銀行業(yè)

D

UE

Matrix數字化效能

評

價

矩

陣2022年5

月金融科技微洞察序言評價依據：數字化的本質是生產要素創(chuàng)新01銀行業(yè)數字化的本質是銀行在生產要素層面的創(chuàng)新01銀行業(yè)數字化轉型成效評價的挑戰(zhàn)02評價體系：

銀行數字化效能評價矩陣

（DUE

Matrix）03全球主要的創(chuàng)新評價體系概覽03銀行數字化成效評價維度和指標的選擇05銀行數字化效能評價矩陣

（DUE

Matrix）06評價結論：

銀行數字化轉型成效差異顯著09創(chuàng)新投入維度：

銀行數字化投入不斷加大09創(chuàng)新成效維度：銀行數字化促進了財務指標的優(yōu)化10靜態(tài)視角下的DUEMatrix綜合評價：

銀行數字化發(fā)展水平差異較大10動態(tài)視角下的DUEMatrix綜合評價：

銀行數字化轉型成效呈現改善趨勢12未來展望：數字化仍然是較長時期內行業(yè)發(fā)展的主要趨勢13附錄

14目錄序言2022

年開年伊始，

中國人民銀行就印發(fā)了《金融科技發(fā)展規(guī)劃（2022-2025

年）》，

這為新時期的金融科技發(fā)展勾勒藍圖、明晰脈絡，也將進一步推進金融行業(yè)的數字化轉型步伐。同月，

中國銀保

監(jiān)會辦公廳發(fā)布《關于銀行業(yè)保險業(yè)數字化轉型的指導意見》，

進一步要求銀行業(yè)和保險業(yè)加快數

字經濟建設，全面推進銀行業(yè)保險業(yè)數字化轉型，推動金融高質量發(fā)展，更好服務實體經濟和滿足

人民群眾需要。因此，如何推進數字化能力建設就成為了金融機構的迫切需要。事實上，

業(yè)界也一直在進行不懈地

探索和研究，例如在

2020

年，微眾銀行就聯合KPMG

推出了面向未來銀行的能力評價模型：OPTICS，提出未來銀行應以數字化、智慧化和開放化為基本經營范式，從組織（Organization）、產品和服務（ProductandService）、技術（Technology）、信息（InformationandData）、人才

（Caliber）、創(chuàng)新投入（Spend）

六大能力維度建立了未來銀行能力評估體系。其中，組織能力是

驅動因素，人才、創(chuàng)新投入和技術能力是投入因素，塑造了產品與服務能力、信息數據能力，落實

到數字化、智能化、開放化，進而傳遞到最終財務績效。同時，“三化”的發(fā)展和最終財務績效變

化也會反過來持續(xù)影響銀行對六大能力的投入。六項能力類似一面投向未來的透視鏡，銀行從業(yè)者能從中觀察銀行業(yè)創(chuàng)新發(fā)展的潛能，支撐未來銀行的實現。具體在數字化方面，

OPTICS

建議銀行從多個渠道和過程節(jié)點產生和獲取數據，建設數據驅動產品

設計、風險控制、客戶關系管理、設備運維等方面的能力，形成“數據勝于經驗”（data

speakslouder

than

experience）的經營范式。近幾年來，我們也可喜地看到，各大銀行機構積極招攬培育數字化人才，推行數字化改造，擁抱數

字化業(yè)務，數字化戰(zhàn)略已經逐漸明晰，數字化的能力建設也不斷強化。那么展望下一步，

業(yè)界的關

注焦點或需從能力建設轉向成效評估，例如：數字化在多大程度上賦能了業(yè)務的發(fā)展？其成效和價值能否具象且可量化？行業(yè)的標桿應如何尋找？如何發(fā)揮標桿企業(yè)的示范效應？為了回答這些問題，金融科技

·微洞察聯合金鏈盟，推出銀行數字化效能評價矩陣（DigitalizationUtility

Evaluation

Matrix，簡稱DUE

Matrix），該矩陣側重于定量分析，從而與此前偏定性分析的OPTICS體系實現優(yōu)勢互補，

一同成為銀行業(yè)界建設數字化、評估數字化的研究和管理參考。我們也可以從監(jiān)管機構對銀行數字化的發(fā)展指引中，找到以上觀點的印證：例如，《金融科

技（FinTech）發(fā)展規(guī)劃2022~2025》提出要“發(fā)

揮市場配置資源的決定性作用，推動技術、數

據、勞動力等金融科技要素暢通流動，提高要

素質量和資源配置效率，全面激活數字化轉型

發(fā)展的內生動力”；《銀行業(yè)保險業(yè)數字化轉型

指導意見》也指出，

要“提高數據加總能力，

激活數據要素潛能。加強數據可視化、數據服

務能力建設，

降低數據應用門檻。挖掘業(yè)務

場景，

通過數據驅動催生新

產品、新業(yè)務、

新模式”。銀行業(yè)數字化的本質是銀行在生產要

素層面的創(chuàng)新從數字化的概念涵義來看，通?？烧J為數字化

是指企業(yè)以數據和技術為主要生產要素，通過

對這些數據的實時分析、計算、應用來指導企

業(yè)生產、運營等各項業(yè)務。在這個過程中，數

據和技術不僅本身是一種生產要素，還可以對

其它生產要素產生“倍增效應”，優(yōu)化資源配

置效率。由于數字化改變了生產要素的組織方

式，它的本質是一種生產要素層面的創(chuàng)新。當前，數字化轉型和數字經濟的浪潮已然開啟，新冠肺炎疫情也進一步催生了“非接觸式服務”的需求，在此背景下，各類商業(yè)銀行通過在內部搭建專門團隊、成立金融科技子公司、或是與科技公司或其

他商業(yè)銀行開展合作等方式，紛紛加入了數字化轉型的行列。評價依據：數字化的本質是生產要素創(chuàng)新01既然是一種生產要素層面的創(chuàng)新，那么我們可以逐本溯源地借鑒面向創(chuàng)新的評價體系，和參

考一些較為成熟、經歷史驗證過的評價指標。

值得補充和厘清的是，盡管“創(chuàng)新”一詞在目

前通常會被混淆使用，但其核心內涵已有著上

百年的共識。譬如，創(chuàng)新理論之父熊彼特（Schumpeter）在1912年就提出，創(chuàng)新是指

將生產要素和生產條件以新的方式進行組

合，創(chuàng)造出新價值的行為，

它有五種表現形式：開發(fā)新產品、引進新技術、開辟新市場、發(fā)

掘新的原材料來源、實現新的組織形式和管

理模式。銀行業(yè)數字化轉型成效評價的挑戰(zhàn)對于銀行數字化轉型成效和成果的量化評估，

現階段仍存在較多困難之處。首先，數字經濟

相關的要素投入往往缺乏明確的價值度量體

系，難以與其他要素投入進行橫向對比；其次，

數字化帶來的降本增效已全面滲透體現在生產

過程和產品中，

且已發(fā)揮出協(xié)同效應，很難將

其貢獻完全剝離評估；最后，在數字化轉型背

景下利益相關方的競爭關系逐漸由傳統(tǒng)的排他

性關系轉變?yōu)楣糙A共生關系，數字生態(tài)的可持

續(xù)發(fā)展性亦較難量化評估。因此，本報告將對全球主流的創(chuàng)新評價體系進行審視，結合我們自身在行業(yè)中進行數字化創(chuàng)

新和金融科技創(chuàng)新的實踐經驗，慎重挑選出能

反映銀行數字化創(chuàng)新能力的量化指標，構建數

字化效能評價矩陣

DUEMatrix。021986年科技競爭力洛桑國際管理開

發(fā)研究院國家創(chuàng)新競爭力研發(fā)強度、科學教育等21項指標2001年歐洲創(chuàng)新記分牌EIS歐盟創(chuàng)新政策研

究中心企業(yè)、

行業(yè)、

國家的

創(chuàng)新績效評分環(huán)境、

金融、

投資、

創(chuàng)新者等維度的27

個指標2006年創(chuàng)新型國家評價

指標體系科技部40個國家創(chuàng)新能力創(chuàng)新資源、

知識創(chuàng)造、

企業(yè)創(chuàng)新、

創(chuàng)新績效和創(chuàng)新環(huán)境等

5個一級指標和33個二級指標2007年全球創(chuàng)新指數GII世界知識產權組織WIPO宏觀創(chuàng)新環(huán)境政治環(huán)境、教育、

基礎設施、

商業(yè)成熟

度等80項指標2017年中國創(chuàng)新指數國家統(tǒng)計局全國及各地區(qū)宏觀創(chuàng)

新環(huán)境研發(fā)經費投入、百家企業(yè)商標擁有量、萬名科技活動人員技術市場成交額等21

個指標目前全球關于創(chuàng)新的主要評價標準有：

世界知識產權組織全球創(chuàng)新指數GII、歐盟委員會歐盟創(chuàng)新指數EIS、瑞士洛桑報告，而國內主要采用國家統(tǒng)計局中國創(chuàng)新指數、科技部創(chuàng)新型國家評價指標、杭州創(chuàng)新指數等等。表1主要創(chuàng)新評價標準評價體系：銀行數字化效能評價矩陣

（DUE

Matrix）全球主要的創(chuàng)新評價體系概覽03這些評價標準中，最能反映中國國情的是由國家統(tǒng)計局發(fā)布的中國創(chuàng)新指數評價體系，其充分考慮了指標代表性和數據可得性。該體系將創(chuàng)新評價指標分為四個維度：創(chuàng)新環(huán)境、創(chuàng)新投入、創(chuàng)新產出和創(chuàng)新成效。其中，創(chuàng)新環(huán)境指國家政策法規(guī)及宏觀經濟等方面的情況；創(chuàng)新投入有多個衡量指標，

主要使用研

發(fā)投入、研發(fā)投入強度、研發(fā)人員占比、人均研發(fā)投入等；創(chuàng)新產出主要使用論文、商標、發(fā)明專

利的總數或人均數來評價；創(chuàng)新成效則通常用人均研發(fā)產出、人均產出、新產品營收占比、單位產

出能源消耗、科技進步貢獻率等來表示。表2中國創(chuàng)新指數具體指標創(chuàng)新環(huán)境勞動力中大專及以上學歷人數、人均

GDP、

理工科畢業(yè)生占適齡人口比重、科技撥款占財政撥款的比重、享受加計扣除減免稅企業(yè)所占比重創(chuàng)新投入每萬人研發(fā)人員全時當量、研發(fā)投入強度研發(fā)人員人均經費、研發(fā)經費占主營業(yè)務收入比重、有研發(fā)機構的企業(yè)所占比重、開展產學研合作的企業(yè)所占比重創(chuàng)新產出每萬人比重、

每百家企業(yè)商標擁有量、每萬名科技活動人員技術市場成交額創(chuàng)新成效新產品銷售收入、高新技術產品出口占貨物出口額的比重、單位GDP

能耗、

人均主

營業(yè)務收入、科技進步貢獻率不過，包括中國創(chuàng)新指數在內，

以上各類創(chuàng)新評價標準中多集中在宏觀經濟、行業(yè)和區(qū)域的維度，少有關于企業(yè)維度的創(chuàng)新能力的評價指標。此外，

以上各指標評價體系由于設立時間均較早，沒有

專門覆蓋金融業(yè)或數字化領域。04亦然；從創(chuàng)新成效上來看，銀行數字化的作用主要體

現在數據和技術要素對其它要素的倍增作用

上，數字化的成效可以通過對其它要素的單位

產出水平來評價。而對于環(huán)境和產出這兩個維度，

由于進行定量

描述的難度較大、標準難以統(tǒng)一，短期來看或

難以作為銀行數字化的定量評價指標：例如，

創(chuàng)新環(huán)境指標更側重于宏觀維度，

而銀

行數字化更多需要依靠銀行自主決策和驅動，

從企業(yè)維度進行評價更能反映問題，該指標較

難精準度量對銀行數字化的影響；創(chuàng)新產出層面來看，專利、論文等更側重質量，

較難進行數量方面的橫向定量對比。銀行數字化成效評價維度和指標的選擇因此，

當需要對銀行業(yè)的數字化成效進行評價

時，DUE

Matrix參照中國創(chuàng)新指數評價體系，

將創(chuàng)新評價體系引入銀行數字化領域，

并在此

基礎上通過選取合適維度的指標，描述刻畫不

同銀行的數字化成效和數字化戰(zhàn)略模式。通過分析，在環(huán)境、投入、產出、成效四個維

度當中，投入和成效兩類指標與數字化的相關

性較強：例如，從創(chuàng)新投入上來看，銀行數字化需要相

應的要素投入，數字化的過程必然伴隨著相關

投入的變化，特別地，對數據和技術新型要素

的投入最終需要研發(fā)人員來實現，更多的新型

要素使用就意味著更多的研發(fā)人員，反之創(chuàng)新投入(每萬人)研發(fā)人員全時當量、研發(fā)人員占比、研發(fā)投入強度研發(fā)人員人均經費、所占比重創(chuàng)新成效新產品銷售收入

(占主營業(yè)務收入的比重)、

高新技術產品出口

(占貨物出口額的比重)、

單位

GDP

能耗、

人均

(主營)

業(yè)務收入、科技進步貢獻率表3DUE

Matrix備選指標05綜上，銀行數字化成效評價應注重指標對所考察維度的代表性及對各銀行的普適性，

因此在

綜合考慮了指標代表性、指標普適性和數據可

得性后，結合

Solow

模型

1、Romer

2

模型等

經濟學理論模型，我們從四個維度常用的創(chuàng)新

指標中，選用各銀行“研發(fā)人員占比”和“人

均產出”兩個核心指標：研發(fā)人員占比

=

研發(fā)人員數量

/

員工總數。在

投入維度，

由于投入了數據、技術等新型要素

的數字化工作最終要由研發(fā)人員來執(zhí)行，

因此

研發(fā)人員占比越高，說明數字化建設的投入力

度越大，該銀行在業(yè)務中更多使用了新型要素；

反之，則說明銀行對新型要素的使用較少，

而

是更多地使用了傳統(tǒng)生產要素。人均產出

=

銀行當期營收

/

員工總數。在成效

維度，人均產出越高，說明單個員工勞動創(chuàng)造的價值越高，

員工提供的不僅僅是一種簡單勞動，還附加了高技術含量，銀行在業(yè)務中更多

地使用了人力資本要素，這也意味著數字化的

成效越明顯；

反之，則說明員工提供的是較為

同質的

簡單勞

動，銀行更多

地使用勞

動力要

素，數字化的成效尚未充分顯現。銀行數字化效能評價矩陣（DUEMatrix）由于研發(fā)人員占比和人均產出兩個指標的高或

低反映了不同銀行在數字化過程中的不同策

略，那么通過將它們進行組合，則構成了本報

告提出的銀行數字化效能評價矩陣

DUE

Matrix。此外，通過引入各銀行的數據，

可以

將其排布在DUE

Matrix矩陣中的不同位置，

進而一目了然地反映出這些銀行不同的數字化戰(zhàn)略模式。高多元化市場布局者數字化革新者低線下渠道深耕者數字化探索者1Solow模型認為創(chuàng)新帶來的技術進步是唯一能在長期提升人均產出的因素，更加關注創(chuàng)新成效2Romer模型提出，創(chuàng)新是經濟增長的源泉，同時創(chuàng)新取決于研發(fā)活動投入的研發(fā)人員數量，強調創(chuàng)新投入表4DUE

Matrix中不同的銀行數字化戰(zhàn)略06當研發(fā)人員占比和人均產出均較低時，

意味著該銀行對新型要素的投入較低，數字化的成效

也暫不顯著，該銀行或更專注于線下既有業(yè)務

和渠道，可稱其為線下渠道的深耕者。此外，各銀行在DUE

Matrix中的位置不是一

成不變的，按每年數據的變化會排列出新的位

置，這種動態(tài)變化體現了銀行數字化戰(zhàn)略模式的

變化，也能夠反映銀行數字化轉型的整體趨向。總體而言，DUE

Matrix從通用創(chuàng)新評價體系入

手，

為銀行提供了一種簡單易行的數字化成效

評價方法。這樣通過考察兩個維度四種模式的

組合，對銀行數字化的投入和成效進行評價，

既避免了現有銀行數字化評價方法中多維度、

復雜的指標核算，又體現了不同銀行數字化模

式的差異，

可以較好地反映當下銀行業(yè)數字化

戰(zhàn)略布局和銀行數字化轉型的趨勢特征。例如，

當某銀行的研發(fā)人員占比和人均產出均處于較高水平時，

意味著該銀行在數字化建設

方面進行了大量新型要素的投入，

并且也取得

了一定成效，

能夠在行業(yè)內引領行業(yè)數字化的

方向，或可稱其為是數字化的革新者。當研發(fā)人員占比較高而人均產出較低時，

意味

著該銀行已經投入了大量新型要素進行數字化

建設，但成效尚未充分顯現，

或可稱其為數字

化的探索者。當研發(fā)人員占比低而人均產出較高時，說明該

銀行雖然新型要素的投入相對較少，但充分發(fā)

揮了傳統(tǒng)要素的作用，

因而在某些領域擁有獨

特的優(yōu)勢，其戰(zhàn)略方向更加側重于進行優(yōu)勢業(yè)

務領域的多元化市場布局。

7各銀行的研發(fā)人員占比大多集中在

3%~5%

的區(qū)間范圍內，從業(yè)務需求的角度來看，這個比

例較低，僅能滿足基本的日常應用系統(tǒng)維護需

求，但很難開展較大規(guī)模的功能性開發(fā)及核心

技術創(chuàng)新工作

4。在

2020

年和

2021

年，中國主要銀行的研發(fā)

人員占比均值為

7.70%

和

8.22%，我們在數

字化投入的考察中，將其作為當年對新型要素為了更加具象化，我們將國內部分銀行機構的相關數據，導入到DUEMatrix矩陣進行評價，結果顯示，

幾乎所有銀行的數字化投入程度都有所增加，但與此同時，大型銀行和中小型銀行的數字化轉型成

效差異顯著。創(chuàng)新投入維度：銀行數字化投入不斷

加大在數字化投入方面，總體來看，2020

年，研

發(fā)人員占比最高的銀行達到了

56%，研發(fā)人員

占比最低的為

1.76%3

；而在

2021

年，研發(fā)人

員占比最高的銀行為

52%，研發(fā)人員占比最低

的為1.99%，不同銀行間的差別明顯。3

按照各銀行年報披露口徑，研發(fā)人員占比數據已經包含了控股科技子公司的研發(fā)人員4

與國際同業(yè)對比來看，中國銀行研發(fā)人員比例偏低的情況更加明顯。例如，近年來高盛、摩根大通的研發(fā)人員占比大約在

15%~20%之間，仍無法完全滿足數字化的需求評價結論：

銀行數字化轉型成效差異顯著09和傳統(tǒng)要素偏好的分界線

5。以這個標準來看，依賴新型要素開展業(yè)務的銀行比例較少，大部

分銀行更加偏好使用傳統(tǒng)要素。從時間趨勢上來看，近幾年來，幾乎所有銀行

的研發(fā)人員占比都在不斷增長，這說明整個銀

行業(yè)都在不斷加大數據、技術等新型要素的投

入，數字化正在成為一項基礎能力。創(chuàng)新成效維度：銀行數字化促進了財務指標的優(yōu)化在數字化成效方面，2020

年，人均產出最高的銀行達到了

6.63

百萬元

/

人，人均產出最低的

為

0.96

百萬元/

人；2021

年，人均產出最高的

銀行為

7.66

百萬元

/

人，人均產出最低的為

1.12

百萬元

/

人，不同銀行間的差距也十分明顯。從時間趨勢上來看，大部分銀行的人均產出均有不同程度提高，銀行數字化的總體成效較為

明顯。在

2020

年和

2021

年，中國主要銀行的人均

產出均值為

2.53

百萬元

/

人和

3.03

百萬元

/

人，我們將

其作

為當年數字

化成效

考察維度

中，銀行利用人力資本要素和勞動力要素的分

界線

6。按此劃分，人均產出更高的銀行更加

偏好使用人力資本要素，

而人均產出更低的銀

行更加依賴勞動力要素。靜

態(tài)

視

角

下

的DUEMatrix綜

合

評價：銀行數字化發(fā)展水平差異較大我們使用

DUEMatrix

對各銀行在數字化投入和數字化成效兩個維度的表現進行了橫向比較。多元化市場布局者銀行F

——數字化革新者銀行N銀行M銀行E線下渠道深耕者銀行C

銀行D銀行B數字化探索者5

對數據和技術新型要素最終需要研發(fā)人員來實現，研發(fā)人員數量超過平均值意味著銀行更加偏好新型要素，反之則更加偏好傳統(tǒng)要素6

人均產出高于行業(yè)平均值的銀行，更可能為員工提供高于行業(yè)平均的工資收入，從而吸引高技能員工，進而實現對更多人力資本要素

的利用；而人均產出低于行業(yè)平均值的銀行則正好相反7

本圖坐標軸是以

25家銀行的數據作為基礎計算得出，受制于篇幅，圖中僅展示

8家銀行，下同使用勞動力要素圖1

DUEmatrix對各銀行的評價結果（2020年）7氣泡大?。?020年度營收

使用人力資本要素橫坐標：研發(fā)人員占比縱坐標：人均產出使用新型要素

銀行A使用傳統(tǒng)要素A1

線下渠道深耕者有

8

家，這類銀行通過深耕線下渠道，

主要使用傳統(tǒng)要素開展業(yè)務，數字化

程度也相對較低。從行業(yè)層面來看，數字化革新者和數字化探索

者的數量占比較低（24%），

由于矩陣的中心

代表了均值水平，說明不同商業(yè)銀行的數字化

建設水平差異較大，整體仍處于發(fā)展的初級階

段，數字化轉型工作任重而道遠。在2021年，在考察的20家銀行中，數字化革

新者、數字化探索者、多元化市場布局者和線

下渠道深耕者的數量分別是

2

家、2

家、6

家

和10家。與2020年不同的是，由于各銀行都

在加大數字化投入，也都取得了一定成效。因

此反映不同數字化模式的分界線比

2020

年有

了一定幅度的上移和右移，少量銀行所處的位

置也有所變化。2020

年，在考察的全部

25

家銀行中，數字化革新者有

5

家，數字化革新者業(yè)務模式更加依

賴高技術員工，也通過新型要素的使用來實現

營收增長；數字化探索者只有

1

家，該銀行正在進行大規(guī)

模的數字化基礎設施建設，加大新型要素的投

入，不過其主要營收依然依賴勞動力要素，該

銀行數字化的成效尚未充分顯現；多元化市場布局者數量最多，共有11

家，這

些銀行

通常在

某個或某

幾個業(yè)

務領域（或區(qū)

域）中具有優(yōu)勢，能充分利用現有的傳統(tǒng)要素，

但同時新型要素的投入相對較低，

業(yè)務增長主

要來自于現有細分領域的增長，從而形成多元

化的市場布局；使用勞動力要素圖2

DUEmatrix對各銀行的評價結果（2021年）縱坐標：人均產出氣泡大小：2021年度營收

使用人力資本要素多元化市場布局者線下渠道深耕者銀行F

銀行N數字化革新者數字化探索者橫坐標：研發(fā)人員占比使用新型要素銀行D

使用傳統(tǒng)要素A11銀行M銀行B銀行C銀行A銀行E銀行A銀行F銀行N銀行M銀行E銀行B銀行C2019年2020年銀行D2021年者的行列。為此，我們繼續(xù)考察各銀行在DUE

Matrix

中

不同年份的變化趨勢。在

2019

年

~2021

年期

間，

除個別銀行外，大部分銀行的數字化戰(zhàn)略

模式沒有發(fā)生變化。行業(yè)整體趨勢向著

DUE

Matrix

右上方移動，

即加大數字化研發(fā)投入、

提升人均產出水平。動態(tài)視角下的DUEMatrix綜合評價：

銀行數字化轉型成效呈現改善趨勢通過對

2020

年和

2021

年的

DUEMatrix

比較

可以發(fā)現，各銀行的數字化模式不是一成不變

的，例如，數字化探索者如能在現有基礎上，

充分發(fā)揮新型要素對人力資本要素的倍增作

用，提升人均產出水平，則會進入數字化革新事實上，不論銀行的數字化戰(zhàn)略模式如何，銀行積累的業(yè)務總量和存儲的數據越來越多，銀

行業(yè)務系統(tǒng)的開發(fā)和維護也需要越來越多的數

字化研發(fā)人員。另一方面，數字化帶來的效率

提升使得銀行需要更少但技能水平更高的員

工，從而提升了人均產出。與此同時，我們也注意到有少量銀行，投入了大量研發(fā)人員進行數字化建設的同時，人均產

出并沒有同步顯著提升，數字化轉型成效尚未

充分顯現。使用勞動力要素圖3

各銀行DUEMatrix評價結果變化（2019年~2021年）線下渠道深耕者AAA多元化市場布局者數字化革新者數字化探索者橫坐標：研發(fā)人員占比縱坐標：人均產出使用新型要素氣泡大?。?/p>

年度營收使用人力資本要素使用傳統(tǒng)要素12A

AADUE

Matrix構建了一個基于創(chuàng)新框架的針對銀行數字化成效的簡化評價模型，通過對各商業(yè)

銀行的數字化投入和數字化成效進行考察，評

價其數字化戰(zhàn)略模式及變化趨勢。DUE

Matrix

對中國商業(yè)銀行的評價結果顯示，

銀行數字化整體發(fā)展水平差異較大，不過幾乎

所有的銀行都已在加大研發(fā)投入，

開展數字化

轉型。從行業(yè)整體層面來看，提升數字化投入

帶來了更高的數字化成效，但對于單個銀行來

說，

由于業(yè)務定位和發(fā)展戰(zhàn)略不同，短期內的數字化成效可能不盡相同。展望未來，數字化仍然是較長時期內行業(yè)發(fā)展

的主要趨勢。特別是對于數字化革新者來說，

預計未來仍將繼續(xù)加大數字化投入；對于大部

分線下渠道深耕者，滿足現有業(yè)務需求的數字

化戰(zhàn)略也已經基本確立，預計將穩(wěn)定維持現有

趨勢；

而多元化市場布局者和數字化探索者為

了維持現有競爭優(yōu)勢，則需要更加積極地擁抱

數字化，向數字化革新者持續(xù)轉型。未來展望：數字化仍然是較長時期內行業(yè)發(fā)展的主要趨勢13附錄中國主要銀行數字化投入和成效指標14參考資料[1]（美）熊彼特

.

《熊彼特：經濟發(fā)展理論》,鄒建平譯.北京:中國畫報出版社,2012[2]銀行業(yè)協(xié)會,《銀行業(yè)數字化轉型投入有效性評價研究報告》,2021,http://life.-

jrj.com.cn/2021/10/15181533699525.shtml[3]“IDC：數字化轉型進入深水區(qū)，企業(yè)面臨挑戰(zhàn)前所未有”,2021,https://view.in-/a/20211016A09XVE00[4]國家統(tǒng)計局,《中國創(chuàng)新指數研究》,2021,/tjsj/zxfb/202110/t20211029__1823940.html[5]Solow

R.M.,

A

Contribution

to

the

Theory

of

Economic

Growth,TheQuarterlyJournalofEconomics,

Vol.70,No.1.(Feb.,1956),

pp.65-94.[6]Romer

P.M.,Increasing

Returns

and

Long-RunGrowth,TheJournalofPoliticalEconomy,Vol.94,No.5.(Oct.,1986),pp.

1002-1037.15“金融科技·微洞察”是微眾銀行運營的金融科技研究品牌，聚焦國內外金融科技領域的技術發(fā)展、標準制定及產業(yè)應用，把握當下金融科技熱點話題與政策動向，洞察未來領先的金融形態(tài)和商業(yè)模式。微眾銀行是國內首家互聯網銀行，自成立以來就秉持“科技、普惠、連接”的愿景，踐行“讓金融普惠大眾”

的使命，2021年末，累計服務個人有效客戶數已近3.21億，管理資產規(guī)模首次突破萬億。同時，作為國內首家獲得國家高新技術企業(yè)認證的商業(yè)銀行，微眾銀行的科技人員占比始終保持在

50%

以上，歷年科技研發(fā)費用占營業(yè)收入比重超10%，累計申請發(fā)明專利超3000項，累計被授權專利274件，其中2019年公開的發(fā)明專利申請量居全球銀行業(yè)