1375

三浪叠加:商业银行网点布局规划的进行时与将来时

2020/8/31


  商业银行网点布局规划包含哪些层次,布局规划的技术方法经历了怎样的变化过程,布局规划最新的前沿趋势是什么?结合大型商业银行多年开展网点布局规划的实践经验和亲身感受,我们可以探索从演进的视角来反思、回答这些问题,并提出展望建议。

引言

  智能时代,商业银行线下实体网点仍然存在并发挥着重要的作用。作为与城市发展紧密关联的一种线下渠道载体,只要城市持续在演化发展,网点布局规划就始终是一个重要的课题。近年来,随着外部可获得数据的类型日益丰富、精度日益提高,各种大数据技术手段日益完善,商业银行已不再满足于传统的网点布局规划方法,开始了新的探索尝试。

从传统范式到网格范式,再到新城市范式的演进,这背后其实是一个“三浪叠加”的过程,每一种范式都代表着一种技术浪潮。时至今日,传统范式的基本框架依然适用有效,网格范式正在全方位的拓展应用中,而新城市范式则有待进一步丰富完善。范式间的有机衔接和过渡,使得各种理念、方法和技术得以融合深化,进而形成持续的迭代创新动能。

建立根基:确立传统范式

  商业银行网点布局规划包括宏观、中观、微观三个层次,宏观布局主要指以城市、省份乃至银行整体为单元的网点总量、业态结构和功能分布,中观布局指以城市内部不同经济功能板块为单元的网点总量、业态结构和功能分布,微观布局指具体到特定板块或地段内网点的选址及配置相应的业态和功能。

我们可以将大数据技术全面推广应用之前,商业银行普遍采用的分析框架、思路和方法统称为传统范式。传统范式具有强烈的问题导向,注重解决实际问题,讲究实地勘察、经验传承和工匠精神。

  宏观层面,传统范式坚持的基本假设是网点总量与所在区域的金融资源禀赋成正比。由此假设出发,传统范式通过收集多个城市(或地区)国民生产总值、常住人口总数、社会消费品零售总额、居民储蓄存款总额和银行同业网点数量等相关外部指标数据,用回归分析的方法来预测特定城市(或地区)的网点数量。同时,回归分析中还会加入一些反映客户渠道偏好的解释变量或调节变量,以测算线上渠道对网点渠道的替代效应。当然,现实情境中网点总量的增减变化受银行整体战略意图、低效网点分布和同业竞争动态等多方面因素影响,回归分析给出的量化预测结果更多地是发挥辅助参考作用。

  中观层面,传统范式关注的是银行网点在城市不同经济功能板块“进不进、何时进、如何进”的问题。在分析路径上,一是通过深入研究城市各类细项规划和分区规划,掌握人口、产业、项目等资源要素流动重组的新趋势、新动能,确定网点资源迁移的重心,识别筛选出战略性重点进驻板块。二是详细研究产业布局、人口、楼盘数量、楼盘均价、配套设施及资源、同业分布等方面,对拟重点进驻板块进行综合评估。三是根据进驻板块的金融资源和客群构成情况,确定拟投放的网点资源,包括数量、业态、面积、人员、购置或租赁费用等。

  微观层面,传统范式聚焦网点选址制度和模型的构建应用,其中发展最成熟、应用最广泛的主要是各类网点选址评价模型。可以说,每家银行都有一套自成体系的网点选址评价模型。这些模型主要从网点周边资源吸纳聚集情况、人口流动情况、门面自身情况、门面便利性等维度对存量网点或拟选目标物业的选址合理性、科学性进行评价,有时还会考虑地缘和建筑的格局因素影响。例如,某银行就构建了由强制性准入(Mandatory Access)、资源富集度(Abundance of Resources)、同业竞争(Peer Competition)、门面品质(ShopfrontQuality)四项核心要素组成的网点选址综合评价模型MAPS。在实践中,无论选址模型多么精致、准确,能够在同业竞争中抢得到“评价好”的优质物业才是最关键的,而这往往考验银行的决断力和市场响应速度。

大数据赋能:构建网络范式

  近年来,商业银行已不再满足于传统的网点布局规划方法。通过与电信运营商、互联网企业、新零售企业以及专业从事城市规划、地理信息应用及软件开发、大数据分析处理、地产评估咨询的第三方机构开展全方位合作,商业银行正在构建一个开源性共享平台,并依托平台多尺度、立体式、跨时空采集经济金融资源、人口分布、交通路网、同业竞争等反映城市运行、客户分布和渠道偏好的数据。

  例如,运用夜间灯光遥感数据,可以按时间序列对不同区域灯光均值的变化进行追踪和对比分析,判断城市经济金融重心迁移和人口流动情况,进而为在新兴功能板块布设网点提供更直观的参考。再如,利用约车软件平台提供的出行轨迹大数据,则可以更细致地洞察城市人口职住空间分离规律,为精确匹配渠道供给与客户特定时空的需求提供建议。

  鉴于目前应用频次最高、颗粒度最细的大数据(例如电信运营商提供的人口数据)主要是以网格形式组织呈现的,因此以网格为分析管理单元的范式得以确立,我们将其称之为网格范式,它具有三个互相关联、内在统一的功能:

  首先,可视化。在将商业银行内外部数据提取、加工、注入系统平台后,网格范式可以按照城市全局、中观板块、单一网点等不同层次,清晰、直观地展示城市金融资源分布、客户发展潜力和网点布局情况。与图表等传统的相对静态地展现网点布局规划决策所需数据不同,网格范式的可视化展现是动态的、多维图层叠加的,可有效协助决策者进行交叉对比分析,提高决策效率。

  其次,算法化。网格范式依托机器学习的平台引擎来建模,进而对网点经营发展情况进行解释预测。具体来说,以客户资源、客户结构和品质、竞争强度等结构化外部数据指标作为解释变量,以网点自身的业绩表现(例如储蓄存款等)作为被解释变量进行建模,通过算法迭代筛选,确定最显著、最有解释效果的模型。算法化最重要的意义不仅在于融合了内外部视角,揭示了网点间业绩表现差异的根源,分辨出差异在何种程度上是由网点周边资源禀赋造成的,何种程度上是网点后续自身经营的问题,而且还在于通过给定若干备选物业位置,可以测算其未来潜在可吸纳储蓄存款,从而为选址决策提供更科学的依据。

  当然,模型算法的有效性和稳健性受样本范围、数据质量、拟选变量、应用场景等多方面因素的影响。鉴于网点业绩表现背后的原因和作用机理相对复杂,即使我们可以发现拟合度很高的模型算法,但对最终预测结果的应用还应保持足够的审慎态度。算法化将大数据转化为活数据,赋予了数据更清晰的指向和预测功能,使数据从基础原料转化为商业银行可持续挖掘使用的无形资产,推动网点布局规划向智能化迈出了坚实的一步。

  最后,系统化。网格范式依托GIS(地理信息系统),将内外部数据和相关模型算法加载到系统平台上,实现浏览、检索、定位、分析和决策等功能,从而推动网点布局规划由传统的“纸上作业”向“线上作业”跃升转变。例如,针对某一板块的若干拟选目标物业,可以自动计算汇总物业周边客户资源情况和未来发展潜力,并输出物业微观的相关指标情况及得分,供决策者参考。同时,通过与商业银行网点建设管理系统、固定资产管理系统的关联、对接,又可以实现从事前到事中、再到事后的全流程闭环管控,及时配置用好财务资源,强化风险管理。

  总括来看,网格范式为商业银行各级机构开展网点布局规划提供了统一、规范的基准,使各方的联动、协作有了共同的对话语言,减少了单边的主观性和双边的信息不对称,切实提升了决策质量。当然,网格范式也存在一定的问题。一是网格本身没有考虑高速路或主干道路等隔断因素,导致一些网点无法有效辐射覆盖到的板块被纳入到网格分析中。二是同一网格内不同功能、定位和性质的板块可能杂糅在一起,影响了分析决策的有效性和模型算法的可靠性。

深度融合:开启新城市范式

  为解决网格范式存在的问题,近期部分商业银行借鉴城市规划、地理大数据分析等领域的最新研究成果,开始探索构建以不规则板块为分析管理单元的新范式。由于这种新范式从分析起点就充分考虑了城市演化的底层逻辑和基因,因此我们将其称之为新城市范式。相比于网格范式,新城市范式具有三个突出特点

  分析管理单元更契合城市的空间结构特征。首先,新城市范式从交通路网的密度、便捷度、通达度、连接度和隔断性等维度出发,将城市按照道路边界切割划分成若干细小、形状不规则的微观板块。紧接着,从城市功能定位、资源富集度、客户吸附力、板块承载力、市场饱和度等维度定量刻画这些微观板块,并将银行网点的地理分布信息和相关外部数据投射还原到这些微观板块中。最后,依托空间聚类分析、空间尺度测量等前沿技术方法,将城市功能定位高度相似且在空间上彼此连接的微观板块进行聚集、拼合,形成地域面积较大、具有一定经营管理意义的中观板块。再以中观板块为基准,设立分类标签,建立板块分级评价体系和准入退出指引,对板块内的网点制定优化调整措施。

  渗透辐射区域更贴近客户真实的金融消费行为。网格范式以网点为中心,假设特定距离直线半径内的区域都是网点的渗透辐射区域。正如前面已经分析的,这种方法由于没有考虑到隔断和功能板块差异性,有时会错估网点辐射的客户资源。与其相比,新城市范式基于最新的交通出行算法,结合网点周边微观不规则板块的功能定位,可以根据客户到达网点的交通方式(步行、骑行或驾车)和时长勾画网点辐射区域。同时,与网格范式只能借助辐射半径的伸缩来调整辐射区域不同,新城市范式可以根据网点经营业态、体量规模、生命周期的特点以及经验判断,为每家网点定制化设置辐射区域,从而形成“千店千圈”的格局。

  场景应用更有利于规划与经营的贯通。一方面,新城市范式在识别重点进驻区域、划分网点管理群落、筛选优化目标网点、评价拟选目标物业等“前端”规划领域的场景上拥有广阔的深耕空间;另一方面,随着大数据技术对各类客群进行精准、多维刻画的能力越来越强,新城市范式还可以在开展网格化营销、制定客群拓展策略、优化产品配置组合等“后端”经营领域的场景上持续创造价值。

  无论是网格范式还是新城市范式,虽然其背后驱动的大数据技术为理解和开展网点布局规划提供了全新的视角,但需要注意,目前大数据技术更适用于相对成熟、稳定的决策情境中。而对于不确定性强、动态模糊的决策情境(例如在一个虽然发展前景看好但目前仍处于前期开发阶段的城市新兴板块布设网点),遵从简单的决策规则(simple rules)并给予一定的容错试验空间可能更为有效。

  今天,金融科技正在深刻改变着商业银行的支付结算、信贷管理、风险管理、客户服务等领域。与之相比,网点布局规划领域的技术革新浪潮还在蕴蓄,尚处爆发的前夜。对商业银行而言,只有保持开放心态,不断进取、锐意创新,才能立于浪潮前端,创造代际优势。