什么是物联网？

物联网就是物物相连的互联网。

这有两层意思：

其一，物联网的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络；

其二，其用户端延伸和扩展到了任何物品与物品之间，进行信息交换和通信，也就是物物相息。

物联网通过智能感知、识别技术与普适计算等通信感知技术，广泛应用于网络的融合中，也因此被称为继计算机、互联网之后世界信息产业发展的第三次浪潮。

物联网的应用：

1、智能交通。物联网技术在道路交通方面的应用比较成熟。随着社会车辆越来越普及，交通拥堵甚至瘫痪已成为城市的一大问题。对道路交通状况实时监控并将信息及时传递给驾驶人，让驾驶人及时作出出行调整，有效缓解了交通压力。

2、智能家居。智能家居就是物联网在家庭中的基础应用，随着宽带业务的普及，智能家居产品涉及到方方面面。 家中无人，可利用手机等产品客户端远程 *** 作智能空调，调节室温。

3、公共安全。近年来全球气候异常情况频发，灾害的突发性和危害性进一步加大，网可以实时监测环境的不安全性，情况提前预防、实时预警、及时采取应对措施，降低灾害对人类生命财产的威胁。

有弊有利
会计信息化的目标是通过会计与现代信息技术（主要是网络技术）的有机结合，对会计基本理论，会计实务，会计教育等方面进行全面创新，进而据以建立满足现代企业管理要求的会计信息系统。知识时代发展的网络经济对会计信息化而言是一次质的飞跃，具有重要的意义，它不再是对会计技术手段的简要替代，或电子计算机的延伸，而是由此引发的对现行会计核算的挑战。它的影响表现在：
一、会计基本假设将得以创新
会计主体假设下“企业”的界限将变得模糊起来。会计主体的外延不断变化，“网络公司”、“虚拟公司”使得会计核算的空间范围不仅仅是传统会计主体假设下的实实在在的企业，而使会计丰体对应于“虚”和“实”两个之间。虚拟企业以高度发达的通信、信息技术为必要的物质基础支持，通过合作进行竞争，具有高度的d性与灵活性，在网络空间中迅速重构和解散，从而导致会计主体多元化和不确定性。因此，网络经济下，对于“会计主体”，用“经济相关的联合体”定义可能要更加确切些。
随着虚拟公司与网上银行的发展，企业之间的交易不再使用看得见、摸得着的钞票和单证作交易媒体，而采用“电子货币”支付的网络贸易将成为信息时代的商务主流。电子货币的出现，引发了货币革命与支付革命，使货币真正成为观念上的产物，弱化了记账本位币的假设。同时，电子货币的出现，使资金在企业，银行间高速运转，加剧了货币需求的不稳定性，严重地影响了控制货币量的运作模式，加之国际间的资本流动加快，资本决策可瞬间完成，这一切都加大了会计面临的货币风险，对币值不变假设提出了严峻的挑战。面对网络经济，有专家建议将传统的货币计量假设，改为电子货币计量假设。
二、会计核算的重点有新的变化
网络经济时代下，决定一个公司生存发展的不再是传统工业经济条件下赖以生存发展的厂房、设备等有形资产，而是人力资本、知识产权、专有技术、商誉、信息资产等无形资产，无形资产在企业总资产中所占的比重越来越大，作用也越来越重要。由于无形资产在企业中地位的显著提高，会计核算的重点将从有形资产转移到无形资产上。

物联网的应用如下：
1、智能仓库。物联网一个很好的应用。它能准确的提供仓库管理各个环节数据的真实性，对于生产企业，可以根据这个数据合理的把控库存量，调整生产量。物联网中利用SNHGES系统的库位管理功能，可以准确提供货物库存位置，这就大大提高了仓库管理的效率。
2、智能物流。运用条形码、传感器、射频识别技术、全球定位等先进的物联网通信技术，实现物流业运输、仓储、配送、装卸等各个环节的智能化。不仅货物运输更加的自动化，而且作出的全面分析还能及时的处理问题对物流过程作出调整，优化了管理。大大提高了物流行业的服务水平，还节约了成本。
3、智能医疗。利用物联网技术，实现患者和医务人员、医疗机构、医疗设备的互动，实现医疗智能化。物联网医疗设备中的传感器与移动设备可以对患者的生理状态进行捕捉，把生命指数记录到电子健康文件中，不仅自己可以查看，也方便了医生的查阅，实现远程的医疗看病。很好的解决当前的医疗资源分布不均，看病难的问题。
4、智能家庭。物联网的出现让我们的日常生活更加的便捷。不远的将来一台手机，就可以 *** 作家里大多数的电器，查看它们的运行状态。寒冷的冬天，我们可以提前打开家里的空调，回到家就暖暖的。物联网还能准确的定位家庭成员的位置，你再也不用担心孩子跑的找不见人，省心省力。
5、智能农业。物联网在农业中的应用就更加的广泛。监测温湿度，监视土壤酸碱度，查看家禽的状态。在这些数据的支持下，农户就可以合理进行科学评估，安排施肥，灌溉。监测到的天气情况比如降水，风力等又为我们抗灾、减灾提供了依据。提高了产量，降低了减产风险。
6、智能交通。物联网将整个交通设备连在一起。主要是用图像识别为核心技术。可以准确的收集到交通车流量信息，通过信号灯等设备进行流量的控制，这个技术的运用，会让堵车成为历史。管理人员利用这个技术能将道路、车辆的情况掌握的一清二楚，驾驶违章无处可逃，交通事故也能及时的得到处理。人们的出行得到了很大的方便。
7、智能电力。电力工程是一项重大的民生工程，对电网的安全检测是一项必修科目。以南方电网与中国移动通过M2M技术进行的合作为例，因为物联网的运用，使得自动化计量系统开始启动，使得故障评价处理时间得到一倍的缩减。

区块链的已经如雷贯耳，那么区块链有哪些应用领域？

目前区块链技术最广泛、最成功的运用是以比特币为代表的数字货币。近年来数字货币发展很快，由于去中心化信用和频繁交易的特点，使得其具有较高交易流通价值，并能够通过开发对冲性质的金融衍生品作为准超主权货币，保持相对稳定的价格。

金融机构在区块链应用的探索上意愿最强，需要新的技术来提高运营效率，降低成本来应对整个全球经济当前现状。客观来看，金融行业市场空间巨大，些许的进步就能带来巨大收益。金融行业是对安全性、稳定性要求极高的行业，如果区块链在金融领域应用得以验证，那么将会产生巨大的示范效应，迅速在其他行业推广。在金融领域，除去数字货币应用，区块链也逐渐在跨境支付、供应链金融、保险、数字票据、资产证券化、银行征信等领域开始了应用。

随着区块链技术在金融领域应用的不断验证，其技术优势在其他行业领域也逐渐体现出价值。目前，医疗健康、IP版权、教育、文化娱乐、通信、慈善公益、社会管理、共享经济、物联网等领域都在逐渐落地区块链应用项目，“区块链”正在成为现实。

(1)区块链医疗：医疗领域，区块链能利用自己的匿名性、去中心化等特征保护病人隐私。电子健康（EHR）、DNA钱包、药品防伪等都是区块链技术可能的应用领域。IBM在去年的报告中预测，全球56％的医疗机构将在2020年前将投资区块链技术。

(2)区块链物联网：物联网是一个非常宽泛的概念，如果将通信、能源管理、供应链管理、共享经济等涵盖在内，区块链技术的物联网应用将成为一个非常重要的应用领域。

(3)区块链IP版权&文化娱乐：互联网流行以来，数字音乐、数字图书、数字视频、数字游戏等逐渐成为了主流。知识经济的兴起使得知识产权成为市场竞争的核心要素。但当下的互联网生态里知识产权侵权现象严重，数字资产的版权保护成为了行业痛点。区块链去中介化、共识机制、不可篡改的特点，利用区块链技术，能将文化娱乐价值链的各个环节进行有效整合、加速流通，缩短价值创造周期；同时，可实现数字内容的价值转移，并保证转移过程的可信、可审计和透明，有效预防盗版等行为。区块链公共服务&教育：在公共服务、教育、慈善公益等领域，档案管理、身份（资质）认证、公众信任等问题都是客观存在的，传统方式是依靠具备公信力的第三方作信用背书，但造假、缺失等问题依然存在。

大
数据从四个方面改变了金融机构传统的数据运作方式，从而实现了巨大的商业价值。这四个方面（“四个C”）包括：数据质量的兼容性
（Compatibility）、数据运用的关联性（Connectedness）、数据分析的成本（Cost）以及数据价值的转化
（Capitalization）。

　
　大数据在金融业的应用场景正在逐步拓展。在海外，大数据已经在金融行业的风险控制、运营管理、销售支持和商业模式创新等领域得到了全面尝试。在国内，金
融机构对大数据的应用还基本处于起步阶段。数据整合和部门协调等关键环节的挑战仍是阻碍金融机构将数据转化为价值的主要瓶颈。

　
　数据技术与数据经济的发展是持续实现大数据价值的支撑。深度应用正在将传统IT从“后端”不断推向“前台”，而存量架构与创新模块的有效整合是传统金融
机构在技术层面所面临的主要挑战。此外，数据生态的发展演进有其显著的社会特征。作为其中的一员，金融机构在促进数据经济的发展上任重道远。

为了驾驭大数据，国内金融机构要在技术的基础上着重引入以价值为导向的管理视角，最终形成自上而下的内嵌式变革。其中的三个关键点（“TMT”）包括：团队（Team）、机制（Mechanism）和思维（Thinking）。

1价值导向与内嵌式变革—BCG对大数据的理解

“让数据发声！”—随着大数据时代的来临，这个声音正在变得日益响亮。为了在喧嚣背后探寻本质，我们的讨论将从大数据的定义开始。

11成就大数据的“第四个V”

大数据是什么？在这个问题上，国内目前常用的是“3V”定义，即数量（Volume）、速度（Velocity）和种类（Variety）。

　
　虽然有着这样的定义，但人们从未停止讨论什么才是成就大数据的“关键节点”。人们热议的焦点之一是“到底多大才算是大数据？”其实这个问题在“量”的层
面上并没有绝对的标准，因为“量”的大小是相对于特定时期的技术处理和分析能力而言的。在上个世纪90年代，10GB的数据需要当时计算能力一流的计算机
处理几个小时，而这个量现在只是一台普通智能手机存储量的一半而已。在这个层面上颇具影响力的说法是，当“全量数据”取代了“样本数据”时，人们就拥有了
大数据。

　
　另外一个成为讨论焦点的问题是，今天的海量数据都来源于何处。在商业环境中，企业过去最关注的是ERP（Enterprise Resource
Planning）和CRM（Customer Relationship
Management）系统中的数据。这些数据的共性在于，它们都是由一个机构有意识、有目的地收集到的数据，而且基本上都是结构化数据。随着互联网的深
入普及，特别是移动互联网的爆发式增长，人机互动所产生的数据已经成为了另一个重要的数据来源，比如人们在互联网世界中留下的各种“数据足迹”。但所有这
些都还不是构成“大量数据”的主体。机器之间交互处理时沉淀下来的数据才是使数据量级实现跨越式增长的主要原因。“物联网”是当前人们将现实世界数据化的
最时髦的代名词。海量的数据就是以这样的方式源源不断地产生和积累。

“3V”的定义专注于对数据本身的特征进行描述。然而，是否是量级庞大、实时传输、格式多样的数据就是大数据？

BCG认为，成就大数据的关键点在于“第四个V”，即价值（Value）。当量级庞大、实时传输、格式多样的全量数据通过某种手段得到利用并创造出商业价值，而且能够进一步推动商业模式的变革时，大数据才真正诞生。

12变革中的数据运作与数据推动的内嵌式变革

多元化格式的数据已呈海量爆发，人类分析、利用数据的能力也日益精进，我们已经能够从大数据中创造出不同于传统数据挖掘的价值。那么，大数据带来的“大价值”究竟是如何产生的？

　
　无论是在金融企业还是非金融企业中，数据应用及业务创新的生命周期都包含五个阶段：业务定义需求；IT部门获取并整合数据；数据科学家构建并完善算法与
模型；IT发布新洞察；业务应用并衡量洞察的实际成效。在今天的大数据环境下，生命周期仍维持原样，而唯一变化的是“数据科学家”在生命周期中所扮演的角
色。大数据将允许其运用各种新的算法与技术手段，帮助IT不断挖掘新的关联洞察，更好地满足业务需求。

　
　因此，BCG认为，大数据改变的并不是传统数据的生命周期，而是具体的运作模式。在传统的数据基础和技术环境下，这样的周期可能要经历一年乃至更长的时
间。但是有了现在的数据量和技术，机构可能只需几周甚至更短的时间就能走完这个生命周期。新的数据运作模式使快速、低成本的试错成为可能。这样，商业机构
就有条件关注过去由于种种原因而被忽略的大量“小机会”，并将这些“小机会”累积形成“大价值”。

具体而言，与传统的数据应用相比，大数据在四个方面（“4C”）改变了传统数据的运作模式，为机构带来了新的价值。

121数据质量的兼容性（Compatibility）：大数据通过“量”提升了数据分析对“质”的宽容度

　
　在“小数据”时代，数据的获取门槛相对较高，这就导致“样本思维”占据统治地位。人们大多是通过抽样和截取的方式来捕获数据。同时，人们分析数据的手段
和能力也相对有限。为了保证分析结果的准确性，人们通常会有意识地收集可量化的、清洁的、准确的数据，对数据的“质”提出了很高的要求。而在大数据时代，
“全量思维”得到了用武之地，人们有条件去获取多维度、全过程的数据。但在海量数据出现后，数据的清洗与验证几乎成为了不可能的事。正是这样的困境催生了
数据应用的新视角与新方法。类似于分布式技术的新算法使数据的“量”可以弥补“质”的不足，从而大大提升了数据分析对于数据质量的兼容能力。

122数据运用的关联性（Connectedness）：大数据使技术与算法从“静态”走向“持续”

　
　在大数据时代，对“全量”的追求使“实时”变得异常重要，而这一点也不仅仅只体现在数据采集阶段。在云计算、流处理和内存分析等技术的支撑下，一系列新
的算法使实时分析成为可能。人们还可以通过使用持续的增量数据来优化分析结果。在这些因素的共同作用下，人们一贯以来对“因果关系”的追求开始松动，而
“相关关系”正在逐步获得一席之地。

123数据分析的成本（Cost）：大数据降低了数据分析的成本门槛

　
　大数据改变了数据处理资源稀缺的局面。过去，数据挖掘往往意味着不菲的投入。因此，企业希望能够从数据中发掘出“大机会”，或是将有限的数据处理资源投
入到有可能产生大机会的“大客户、大项目”中去，以此获得健康的投入产出比。而在大数据时代，数据处理的成本不断下降，数据中大量存在的“小机会”得见天
日。每个机会本身带来的商业价值可能并不可观，但是累积起来就会实现质的飞跃。所以，大数据往往并非意味着“大机会”，而是“大量机会”。

124数据价值的转化（Capitalization）：大数据实现了从数据到价值的高效转化

　
　在《互联网金融生态系统2020：新动力、新格局、新战略》报告中，我们探讨了传统金融机构在大变革时代所需采取的新战略思考框架，即适应型战略。采取
适应型战略有助于企业构筑以下五大优势：试错优势、触角优势、组织优势、系统优势和社会优势，而大数据将为金融机构建立这些优势提供新的工具和动力。从数
据到价值的转化与机构的整体转型相辅相成，“内嵌式变革”由此而生。

　
　例如，金融机构传统做法中按部就班的长周期模式（从规划、立项、收集数据到分析、试点、落地、总结）不再适用。快速试错、宽进严出成为了实现大数据价值
的关键：以低成本的方式大量尝试大数据中蕴藏的海量机会，一旦发现某些有价值的规律，马上进行商业化推广，否则果断退出。此外，大数据为金融机构打造“触
角优势”提供了新的工具，使其能够更加灵敏地感知商业环境，更加顺畅地搭建反馈闭环。此外，数据的聚合与共享为金融机构搭建生态系统提供了新的场景与动
力。

2应用场景与基础设施—纵览海内外金融机构的大数据发展实践

　
　金融行业在发展大数据能力方面具有天然优势：受行业特性影响，金融机构在开展业务的过程中积累了海量的高价值数据，其中包括客户身份、资产负债情况、资
金收付交易等数据。以银行业为例，其数据强度高踞各行业之首—银行业每创收100万美元，平均就会产生820GB的数据。

21大数据的金融应用场景正在逐步拓展

大数据发出的声音已经在金融行业全面响起。作为行业中的“巨无霸”，银行业与保险业对大数据的应用尤其可圈可点。

211海外实践：全面尝试

2111银行是金融行业中发展大数据能力的“领军者”

　
　在发展大数据能力方面，银行业堪称是“领军者”。纵观银行业的六个主要业务板块（零售银行、公司银行、资本市场、交易银行、资产管理、财富管理），每个
业务板块都可以借助大数据来更深入地了解客户，并为其制定更具针对性的价值主张，同时提升风险管理能力。其中，大数据在零售银行和交易银行业务板块中的应
用潜力尤为可观。

　
　BCG通过研究发现，海外银行在大数据能力的发展方面基本处于三个阶段：大约三分之一的银行还处在思考大数据、理解大数据、制定大数据战略及实施路径的
起点阶段。还有三分之一的银行向前发展到了尝试阶段，也就是按照规划出的路径和方案，通过试点项目进行测验，甄选出许多有价值的小机会，并且不停地进行试
错和调整。而另外三分之一左右的银行则已经跨越了尝试阶段。基于多年的试错经验，他们已经识别出几个较大的机会，并且已经成功地将这些机会转化为可持续的
商业价值。而且这些银行已经将匹配大数据的工作方式嵌入到组织当中。他们正在成熟运用先进的分析手段，并且不断获得新的商业洞察。

　
　银行业应用举例1：将大数据技术应用到信贷风险控制领域。在美国，一家互联网信用评估机构已成为多家银行在个人信贷风险评估方面的好帮手。该机构通过分
析客户在各个社交平台（如Facebook和Twitter）留下的数据，对银行的信贷申请客户进行风险评估，并将结果卖给银行。银行将这家机构的评估结
果与内部评估相结合，从而形成更完善更准确的违约评估。这样的做法既帮助银行降低了风险成本，同时也为银行带来了风险定价方面的竞争优势。

　
　相较于零售银行业务，公司银行业务对大数据的应用似乎缺乏亮点。但实际上，大数据在公司银行业务的风险领域正在发挥着前所未有的作用。在传统方法中，银
行对企业客户的违约风险评估多是基于过往的营业数据和信用信息。这种方式的最大弊端就是缺少前瞻性，因为影响企业违约的重要因素并不仅仅只是企业自身的经
营状况，还包括行业的整体发展状况，正所谓“覆巢之下，焉有完卵”。但要进行这样的分析往往需要大量的资源投入，因此在数据处理资源稀缺的环境下无法得到
广泛应用，而大数据手段则大幅减少了此类分析对资源的需求。西班牙一家大型银行正是利用大数据来为企业客户提供全面深入的信用风险分析。该行首先识别出影
响行业发展的主要因素，然后对这些因素一一进行模拟，以测试各种事件对其客户业务发展的潜在影响，并综合评判每个企业客户的违约风险。这样的做法不仅成本
低，而且对风险评估的速度快，同时显著提升了评估的准确性。

　
　银行业应用举例2：用大数据为客户制定差异化产品和营销方案。在零售银行业务中，通过数据分析来判断客户行为并匹配营销手段并不是一件新鲜事。但大数据
为精准营销提供了广阔的创新空间。例如，海外银行开始围绕客户的“人生大事”进行交叉销售。这些银行对客户的交易数据进行分析，由此推算出客户经历“人生
大事”的大致节点。人生中的这些重要时刻往往能够激发客户对高价值金融产品的购买意愿。一家澳大利亚银行通过大数据分析发现，家中即将有婴儿诞生的客户对
寿险产品的潜在需求最大。通过对客户的yhk交易数据进行分析，银行很容易识别出即将添丁的家庭：在这样的家庭中，准妈妈会开始购买某些药品，而婴儿相关
产品的消费会不断出现。该行面向这一人群推出定制化的营销活动，获得了客户的积极响应，从而大幅提高了交叉销售的成功率。

　
　客户细分早已在银行业得到广泛应用，但细分维度往往大同小异，包括收入水平、年龄、职业等等。自从开始尝试大数据手段之后，银行的客户细分维度出现了突
破。例如，西班牙的一家银行从Facebook和Twitter等社交平台上直接抓取数据来分析客户的业余爱好。该行把客户细分为常旅客、足球爱好者、高
尔夫爱好者等类别。通过分析，该行发现高尔夫球爱好者对银行的利润度贡献最高，而足球爱好者对银行的忠诚度最高。此外，通过分析，该行还发现了另外一个小
客群：“败家族”，即财富水平不高、但消费行为奢侈的人群。这个客群由于人数不多，而且当前的财富水平尚未超越贵宾客户的门槛，因此往往被银行所忽略。但
分析显示这一人群能够为银行带来可观的利润，而且颇具成长潜力，因此该行决定将这些客户升级为贵宾客户，深入挖掘其潜在价值。

　
　在对公业务中，银行同样可以借助大数据形成更有价值的客户细分。例如，在BCG与一家加拿大银行的合作项目中，项目组利用大数据分析技术将所有公司客户
按照行业和企业规模进行细分，一共建立了上百个细分客户群。不难想象，如果没有大数据的支持，这样深入的细分是很难实现的。然后，项目组在每个细分群中找
出标杆企业，分析其银行产品组合，并将该细分群中其他客户的银行产品组合与标杆企业进行比对，从而识别出差距和潜在的营销机会。项目组将这些分析结果与该
行的对公客户经理进行分享，帮助他们利用这些发现来制定更具针对性的销售计划和话术，并取得了良好的效果。客户对这种新的销售方式也十分欢迎，因为他们可
以从中了解到同行的财务状况和金融安排，有助于对自身的行业地位与发展空间进行判断。

　
　银行业应用举例3：用大数据为优化银行运营提供决策基础。大数据不仅能在前台与中台大显身手，也能惠及后台运营领域。在互联网金融风生水起的当
下，“O2O”（OnlineToOffline）成为了银行的热点话题。哪些客户适合线上渠道？哪些客户不愿“触网”？BCG曾帮助西班牙一家银行通过
大数据技术应用对这些问题进行了解答。项目组对16个既可以在网点也可以在网络与移动渠道上完成的关键运营活动展开分析，建立了12个月的时间回溯深度，
把客户群体和运营活动按照网点使用强度以及非网点渠道使用潜力进行细分。分析结果显示，大约66%的交易活动对网点的使用强度较高，但同时对非网点渠道的
使用潜力也很高，因此可以从网点迁移到网络或移动渠道。项目组在客户细分中发现，年轻客户、老年客户以及高端客户在运营活动迁移方面潜力最大，可以优先作
为渠道迁徙的对象。通过这样的运营调整，大数据帮助银行在引导客户转移、减轻网点压力的同时保障了客户体验。

　
　BCG还曾利用专有的大数据分析工具NetworkMax，帮助一家澳大利亚银行优化网点布局。虽然银行客户的线上活动日渐增多，但金融业的铁律在互联
网时代依然适用，也就是说在客户身边设立实体网点仍然是金融机构的竞争优势。然而，网点的运营成本往往不菲，如何实现网点资源的价值最大化成为了每家银行
面临的问题。在该项目中，项目组结合银行的内部数据（包括现有的网点分布和业绩状况等）和外部数据（如各个地区的人口数量、人口结构、收入水平等），对
350多个区域进行了评估，并按照主要产品系列为每个区域制定市场份额预测。项目组还通过对市场份额的驱动因素进行模拟，得出在现有网点数量不变的情况下
该行网点的理想布局图。该行根据项目组的建议对网点布局进行了调整，并取得了良好的成效。这个案例可以为许多银行带来启示：首先，银行十分清楚自身的网点
布局，有关网点的经营业绩和地址的信息全量存在于银行的数据库中。其次，有关一个地区的人口数量、人口结构、收入水平等数据都是可以公开获取的数据。通过
应用大数据技术来把这两组数据结合在一起，就可以帮助银行实现网点布局的优化。BCG基于大数据技术而研发的Network
Max正是用来解决类似问题的工具。
　
　银行业应用举例4：创新商业模式，用大数据拓展中间收入。过去，坐拥海量数据的银行考虑的是如何使用数据来服务其核心业务。而如今，很多银行已经走得更
远。他们开始考虑如何把数据直接变成新产品并用来实现商业模式，进而直接创造收入。例如，澳大利亚一家大型银行通过分析支付数据来了解其零售客户的“消费
路径”，即客户进行日常消费时的典型顺序，包括客户的购物地点、购买内容和购物顺序，并对其中的关联进行分析。该银行将这些分析结果销售给公司客户（比如
零售业客户），帮助客户更准确地判断合适的产品广告投放地点以及适合在该地点进行推广的产品。这些公司客户过去往往需要花费大量金钱向市场调研公司购买此
类数据，但如今他们可以花少得多的钱向自己的银行购买这些分析结果，而且银行所提供的此类数据也要可靠得多。银行通过这种方式获得了传统业务之外的收入。
更重要的是，银行通过这样的创新为客户提供了增值服务，从而大大增强了客户粘性。

2005-2020，商业银行发展驱动力的四个变化。（1）2005-2010产业驱动： 把握房地产和出口两大产业链，机构普遍获得了资产规模扩张机会； （2）2011-2013杠杆驱动： 资产由制造业转向房地产和地方融资平台集中，利用非标资产与同业合作绕开信贷投放领域的限制，借力非标扩张提升杠杆，机构获得了“弯道超速”的发展机会； （3）2014-2016投资驱动： 负债和资产同时脱媒，同业融资挤出了存款，委外投资挤出了信贷，商业银行负债和资产管理脱离了传统控制的边界，更高的错配程度增加了机构风险隐患。 （4）2017-2019零售驱动： 一方面去杠杆环境下，零售夯实了负债基础，起到了“压舱石”作用；另一方面随着大数据等技术完善和居民消费意识兴起，各类消费金融产品此起彼伏，部分零售资产成为变相的“高利贷”。 （5）2020后疫情时代： 企业格局走向集中，居民财富迁徙。作为最重要的综合金融服务商和流量入口，银行将显著受益于产业格局变化和居民财富再配置。部分受益板块将成为银行权益资产重估的催化剂，这也为板块的分拆提供了现实可能。

板块分拆是解开银行板块低估值的钥匙。（1） 银行股PB常年破净，除了“资产质量真实性”的视角外，近年来尤其是疫情后的 政策指引 和包括互联网巨头机构进入金融场景带来的 竞争效应 也是影响银行股估值的重要原因。如蚂蚁金服、京东数科等金融 科技 公司的挑战并不在于商业银行现有存量业务，而是对过去商业银行触不到的客户进行“抢滩登陆”。（2）同时期商业银行也在获得结构性的发展机会，这体现在资产管理、财富管理、私人银行、机构平台、 科技 服务等一系列轻型业务和新市场领域。在保证业务协同度的情况下，分拆高隐含估值（参考海外可比机构）、高盈利能力（ROE在15%以上）、低周期波动、资产质量相对清晰的子板块可以提升总市值水平、并有条件实施权益融资/股权激励，实现市值扩张的正反馈。

板块分拆

当前银行板块估值中枢较低，对商业银行经营者而言，权益资产的估值水平影响了资本补充能力，这对后续安排IPO、定增、债转股的计划和节奏息息相关。长期看，如果净息差空间越来越小，商业银行将面临中长期ROE下降的问题。未来银行权益类资产依靠什么估值中枢才能提升，这具体需要什么样的催化剂？

一、2005-2020年商业银行盈利的驱动力变迁

银行业景气程度既与我国经济总量扩张相关，又与我国经济结构转型有密切联系。我们将2005年以来商业银行发展驱动力分为四个阶段，即产业驱动、杠杆驱动、投资驱动和零售驱动。

1、2005-2010产业驱动（把握房地产和出口两大产业链）

这一阶段，我国经济处于高速发展阶段，GPD平均增速超过10%，资产规模增长成为拉动银行业绩的主因。商业银行快速发展在于是否抓住了房地产和出口贸易两大产业链。

一方面，以房地产开发贷、居民按揭贷款为主体中长期贷款保持高速增长。 城市化水平提升促进我国房地产市场活跃，购房需求加速释放，除去2008年经济危机影响，这一阶段房地产开发投资金额保持在35%以上的增速，同时以按揭贷款为主体的个人中长期贷款也跟着扩张。

另一方面， 从2001年加入世贸组织后，我国成为制造业的“世界工厂”。我国的货物贸易进出口规模从2001年的5098亿美元扩大到2010年的近3万亿美元，制造业进出口总额增长近5倍。出口产业链规模扩张的同时，这带动了出口信贷的增长，沿海地区商业银行受益更大。

2、2011-2013杠杆驱动（抓住非标扩张的载体）

这一阶段 社会 融资需求从制造业向房地产、地方融资平台集中。由于传统信贷投放手段在2010年后受到了限制，基于同业买入返售等业务的同业投资项目起到了资产投放的“转换器”的作用。这种情况下，先行 探索 的银行有了“弯道超车”的发展机会。在不严格进行资产穿透的情况下，同业资产的资本扣减水平（一般为20%-25%）大幅低于传统企业信贷类资产（一般是75%到100%），同业投资同时提到了节约资本、提升杠杆的作用。

3、2014-2016投资驱动（负债和资产同时脱媒）

这一期间，大类资产配置环境表现出“经济增长乏力，流动性宽裕、业务创新空间放开”的组合。商业银行出现了负债和资产同时“脱媒”的格局：即负债端加大了对同业融资、同业存单的依赖，挤出了存款；资产端加大了对投资类资产的依赖，挤出了贷款。这一阶段，商业银行与非银机构形成了“同业存单-委外投资-表外获取超额收益”的扩张链条：非银资管机构借助委外等模式募集到商业银行机构资金，实现了自身规模扩张；对银行而言，负债端和资产端愈发脱离机构自身的掌控，负债端的不稳定性尤其影响了包括银行、非银资管机构之间的经营分层。

4、2017-2019零售驱动（“压舱石”和“高利贷”）

2017年启动的金融去杠杆使得之前依靠投资驱动的业务发展模式走到了尽头。在流动性管理规定、同业规模占比限制、大额风险暴露管理等一系列要求下，同业负债和投资的扩张来源受到限制，商业银行重新回到存贷等本源类业务，零售业务尤其受到重视。

和之前一般认为零售带来稳定负债不同（即“压舱石”），得益于数据体系完善和居民消费意识提升，零售资产类业务（如消费贷、xyk分期等）是这一阶段扩张主力。消费金融是2017年以来规模增长最快的金融子行业，涉及到银行消费信贷部门、持牌消费金融公司、小贷乃至互联网机构等多种类型。凭借资产高收益与扩张高速度，包括ABS、同业借款等在内的消费金融资产也成为金融机构应对“资产荒”下的新选择。目前仅银行表内的消费贷款余额（不含房贷、经营贷）约14万亿元，而以独立的26家消费金融公司为例，当前行业规模近5000亿元，近年来年化增长约35%。

5、2020之后：下轮机会在哪里？

2020年以来，受疫情冲击和行业监管环境的变化，商业银行零售资产增长速度放缓。一方面，疫情冲击冲击资产质量，部分客群和消费场景（如长租公寓/医美/教育/ 旅游 ）受影响较大；监管要求限制了利润空间，如最高人民法院法调整民间借贷利率的司法保护上限（约154%），考虑到部分消金产品实际利率已高于该水平（如我国xyk利率上限约为18%），作为持牌机构后续产品定价受约束的可能性较大。

如果零售类资产这一引擎逐步停摆，2020年之后新的增长驱动力在哪里？从海外成熟市场经验看，经济增长中枢下降，利率水平保持低位环境下，做大资产管理、财富管理等中间业务板块可能成为金融机构新一轮发展的引擎。以摩根大通为例，其作为“一站式全能银行”在发展零售业务的同时，通过发展投行业务和资管业务，做轻资本的同时提升ROE水平。同时贝莱德，贝莱德定位于全能型的资产管理机构，以指数类产品和另类资产作为规模驱动的主力，利润能否稳定向上。

在我国未来中低速增长、低利率环境下，商业银行中间业务收入增长机会将优于传统信贷业务。以我国财富管理市场为例，我国居民财富管理规模近200万亿元，近80%沉淀在房地产和定期存款上。未来各家机构都盯住了相关财富迁徙的可能机会。“余额宝”收益率破2之际，我国的财富管理市场既面临传统销售规模快速扩张带来的产品兑付和机构声誉压力，也有存量市场腾挪（如过去资金池产品和房地产市场）和新场景（如居民养老）、新资产（如消费金融）带来的发展机会。未来相关资产向资管产品调整的趋势，作为最重要的流量入口，银行将显著受益于居民资产的再配置，也将成为银行权益资产重估的催化剂。

二、为什么当前银行板块低估值？

DDM折现模型是我们理解权益估值的基本出发点。从DDM模型出发，我们推导出银行股权的PB价格：

针对给出的公式模型，下表测试不同假设条件下银行股的估值水平，从稳健性测试看，商业银行保持1倍以上PB估值水平是可能的。（注：相关参数的设置和讨论，可以参考之前报告《银行的估值中枢应在哪里？》）

但为何商业银行估值中枢实际上低于我们的测算中枢？权益市场投资者多从 “资产质量真实性” 的视角进行分析，我们认为近年来尤其是疫情后的政策指引和包括互联网巨头机构进入金融场景带来的竞争效应也是影响银行股估值的重要原因。

政策指引

政策指引影响了商业银行参与 社会 资源的分配。一方面，疫情后出于为实体让利的政策目标，降低资产收益尤其是信贷端资产收益是为实体让利的主要手段，长期看这也降低了商业银行在表内获得风险溢价的能力，限制了商业银行板块的估值扩张。根据央行数据披露，2020年4月新发放普惠小微贷款平均利率为524%，这比2019年底下降近70BP，截止2020年7月底，考虑到目前15万亿元的全年让利目标完成约8700亿元左右，预计后续面向中小微企业资产端收益下降还有持续性。

另一方面，政策对尾部的机构加大了扶助托底，这也减少了机构尾部风险。如2019年5月以来，随着包商银行、锦州银行等一批机构出现重大风险问题，在化解代表性金融机构之后，国务院支持商业银行多渠道补充资本金，提高永续债发行审批效率，降低优先股、可转债等准入门槛，同时允许地方政府通过专项债等方式为商业银行补充资本。政策的扶持效应也会使得我国银行不会像欧美银行在流动性冲击时估值异常下挫（如杀估值到02-03PB的估值水平）。

模式竞争

蚂蚁金服、京东数科等金融 科技 公司的壮大挑战了传统金融进行的商业模式。这种挑战并不在于存量业务，而在于对过去商业银行难以触及到的客户进行的“抢滩登陆”。如支付宝和微信分别拥有7亿和12亿月活客户，这其中包含了大量传统银行无法触及的长尾用户。同时美团、拼多多、京东等互联网公司的崛起为他们提供了高频的应用场景。

互联网巨头的成功渗透实际上影响了商业银行在线上xyk、消费金融等业务的想象力这体现在：

流量更丰富。 微信打开了中国广袤的下沉市场，为互联网公司新增了3-4亿的低成本流量。虽然下沉市场客户存在年龄比较大，收入相对较低，在金融消费领域意识相对落后等共性特征，但互联网公司可以以较低的成本通过d窗、私信等方式教育用户，进行流量转化。相比传统金融机构，互联网公司在流量上更具优势。

甄别能力更强。 相对于传统金融持牌机构，互联网公司资金成本相对较高。但传统金融机构缺乏更细致的客户甄别能力，资金端的优势将被互联网巨头通过数据蚕食。

信用体系更先进。 互联网公司拥有很强的支付场景，用户使用频率高、信赖度高，同时直接关联企业，从而可以更好地给客户提供消费金融产品，获取更丰富的用户数据，风险识别能力相对更强。在信用体系建设上，互联网平台已经领先于传统持牌金融机构(如蚂蚁金服的支付宝信用分)，围绕着信用积分体系，预计还会有更多的消费金融场景落地。

三、为什么分拆可以提升估值？

从公司治理角度看，板块分拆指上市公司控股（包含绝对控股和相对控股两种）子公司单独IPO，并出售增量股权给其它投资者（不包含母公司投资者）的行为，分拆上市已经成我国资本市场运作的新风口。根据证监会发布的《科创板上市公司持续监管办法(试行)》第三十一条规定：“达到一定规模的上市公司，可以依据法律法规、中国证监会和交易所有关规定，分拆业务独立、符合条件的子公司在科创板上市。”

在我国资本市场上，体量大的业务板块（如商业银行）估值中枢较低，板块分拆机会给予潜在高估值板块价值体现的机会。在保证业务协同度的情况下，分拆高隐含估值、高盈利能力、低负债/轻资产、资产质量相对清晰的子板块可以提升总市值水平、实施股权激励并获得持续融资机会。

成熟资本市场有两个有趣的现象，一方面通过并购重组把企业“做大”常常损失价值，如并购公告发布后，收购方股价常大跌，另一方面通过板块分拆、分立把企业“缩小”却创造了价值。分拆是否可以创造价值，下表对相关海外研究进行了汇总。

从金融机构的运作模式看，我们认为创造价值的机会应大幅超过成本。一方面，金融机构受到了严格监管，大股东通过分拆进行利益输送的可能性很低。同时，除了母公司（如商业银行常年估值在1PB以下）板块估值中枢低外，子公司尤其是非银体系的子公司独立上市后更有可能实施股权激励，更有可能实现持续再融资。

四、需要分拆哪些板块？

在保证业务协同度的情况下，我们建议分拆高盈利能力、轻资产、资产质量相对清晰的子板块，相关板块隐含的估值水平较高。这可以促进提升总板块的市值总量与中枢，并对高估值板块（也意味着较高的发展潜力）提供了股权再融资机会。基于相关标准，我们分析金融各子版块的分拆机会。

我们选择银行、保险、信托、消费金融、资产管理（主要针对净值型产品资产管理）、金融租赁、期货和Fin-Tech板块作为讨论的对象。下表基于行业2014-2018年数据为基础进行了统计分析，这五年经历了一轮完整的金融机构“加杠杆”-“去杠杆”的周期，较好的可以反映金融机构的盈利周期。其中估值水平本文统一用PB中枢，盈利能力统一用ROE中枢，杠杆水平和资产质量根据其商业模式定性判断，相关结果如下表所示：

根据上表几个维度进行综合评价，我们得到以下结论：

最适合被分拆的板块：资产管理、金融 科技 、财富管理

资产管理

高质量增长将成就商业银行表外资管崛起，资产管理和财富管理将是商业银行未来的突破口。过去银行理财脱胎于表内存款表外化，通过资金池管理和滚动发行 *** 作，基于产品刚性兑付实现了负债端持续扩张，这又夯实了“资金池”模式。预定收益产品时代，银行理财本质是不缴纳准备金的类存款，“资金池”模式低估了银行的资本占用，增加了机构的系统风险，压缩了银行资管的产品类型。资管新规要求按照净值型方式运作，银行理财在配置上再调整本质是增加投资工具多元化水平，扩展投资组合有效前沿的过程。资管新规实施近两年来，银行表外理财规模收缩、非标资产的错配和处置、投研与估值体系建立等均是调整的体现，目前已有近60%的产品已通过“类货基”“类债基”的产品形式实现了净值化产品“从零到一”的转型。

未来，产品需求和资产供给两端将为转型提供了机会。从产品需求端看，过去报价型产品收益基准偏低，产品的收益曲线需要补全，目前客户已能承受一定波动水平，预计未来面向公募客户、较低回撤，收益基准在5-8%水平的细分产品领域最有发展潜力；从资产供给端看，随着低利率环境维持与行业龙头乃至超级企业崛起，这一过程中优质权益、另类资产的壮大将有机会填补现有非标资产空缺。未来银行理财尤其是理财子公司在股债资产的灵活配置、销售渠道的多元拓展、另类资产挖掘和新产品研发上有较大想象力。“从一到无穷大”，转型红利为我国商业银行理财子公司成为可以对标贝莱德、先锋基金等全能型资管机构提供了想象力。

金融 科技

金融 科技 是 科技 在金融领域的应用层，通过 科技 解决信息不对称的问题，拓宽传统金融机构的获客渠道，提高金融服务提供商的运作效率，并增强其风险管理能力。新 科技 主要指ABCDI技术，即AI、区块链、云计算、大数据、物联网等，进一步推动金融的智能化、数据化。金融 科技 公司整体上通过向传统金融公司输出技术，提供一体化解决方案，利用高频数据赋能风控体系，商业模式更具想象力，甚至有机会依靠类金融业务赚取息差（这取决于监管态度）。主要客户包括银行、证券、基金、保险等。以京东数科为例：在金融机构服务领域，截至2020年6有末，该机构共服务了600 家商业银行、保险公司、基金公司、信托公司、证券公司等客户，累计为金融机构推荐了超200万存款用户、超过2200万个人和小微企业贷款用户，以及促进了近1000万张的xyk发卡量；累计为基金公司、证券公司推荐了超过6700万理财产品用户；累计为保险公司推荐了超过4500万保险用户。

财富管理

经济转轨叠加居民财富市场再配置，我国财富管理行业正处“迷雾期”。传统商业银行过去以报价型产品为主，刚性兑付抑制了产品研发，缺乏完整产品线，低利率环境下产品收益率下行；证券以交易属性资金为主，缺乏资金沉淀能力；独立财富销售机构在信用下行期产品风险暴露频发，客户声誉显著下降。外来机构磨刀霍霍，先锋、贝莱德等海外资管巨头联合我国互联网流量头部机构，有可能通过“指数+投顾”的模式逐鹿近200万亿元的中国财富管理市场。

在此过程中，财富管理机构的机会在于 一个核心 ：持续提升投资顾问的“买方属性”，如考虑采取“低账户管理基础收费+持续产品推荐”的模式，实现财富收入随客户资金沉淀而增加，调整风险偏好以减少权益市场波动和信用周期影响；发展战略在于 三个条件 ：延伸产品线，完善账户功能，拉长客户负债期限，在此基础上久久为功，方可将一家“理财超市”运作起来。

可 探索 分拆模式的板块：消费金融、信托、金融租赁

消费金融：

疫情之后行业进入洗牌期，长期看，流量数据广、负债成本低的头部机构和细分场景可靠、资产端定价能力强的垂直机构将会继续发展。

信托：

2020年以来，部分信托产品风险暴露的直接原因来自于资金池叫停带来的产品流动性风险，背后是当前周期环境下高收益债权风险加速暴露。信托行业第六次整顿可能正在发生。信托机构早年因为主业不清晰、资产质量差等问题，监管部门从1982年到1998年对行业进行了五次清理整顿，信托牌照目前仅保留68张。行业早年风险主要体现在固有投资业务和资金挪用。与商业银行相比，信托具有：风险更集中（高风险债权资产占比高）、缺乏负债基础（缺乏实体网点）、资本规模更小（根据一季度末数据，行业所有者权益规模仅6400亿元，行业保障基金不足2000亿元，需应对表内固有资产近8000亿元，表外规模21万亿元）。这导致表外管理资产一旦出现问题冲击，信托业风险抵御能力更弱，我们判断后续行业将出现新一轮整顿。信托是少数在表外实现大类资产配置的金融牌照，受到银行等主流金融机构和央企等产业集团青睐。与处置银行业风险牌照不同，预计监管部门很有可能推动机构间的牌照收购，推进混业经营，出现行政接管的可能性低。

行业供给侧改革推进，机构将沿着宏观周期和监管有d性的领域寻找转型机会。按照目前信托行业监管的思路，未来行业私募属性不变，之前信托机构想通过降低门槛（如单个客户从目前100万降至30-40万元）扩大募集规模的策略不可行；募资高成本特征不变，相对于传统报价式资管产品，信托产品成本普遍高500BP以上，这将显著增加了机构对资产端的收益要求。同时，资产配置方向已经变化，未来信托产品整体投向是逐步减少对非标资产的依赖，增加以债券为主的标准化资产配置。沿着这一监管导向，投行化（通过非标和标准化工具系统解决客户融资问题）、理财化（发行以“固收+”为主的私募净值型产品）、私行化（拓展代销渠道）将是 探索 方向，在这一过程中信托产品的刚兑属性将逐步瓦解。

金融租赁：

租赁业务的优势在于融资且融物的产融结合租赁模式具有发展想象力，牌照相对融资租赁公司更为稀缺，如中银航空租赁（02588）根植于细分领域，整体估值中枢高于母行，缺点在于租赁属于高杠杆和高资本消耗的业务，资产质量与银行企业信贷业务线类似，短期较难证实。

区块链已延伸到数字金融物联网智能制造供应链管理 。

数字链接的经济社会有两个基本特点：一是人与人之间、人与物之间、物与物之间的时空距离将趋近于零。这将提供更加广泛的便捷性，也将带来更加直接的危险性，构成重大的安全挑战。

这就需要对人或物进行特征识别、时空定位和身份认证，确认端对端的控制权和指挥权。二是数字化的资产和资产化的数字文化产品可以被直接交易，这就需要对资产的所有权、对交易各方的身份和资质进行确认。因此，我们需要建立可靠的信任机制。

2019年，国际标准化组织的区块链和分布式记账委员会做了一个定义：区块链是使用密码技术，将共识确认的区块，按照顺序追加形成的分布式账本。

---