Empowering banking customers' signature moments How financial institutions can support key life events In brief • There's a disconnect in banking – what customers want often differs from what their retail financial institutions provide. • Understanding the significance of life events and using this knowledge effectively opens a door to new opportunities. • In multiple ways, big and small, retail financial institutions can earn trust and loyalty. Retail financial institutions (FIs) today recognize the need f ...

报告行业投资评级 - 报告对行业的投资评级为积极 [1] 报告的核心观点 - 通用人工智能(Gen AI)正在快速渗透到组织结构中,正在从内部快速转变组织 [1] - Gen AI有潜力释放人类创造力,让员工专注于复杂的战略任务 [7][8] - Gen AI部署中,道德考量至关重要 [10][11] - 开源和小型语言模型的兴起 [13][20] - 成功部署Gen AI需要良好的技术策略和创新文化 [15][36][152] 目录分类总结 Gen AI对组织的影响 - Gen AI有望提高生产效率,但仍需人力参与 [7][8][32] - Gen AI有助于培养持续学习和适应性的文化 [8] - Gen AI对管理层和领导力产生重大影响 [9] Gen AI的道德和监管 - Gen AI的潜在滥用突出了组织维护强有力道德标准的需要 [10][11][12] - 政策制定者和组织的统一行动对确保Gen AI的负责任使用至关重要 [12] Gen AI的技术发展 - 开源和小型语言模型的兴起 [13][20] - 创新型初创公司正在推动Gen AI的下一代应用 [199][200][201][202][203][204][205][206][207][208] 组织成功部署Gen AI的关键 - 成功部署Gen AI需要良好的技术策略、高层支持和创新文化 [15][36][152] - 数据质量和治理是关键 [167][168][169][170][171]

报告行业投资评级 无相关内容。 报告的核心观点 1. 零售银行业务中,差异化和增长的关键在于利用数据驱动的洞见来建立长期客户关系,从交易性转向情感性 [4] 2. 71%的行业高管认为了解客户动机和偏好对增长很重要,但54%承认他们对客户了解不足,无法真正实现以客户为中心的策略 [11][12] 3. 客户希望诚实透明的信息,能够让他们做出明智的财务决策,但经常遇到隐藏费用、术语晦涩、不清楚的金融激励条件、账户变更沟通不畅以及跨渠道信息不一致的问题 [7] 4. 48%的客户报告过差劲的客户服务体验,难以及时获得有效解决方案 [8] 5. 44%的客户对金融机构的数字渠道不满意,体验不友好也缺乏个性化 [9] 6. 客户现在更关注品牌的价值观和社会责任,而不仅仅是价格和便利性 [10] 7. 51%的高管表示他们的目标与客户需求不一致,这是阻碍以客户为中心的最关键挑战 [19][20] 8. 60%的高管很少与前线员工和客户互动,了解客户需求 [21][22] 9. 78%的忠诚度计划未能针对每个客户的偏好提供个性化激励 [22] 10. 80%的金融机构过度依赖传统渠道,难以满足客户的数字化需求 [25][26] 11. 87%的金融机构缺乏统一的客户视图和智能决策能力 [27][28] 12. 85%的金融机构未使用高级行为定位和客户行为数据进行精准营销 [28] 13. 70%的高管表示需要提高数据驱动策略的有效性 [28] 根据目录分别进行总结 客户理解与期望 - 金融机构需要深入了解客户的生活阶段、态度和动机,以及他们面临的痛点,才能真正以客户为中心 [10][11][12] - 客户希望诚实透明的沟通,优质的客户服务,个性化和便捷的服务体验 [7][8][9] - 客户现在更关注品牌的价值观和社会责任 [10] 战略与执行的差距 - 51%的高管表示他们的目标与客户需求不一致,是阻碍以客户为中心的最关键挑战 [19][20] - 60%的高管很少与前线员工和客户互动,了解客户需求 [21][22] - 78%的忠诚度计划未能针对每个客户的偏好提供个性化激励 [22] - 80%的金融机构过度依赖传统渠道,难以满足客户的数字化需求 [25][26] - 87%的金融机构缺乏统一的客户视图和智能决策能力 [27][28] - 85%的金融机构未使用高级行为定位和客户行为数据进行精准营销 [28] - 70%的高管表示需要提高数据驱动策略的有效性 [28]

报告行业投资评级 无相关内容 报告的核心观点 1. 气候变化正在推动监管和新的价值创造机会。分析显示,金融服务行业存在一个有说服力的商业案例,67%的金融服务高管认为可持续发展的好处超过了成本 [5]。此外,64%的人认为可持续发展与数字化转型同等重要,突出了其战略意义。但是,在认识到可持续发展的商业案例和采取行动之间存在一个巨大的差距 [6]。 2. 金融机构正面临更加严格的可持续发展实践审查。监管压力正在通过新的框架如欧盟《企业可持续发展报告指令》(CSRD)和美国SEC的《气候相关披露》而不断增加,突显了全面ESG战略和有效报告机制的紧迫需求 [4] 3. 数据碎片化使得难以全面了解可持续发展工作。只有11%的跨行业组织投资了数据中枢或控制塔来获取ESG洞见,突出了这一领域的巨大改进空间 [9] 4. 缺乏透明度和可靠的ESG数据是一大挑战。58%的金融服务机构尚未自动化其排放数据收集过程 [8]。这些障碍限制了他们满足报告要求和推动有意义的可持续发展举措的能力 5. 非报告和漂绿问题令人担忧。只有53%的金融服务机构公开报告其社会可持续发展举措的成果,这种缺乏全面报告不仅掩盖了真实的可持续发展程度,也损害了利益相关方的信任 [12][13] 6. 金融机构需要采取战略方法来提高ESG数据的可靠性和透明度,以满足监管要求并创造价值。这包括建立ESG数据治理框架,整合新技术,利益相关方参与,以及简化数据收集 [14][15][16][17] 根据相关目录分别进行总结 可持续发展的商业案例 - 气候变化正在推动监管和新的价值创造机会,金融服务行业存在一个有说服力的商业案例 [5] - 64%的高管认为可持续发展与数字化转型同等重要,突出了其战略意义 [5] - 但在认识到可持续发展的商业案例和采取行动之间存在一个巨大的差距 [6] 报告和数据挑战 - 数据碎片化使得难以全面了解可持续发展工作,只有11%的组织投资了数据中枢 [9] - 缺乏透明度和可靠的ESG数据是一大挑战,58%的机构未自动化排放数据收集 [8] - 非报告和漂绿问题令人担忧,只有53%的机构公开报告社会可持续举措 [12][13] 整合ESG数据 - 金融机构需要采取战略方法来提高ESG数据的可靠性和透明度 [14][15][16][17] - 这包括建立ESG数据治理框架,整合新技术,利益相关方参与,以及简化数据收集 [14][15][16][17] - 以满足监管要求并创造价值 [14][15][16][17]

报告行业投资评级 无相关内容。 报告的核心观点 1. 全球业务服务(GBS)的概念仍然相关,但需要重新定义其叙述 [11][12] 2. 当前的GBS模式面临长期需求和供给方面的挑战 [16][17][18][19][20] 3. 吸引和保留顶尖人才是GBS面临的重大挑战 [21][22][23] 4. 拥抱人工智能(AI)是GBS不可或缺的一部分 [25][26][29][30] 根据相关目录分别进行总结 从孤岛到协同：范围定义的彻底转变 1. GBS服务的范围正从功能活动转向端到端流程和企业数据流 [32][33][34] 从KPI到KPO：重新定义GBS成功 1. GBS的关键绩效指标(KPI)正从成本和生产力转向客户满意度、收入增长和流程转型 [36][37][38] 从报告到收益：数据的作用 1. 数据在GBS中的作用正从报告转向驱动决策和创造价值 [42][43][44] 超越劳动力套利：技能 1. GBS必须超越劳动力套利,关注稀缺技能的获取 [45][46][47] 从供应商到先驱者：生态系统协调者的崛起 1. 第三方服务提供商将从交易供应商转变为生态系统协调者 [49][50][52][53][54][55]

报告行业投资评级 - 75%的受访高管认为,如果不使用气候技术,他们的组织将无法实现可持续发展目标 [35][36] - 平均而言,高管预计气候技术将有助于他们的组织实现37%的减碳或净零目标 [50][51][52] 报告的核心观点 1. 组织认为气候技术在应对气候和生态危机中发挥重要作用 - 75%的受访高管认为,如果不使用气候技术,他们的组织将无法实现可持续发展目标 [35][36] - 平均而言,高管预计气候技术将有助于他们的组织实现37%的减碳或净零目标 [50][51][52] - 提高对恶化气候危机的认识和更严格的法规是推动气候技术投资的两大主要驱动因素 [55][56][57][59] 2. 成本是气候技术采用的主要障碍 - 77%的高管认为,气候技术的采用将推高产品成本 [115][116][117] - 组织平均只愿意接受约9%的"绿色溢价"(即低碳产品相对于高排放替代品的成本差异) [123][124][125][126][128] - 企业在气候技术方面的投资增长缓慢,预计未来两年内仅增加7.7% [157][158][159][160] 3. 数字技术是加速气候技术采用和降低成本的关键 - 78%的高管认为,数据和数字技术在加速气候技术采用方面发挥重要作用 [165][166][167][168][170] - 77%的高管认为,人工智能是加速气候技术采用的最有前景的技术 [172][173][174][175][176] - 71%的组织已经从使用数字技术来扩大气候技术规模中获得了成本优势 [188][189][190][191] 4. 尽管存在挑战,但也有一些领域取得了快速进展 - 对于绿色溢价已大幅降低的技术,如太阳能光伏和电动汽车,预计采用将会加速 [193][194] - 即使绿色溢价仍然很高,如水泥碳捕集、钢铁低碳氢和航空可持续航空燃料,预计这些技术在各自行业也将在3年内实现主流采用 [194][195] - 政府支持、风险投资和金融机构的私人融资,以及诸如"首创者联盟"等企业举措,有助于更快地降低成本,推动采用 [206][207][208][209][210][211][212][213][214][215][216][217][218][219][220][221][222][223][224][225]

报告行业投资评级 无相关内容 报告的核心观点 1) 微软商业应用程序在金融服务行业的应用正在不断扩大,被企业视为数字化转型的基石 [15][16][17] 2) 金融服务企业选择微软商业应用程序的主要原因包括集成能力、定制灵活性、易于实施以及云端能力 [25][26][27][28][29][30][31][32] 3) 金融服务企业对微软商业应用程序的期望包括可扩展性、创新性、数据安全性和隐私性、业务流程优化以及盈利能力提升 [35][36][37][38][39] 4) 微软商业应用程序在金融服务行业的采用水平不断提高,其中大型企业更倾向于采用 [41][42][43][44] 5) 金融服务企业在实施微软商业应用程序时面临的主要挑战包括数据迁移复杂性、用户采纳问题和实施问题 [46][47][48][49][50][51] 6) 部分企业通过外包方式来提高微软商业应用程序的实施效果,但也有企业出于数据安全等考虑而选择内部实施 [53][54][55][56][57] 根据目录分别进行总结 微软商业应用程序在金融服务行业的应用 - 金融服务企业将微软商业应用程序视为数字化转型的基石,用于提高运营效率、提取统一数据视图的洞见,并改善客户参与度 [15] - 微软Dynamics 365和微软Power Platform因与Office 365和第三方应用程序的无缝集成而广受欢迎,并具有较低的总拥有成本和更快的上市时间 [16][17] 金融服务企业选择微软商业应用程序的主要原因 - 集成能力、定制灵活性、易于实施以及云端能力是金融服务企业选择微软商业应用程序的主要原因 [25][26][27][28][29][30][31][32] - 不同规模的企业有不同的选择偏好,大型企业更看重集成能力,中小企业更看重可负担性和可扩展性 [33] 金融服务企业对微软商业应用程序的期望 - 金融服务企业期望微软商业应用程序能提供可扩展性、创新性、数据安全性和隐私性、业务流程优化以及盈利能力提升 [35][36][37][38][39] - 大型企业更关注数据安全,小型企业更关注可扩展性 [40] 微软商业应用程序在金融服务行业的采用情况 - 微软商业应用程序在金融服务行业的采用水平不断提高,大型企业采用程度更高 [41][42][43][44] - 微软365 Copilot的采用也在快速增长,得益于其生成式AI能力和与云数据服务的集成 [45] 金融服务企业在实施微软商业应用程序时面临的挑战 - 主要挑战包括数据迁移复杂性、用户采纳问题和实施问题 [46][47][48][49][50][51] 金融服务企业的微软商业应用程序外包情况 - 部分企业通过外包方式来提高微软商业应用程序的实施效果,但也有企业出于数据安全等考虑而选择内部实施 [53][54][55][56][57]

报告行业投资评级 无相关内容 报告的核心观点 - 数据正在深刻地改变企业和公共管理部门,为公民带来经济和社会价值 [2][3] - 将数据转化为价值需要公共部门首席数据官(CDO)对战略、组织能力和能力、治理、技术架构和生态系统进行协调 [2][3] - 欧盟制定了数据经济加速增长与负责任使用数据和人工智能的愿景 [5] - 公共部门CDO在确保数据的智能、互操作、可信和负责任使用方面发挥关键作用 [9][10][11][14] - 公共部门CDO需要根据组织的目标和特点采取不同的角色定位和执行方式 [27][28] 分组1: 行业投资机会 无相关内容 分组2: 行业风险 无相关内容 分组3: 其他总结 - 欧盟制定了一系列政策法规,如数据治理法案、人工智能法案等,为实现数据和人工智能的加速和负责任使用创造法律框架 [9] - 公共部门CDO需要关注公众信任、与政策目标的一致性、与生态系统的协作等方面 [11][14][15][18] - 公共部门CDO的角色正在从技术专家向战略领导者转变,需要与其他高管协调数据平台路线图、数据安全合规等 [21][22][24] - 根据CDO的目标和执行方式,可以将其划分为传道者型、策略家型、炼金师型和技术专家型四种原型 [30][31][32][33][34][35] - 公共部门CDO需要在战略、治理、架构、组织、生态系统、资金等六个方面做出明智选择 [42] - 公共部门CDO面临人才短缺、缺乏战略规划、宏观环境波动、技术债务等挑战,需要制定应对计划 [48][51]

报告行业投资评级 无相关内容 报告的核心观点 1) Pega Infinity '24是一个强大的平台,融合了AI驱动的开发与直观的高级自动化 [15][16] 2) Pega Infinity '24采用模型驱动的架构,集成了先进的AI模型,可以从历史数据中学习,预测用户需求,提供洞见 [17][18] 3) Pega Infinity '24的核心功能包括:GenAI Blueprint、GenAI Autopilot、GenAI Coach、GenAI Analyze和GenAI Automate,以及对Constellation的增强 [21] 分组1: GenAI Blueprint - 使用NLP将业务战略与应用开发紧密对齐,确保每个开发阶段都能满足并超越利益相关方的战略目标 [22][23][24][25][26] - 通过集成贯穿整个生命周期的功能,确保应用程序随业务需求的变化而持续演进 [31][32][33][34][36] 分组2: GenAI Autopilot - 自动化处理重复性任务,如数据录入、工作流配置和代码审查,提高开发人员的生产力 [39][40][41][42][43][44][45] - 确保应用程序符合行业标准和性能要求,提供优化建议并检测异常 [39][40][43][44] 分组3: GenAI Coach - 提供基于最佳实践的编码标准、架构指导和设计建议,确保应用程序质量和可维护性 [46][47][48][49][50][54][55][56][57][58] - 通过分析团队的历史开发数据,提供个性化的学习建议,帮助开发人员提升技能 [54][55] 分组4: GenAI Analyze - 提供高级数据可视化和分析功能,帮助团队深入了解应用程序性能和用户行为 [60][61][62][63][64][67][68][69][70] - 将应用程序性能与关键业务指标相关联,支持数据驱动的决策 [67][68] 分组5: GenAI Automate - 利用AI分析现有工作流程,提供预构建的自动化解决方案,加快工作流自动化部署 [72][73][74][75][76][79][80][81][82][83][84][85] - 提供集中管理和优化RPA机器人的功能,确保自动化持续优化 [83][84][85] 分组6: Constellation增强 - 提供统一的设计系统,包括可重用模板、组件和样式,提高UI开发效率和一致性 [87][88][89][90] - 集成AI驱动的建议和智能代码片段,帮助开发人员更高效地工作 [92][93]