疫情冲击余波未了，银行业应该关注些什么？

郭思岐

2020年，一场席卷全国的疫情打乱了所有人的阵脚，1 月 23 日武汉封城后，中国经济运行正式进入疫情期，整个市场上各个环节的从业者都在这场疫情中受到不同程度的波及。2月1日，人民银行、财政部、银保监会、证监会、外汇局联合出台了《关于进一步强化金融支持防控新型冠状病毒感染肺炎疫情的通知》，旨在更好发挥金融对疫情防控工作和实体经济的支持作用。

银行业作为金融行业的重要组成部分，勇于担当社会责任，在本次疫情中进行了大量捐助和多项优惠措施。但在进行援助的同时，银行业也要及时考虑自身受到的疫情影响，做好应对的准备。

提供主动救援后 及时消化相关压力

在疫情當前，各家商业银行积极捐助物资。银行业协会网站的数据显示，截至2月23日中午12点，根据整理协会专栏和相关慈善机构对外公布以及会员单位报送的信息，银行业金融机构捐款达到21.8374亿元。

资金援助之外，银行业在金融支持方面还有巨大贡献，包括对受疫情影响客户提供优惠信贷支持和减免业务收费、开通抗击疫情业务绿色通道、加强线上金融服务力度等。国家开发银行向武汉市发放应急贷款20亿元，用于支持武汉市做好新型冠状病毒感染肺炎的防控工作。农业银行、中信银行向火神山医院发放贷款；建设银行将小微企业贷款经营性贷款利率下调0.5个百分点；民生银行、建设银行、光大集团减免转账手续费；武汉当地汉口银行、武汉农商行积极调配相关资金……这些优惠措施，虽然对于缓解疫情起到了很好的作用，但是不少优惠的项目原本是银行的营收点，也因此给银行自身的运营带来很大压力。

在接下来的时期，银行应该根据救援情况积极提供对策，创新业务模式，以便在提供支援的基础上及时消化相关压力。

疫情冲击带来需求下降 发力线上业务弥补

在疫情期内，市场上大多数需求都受到了不同程度的抑制，即使很多银行线下网点依旧在继续营业，但是疫情期间客户数量骤减，银行信贷等业务的需求也随之下降，不管是业务收入还是手续费收入都出现了显著下降。同时，疫情导致的经济承压和利率下降，也让银行息差的收入进一步降低。

近年来，传统金融机构零售业务线上化转型趋势明显。在整体业务下滑，线下业务受到显著影响的期间，银行应该进一步发挥线上作用，加快线上化进程。利用大数据、人工智能、云计算等技术，加快网络金融业务创新和平台场景融合，促进线上业务发展，积极观察疫情期间客户的需求特点，对原有线上化产品和流程优化提升，减缓运营压力。

以精准营销的场景为例，银行在线上化的进程中，已经将传统的各种客户数据进行了统一的标准化，并推出了各个环节自动化的数据集成、匹配、解析和判断，做到数据资源的智能化管理。数字资源的智能化管理，可以充分发挥银行自有数据资源的价值，借助线上化手段进行用户画像的描绘。有了客户的分析画像，就可以根据客户的投资偏好、风险承受能力，把合适的产品营销与客户进行一对一的精准配置，在提升获客率的同时，收获客户的满意。

另一方面，此次疫情居家隔离期，使得很多平时习惯前往网点的用户开始尝试银行的线上业务，尤其以老年人和特殊人群居多。银行需要抓住这一时机，为他们提供专属的个性化服务来进行帮助，从而吸收更多的线上用户。以光大银行为例，针对特殊人群的需求，光大银行配备了专业的手语视频客服为有需要的听障人士提供专属服务通道；推出了“简爱”版手机银行支持智能语音，放大字体，远程视频客服等精品服务，让老年人也能安心享受线上金融服务。

交通银行金融科技研究室副主任、资深研究员张哲宇日前接受媒体采访时曾表示：“短期内，疫情将对消费金融、小微企业信贷等业务造成负面影响，但对银行金融科技发展起到催化作用，推高银行金融科技需求，包括线上服务需求、综合金融服务需求、技术模块需求以及数字化转型需求等多方面提升。”

国家金融与发展实验室特聘研究员董希淼也表示，突发的疫情带来出行不便、居家隔离、延迟开工等影响，给倚重线下服务的金融行业造成一定冲击。但这样的冲击既加速了传统金融向数字化经营转型，提升商业银行非接触式的线上化价值，又为新型的科技应用到金融领域提供了前所未有的契机。

不难看出，疫情之后，线上金融服务的习惯会进一步普及，线上业务或将成为常态，而各家银行线上业务种类及服务水平也将成为重要的竞争点。

特殊时期风险上升 及时做好风控管理

疫情对于很多中小企业，特别是餐饮酒店、旅游等第三产业企业带来了剧烈冲击。部分企业在疫情期内业务需求下滑，工作开展困难，甚至停工停产导致收入锐减，但企业的房租人工等支出却始终存在。在此情形下，不少企业出现了资金吃紧甚至现金链断裂的情况，无力按期支付企业的银行贷款。

另一方面，很多企业的停工停产，使雇员的收入出现下降，很多个人在此期间出现难以如期偿还房贷和信用卡等个人信贷产品的情况。

由于无论是企业的信用风险还是个人的信用风险在此期间内都显著上升，银行业需要认真对未来经济形式进行预判，通过大数据、AI等技术汇总形成专属指标并创建预测模型，从而合理地对相关风险进行评定，针对变化及时制定相应策略，以便更好地进行风险防控。