填充职业描述与任职要求，完成职位卡，5. 对复合型岗位设置导向人才发展路径。

为了实现这一目标，我们提出了四项指导原则。第一是动态与敏捷，意味着职业发展路径需要能够根据组织的变化进行动态调整。第二是全员清晰，确保每位员工都清楚自己的成长路径和下一步需要具备的素质与职责。这要求员工提前展现出他们已经具备的下一职级所需的职责和技能。

第三是关键角色的参与，这要求业务部门和人力资源部门参与讨论，对新旧岗位进行调整以适应转型。第四是价值观的匹配，确保职业路径和成长体系的设计与企业的价值观相符，使员工的成长与企业的产出达成一致。通过这些步骤和原则，我们希望建立一个能够适应数字化转型需求的人才体系，同时确保员工的个人成长与企业的整体发展同步。

在数字化转型过程中，构建一个有效的岗位和职业体系至关重要。上述五步流程每一步都旨在确保岗位设置与员工发展紧密相连。

首先，我们需要明确新岗位的设置，包括这些岗位下的子岗位以及它们之间的相互关系。接下来，对每个岗位进行定义，类似于编写职位描述（JD），这有助于引导员工发现他们需要具备哪些能力，以便更好地履行自己的角色。通常，这包括领导力、专业能力和综合素质的通用模型。在设计这些能力时，我们需要明确每个专业方向应具备的子能力，以及每个子能力在不同级别上应达到的标准。

随后，我们定义每个岗位所需的层级角色，比如：新人、骨干、主管、专家、资深专家。在实际操作中，并非所有岗位都需要具备所有五个层级。有些高级岗位可能从中间层级开始，而低级岗位可能只涵盖基础层级。此外，岗位之间可能存在横向的职业发展导向，这需要事先明确定义，有助于我们识别关键岗位，并明确在每个层级上的成长突破点。有了清晰的能力模型后，我们可以量化评估人员的能力，并利用如 GROW 模型等工具，明确员工的当前状态、目标状态以及实现目标所需的提升途径。

最后，我们建议设置导向性岗位或路径，这虽非必需，但对于有抱负的企业来说，提供多样化的发展机会对于留住人才、激发潜力至关重要。在岗位发展到一定阶段后，提供可选的其他路径，有助于员工看到更多的可能性，这对于人才体系设计是一个关键点。

中小银行数字化人才能力培养

明确转型框架，确认支撑举措

在数字化转型的过程中，培养所需的人才是至关重要的一环。在企业的不同发展阶段，尤其是在转型的早期，我们建议企业应该有一个清晰的愿景图。这个愿景图包括几个关键点。

首先，转型过程中存在一个常见误区，即认为数据治理应该放在首位。数据治理不应单独存在，而是应该与业务流程和系统建设同步进行。如果企业一开始就投入大量资源进行数据治理，却看不到即时效果，可能会导致领导层和团队的信心丧失，最终导致转型失败。为了避免这种情况，我们建议围绕数据系统和人力资源，寻找快速取得成果的突破点。通过端到端的流程优化，明确需要使用哪些数据、需要清理哪些数据、需要提升哪些系统。同时，明确在这一过程中需要哪些人才，需要补充和培养哪些人才。通过这种方式，我们可以逐步实现整个集团公司的数据治理和系统平台构建。

在这个过程中，人才往往是先行一步的关键因素。如果缺乏相应的人才，后续的工作将难以进行。在人才培养方面，企业可能会面临多种挑战，包括内部选拔、内部培养、外部招聘等。特别是在非一线城市或传统行业，由于薪资竞争力不足，企业可能会遇到人才来源的问题。这时，企业需要考虑如何通过社会招聘和校园招聘吸引人才，并针对这些人才的能力进行培养。对于校园招聘的人才，由于他们可能缺乏实际工作经验，企业需要制定相应的培养计划，帮助他们快速提升能力，以满足数字化转型的需求。

定义各角色数字能力培养目标

在培养数字能力的过程中，我们设定了一个宏观的图景，涵盖了从领导层到总行、分行以及业务和数据人员等各个层面。我们的目标是实现全员的培养和能力提升。

对于领导层来说，关键在于形成统一的认识，推动变革，并理解新技术如何助力企业实现愿景。领导层需要相信并支持数字化转型，这样在日常工作中遇到问题时，他们才能引导企业和部门保持正确的方向。在银行和制造业等不同行业的项目中，我们发现领导层的这种信念至关重要。

对于业务人员，总行的业务人员，我们希望他们能够理解并利用数据来优化工作。而分行层面的人员则需要理解总行下达的任务，并相信通过数字化手段可以有效地解决业务问题并获得认可。

对于数据人员，我们期望他们能够深入了解业务，提出并清晰解释他们的方案，使业务团队能够理解并接受。例如，在银行业务中，我们通过人工智能和算法来识别目标客户群，进行精准营销。如果这些营销线索直接下发到分行，分行可能会怀疑这些是由不懂业务的数据人员提出的方案。为了解决这个问题，我们采取了一些措施。

首先，我们强调了能力宣导的重要性。其次，我们鼓励分行根据他们的业务规则向总行提交日常运作的逻辑，然后总行基于这些规则提供线索。通过比较，我们发现基于分行规则的线索转化率通常不如总行通过数据和业务讨论后下发的线索。我们进一步在分行的规则模型基础上应用算法理论，进行精选迭代，筛选出更有可能转化的客户。这样，分行在收到这些线索时，会发现转化率有了显著提升。这个过程使得一线员工更容易理解技术的价值，认识到它比简单的业务规则描述更为精确。

各角色能力诊断、培养以及提升方法

在能力定义清晰后，组织内部人才培养的关键环节是明确目标，并采取多种方式，如考试、访谈、问卷调查以及事项完成结果的回推，来评估当前情况。通过早期调研，我们发现中小银行普遍缺乏数据建模师或数据科学家，科技人员的业务理解能力薄弱，业务人员跨职能合作能力不足，以及对数据应用工具的掌握和基本数据理解能力都相对欠缺。诊断后，我们能更有针对性地知道下一步培训的重点对象和部门，以及采用何种手段进行能力提升。

诊断完成后，我们需要明确提升途径，包括培养内容和目标对象，这要求有一个体系化的设计。我们曾在 2017 至 2018 年间进行过这样的工作，但后来发现效果并不明显。这有两方面原因：一是人才培养是一个长期过程，需要时间积累；二是我们的体系还有待完善。

2019 年，我们建立了数字化学院，系统地培养员工的数字化能力。调研发现主要问题集中在四个方面：课程体系不够系统，培训师资依赖外部资源，缺乏内部培养机制，以及运营管理和学习氛围的营造。我们意识到，尽管定义了能力，但课程还是点状提出，缺乏系统性。早期依赖外部资源进行培训，但大型企业需要内部懂行的内训师，这要求建立一整套内训师培养机制。此外，我们需要确保培训的执行和落地，包括考核机制，不仅仅是听课后的考试，还要与员工的专业序列升级、晋升、转岗等职业发展方面相结合，激发员工自主学习技能，将其视为职业发展的重要组成部分。运营管理方面，需要培养和宣导学习数字化能力的氛围，并设置专业小组或专岗人员跟进培训落实。

基于体系方面的成熟模型，我们提出了一个七维模型，旨在培养更多员工理解大数据、人工智能、智能建模、算法等概念。我们希望员工明白这些模型能为他们带来什么价值，以及何时以及如何与数据人员、建模师和数据科学家进行有效沟通，共同设计解决实际业务问题的数字化场景。这个模型涵盖了数学统计、模型管理、业务理解、领导力和金融知识等多个方面。我们将根据这些维度设计一系列课程，低层次的课程主要通过线上方式进行，而高层次的课程则更强调线下教学。整个过程将形成一个系统化的方案和课程体系，并沉淀到内部学习平台上，员工可以根据自己的级别和岗位需求来选择需要完成的课程。

除了课程设计，我们还关注岗位目标设置、培训激励以及内部内训师的培养。内训师需要掌握如何有效授课，并根据需求讲授相应课程。我们要求内训师每年开发新的课程，确保课程内容的阅读量和观看量达到一定标准，以此来迭代更新课程，保证教学质量始终反映最新成果。这不仅提升了内训师自身的能力，也确保了他们能够持续为行内提供新的课程内容，或替换掉旧课程体系中不合适的部分。此外，我们还会提供一些实例作为参照，帮助内训师和员工更好地理解和应用这些课程内容。

近两年，我们在实验室提出了复合人才培养的新理念，尽管这一概念已被广泛讨论，如 T 型人才、π型人才等，但在实际落地时，复合人才培养仍是企业内部的一个难点。这是因为员工一旦投入到企业运营中，他们的主要任务是完成自己的业务目标，例如银行一线人员的存款、贷款和产品销售等 KPI 指标。在这种情况下，学习与本职工作不直接相关的数字化技能往往会被搁置。

为了解决这一问题，我们进行了两项探索。第一个是，我们尝试让所有业务人员接受业务翻译师的培训，以培养他们的基本科技数据思维。然而，他们能走多远并不确定。第二个探索是，我们尝试设立了一个独立团队，旨在吸收新人员，培养合格后输出到行内，但发现这种方法也失败了。原因在于，单独的组织部门无法真正投入到各个业务角色中，缺乏实践机会，而所有复合人才都是通过实践培养出来的。

在实验室，我们提出了新的理念，主要抓住两个关键点：一是数字化转型推动，涵盖全行所有业务条线和部门，让员工参与典型工作，这样他们在拥有相应技能的同时，也能参与到实际业务工作中；二是实验室的创新孵化功能，涉及全行各种创新业务产品的研发和运营，让员工与有业务背景的人合作，锻炼能力。此外，实验室还管理着全行的数据建模师和数据科学家团队，这为复合人才培养提供了支持。我们进一步将能力抽象为数字应用、金融科技、业务洞察、产品设计和敏捷管理五个方面，并通过内外部培训、日常分享、主题演练、比赛模拟、项目实操和阶段性轮岗等方式，为复合人才培养提供支撑。

在推动全行数字化转型的过程中，文化宣传和宣导是一项持续的任务。为此，我们开展了一系列活动，旨在将数字化文化从总行和特定部门传递到所有部门和基层。

我们举办了“好点子”创新大赛，鼓励员工从自己的业务岗位出发，提出创新想法以提升业务流程或特定业务领域。这些想法经过收集和评估后，会进入孵化阶段，由相应团队参与实施，确保员工的数字化思维能够在业务中得到实际应用。我们还会为这些项目提供必要的支持，让员工感受到自己能够参与并推动创新的落地。

我们开展了“数智燃六点”活动，这是一个培训和宣导项目，包括两大类内容。一类是“我来讲”，通常由行内的关键角色或领导岗位分享他们对下一阶段工作的指导思想；另一类是“他来了”，邀请行业专家分享成功经验。这些活动旨在介绍新经验、高层次的业务思维，并宣导企业文化。

“原智社”是一个虚拟的组织机构，提供一个平台供员工进行线上讨论和线下座谈会交流。在这里，员工可以分享新用法、讨论想法，并探索这些想法的可行性和落地方案。通过这个过程，我们可以收集到一线员工的真实想法和需求，帮助他们实现创新。

最后，“分支行联动”活动旨在将总行的先进数据平台和解决方案推广到分行，并收集分行的一线理念和需求。通过数据科学家的支持，为分行提供定制化的解决方案，确保上下沟通畅通，使数字化转型和能力的基本思想能够贯彻到全行。

通过这些活动，我们希望能够营造一个开放、创新的企业文化，鼓励员工积极参与数字化转型，确保数字化的基本思想和文化理念在全行范围内得到有效传达和实施。

数据建模师团队培养发展历程

接下来，我想分享一个关于数据科学家团队培养的基本案例，探讨除了基本能力培养外，还有哪些潜在因素需要关注。在许多传统企业中，数据科学家这样的角色可能并不常见。我们之前定义了数据科学家在银行中可能承担的工作，如经营诊断、数字化营销、以及将传统基于实体资本的授信模式转变为基于风控和客户特征的数字化授信。

最初，我们依赖外部力量来引导团队的组建，包括招聘新人和提出团队建设的建议。初步团队由外部专家带领，逐步过渡到内外结合的工作模式。最终，我们的目标是减少对外部指导的依赖，完全依靠自身能力来推动团队的发展。

为了更有效地推动团队建设，我们希望对每个级别和角色定义不同的能力要求，并定期对团队成员进行量化评估。这有助于我们了解团队距离目标还有多远，需要在哪些方面进行有针对性的培养。通过这种过渡，我们期望能够精确识别团队成员的能力差距，并制定相应的培养计划。这样的方法不仅可以提升团队的整体能力，还能确保每个成员都能在其专业领域内达到预期的专业水平，从而推动整个数据科学家团队向更高目标发展。

在业务工作模式上，我们探索了如何真正实现目标并赋能业务。最初，我们采用了敏捷化组织的理念，将业务、科技、数据等所有人员整合到一个团队中，各自推动项目进展。数据科学家团队在最初阶段被分散到不同的业务部门中。但这种做法很快暴露出问题：尤其是对于主要由应届生组成的部门，由于经验不足，直接进入敏捷模式后，业务团队对他们的指导非常有限，导致他们难以结合业务提供数字化解决方案。一两年过去，这些人员的能力没有明显提升，业务部门也感觉数据人员并未真正帮助提升业务。

针对这个问题，我们进行了调整，将人员重新集中管理，进入第二阶段，采用项目制形式来支持业务组完成目标。在这个阶段，我们有资深人员提供方向性指导，并通过导师机制帮助初阶人员，尤其是应届生成长。通过量化评估，我们发现团队人员的能力有了显著提升。

刚才有观众询问如何量化评估产出提升，实际上这是可行的。在特定团队中，我们记录了每年的工作量和人均产出，发现统筹培养后，人均产出每年都有 40% 以上的提升，甚至有一年达到了 60%。这明显表明统筹培养对团队能力提升有显著效果，尤其是对于新团队和早期培训阶段。

第三阶段，为了业务稳定性，我们成立了专业派驻小组，保留了人才池，并派驻部分人员到业务部门，既满足统筹培养，也响应了业务部门对人员稳定性的需求。

到了第四阶段，当我们拥有了足够多的骨干人员，对于需求强烈的部门，我们重新采用敏捷模式，将部分骨干人员内嵌到部门中。