首先，跟BATJ重視產品模式的創新相比，新技術對商業銀行的影響主要集中在內部管理流程的再造之上，此類創新散布在傳統業務的各個層面，市場對其通常缺乏了解。

　　舉個例子，這家銀行目前在全國有大約八九千名理財經理的銷售隊伍，每年的崗位調整比例都將近一半，怎樣才能在這種情況下保證銷售隊伍的工作效率？傳統方式是依靠理財經理“苦行僧”式的自我進階：一方面更新專業能力，一方面挖掘客戶資源。

　　但通過數據庫的整合，以及大數據分析的運用，這家銀行極富創意地解決了這個問題。所有的學習內容生成和客戶數據分析都交由后臺集中處理，客戶經理每天只做兩件事：一是通過移動端平臺學習最新的業務內容；一是跟進數據庫推送的轄內最新業務機會。由于營銷有的放矢，效率大為提高。數據庫實時更新業績報表，每個人都能看到自己時點上的業績一覽。數據庫還會分析差距，并告訴你怎么解決問題。

　　借助大數據分析技術，這家銀行對客戶的跟蹤服務能力也演化到了極致。對公經理出門，可以在地圖上看到方圓幾公里內所有開戶客戶的坐標位置。大堂經理在給客戶刷卡取號之后，大堂經理、低柜和高柜崗位可以各自了解客戶的喜好與需求。簡而言之，技術的應用讓每一個銀行員工都能清晰地了解坐在自己對面的客戶，并讓每一次的服務和溝通都有針對性。

　　創新下沉到這么具體的層面有用嗎？當然有用。雖然利率市場化和經濟周期的波動在短短數年時間，將商業銀行的息差從巔峰時期的3%壓縮到了現在的2%左右，整體下降了30%之多，但這沒有改變金融服務仍然是特許經營領域的本質。商業銀行只要將管理成本用技術手段控制住，基本的生存還是不用擔憂的。

　　其次，與工程師占主導地位的互聯網和IT行業相比，銀行對技術的前沿性敏感系數稍低，但對技術的成熟度敏感系數極高。不過，成熟技術的排列組合也能為商業銀行客戶帶來極佳的用戶體驗。事實上，銀行技術部門對前沿技術的了解和跟蹤一點都不比互聯網公司慢，只是落實到應用層面時，快并不是首選的策略。

　　以支付模式創新為例。市場上最炫酷的模式當屬眼花繚亂的刷臉支付、聲紋支付、指紋支付等等，但在這家銀行的系統里，它追求的不是支付用什么模式最酷，而是怎樣精準識別客戶每一次支付行為的風險等級，以期在遇到可疑情況時能夠跳出強核身的最后一道關。它的系統能夠學習客戶的支付習慣，客戶在常用設備、高頻時段發生的合理額度支付申請，均能夠智能識別且速度體驗極佳。假如發生盜號行為，在非常用設備上發起支付申請，即便賬號密碼甚至指紋全對，系統也會實時跳出要求刷臉來核實支付行為。

　　最后，我們有可能低估了新技術與銀行結合可能迸發的潛力。事實上，一條鴻溝始終橫亙在銀行和互聯網行業之間，那就是二者所積累的數據是有本質不同的。商業銀行所積累的數據不僅是價值最高的損失數據，且在時間序列上也先行達到了相應的量級，一些數據質量好的銀行甚至可以回溯10年乃至15年之久，這是大多數互聯網公司都做不到的。

　　以消費信貸為例，商業銀行的信用卡客戶數據應該是所有做消費信貸業務的公司都羨慕的。這家銀行就正在用大數據分析來甄別自己的幾千萬信用卡持卡客戶，發掘消費信貸的潛在機遇，且成果斐然。它的風險識別方法也很有意思，可以做到在系統后臺識別客戶設備的APP應用信息，只要安裝了3個以上P2P平臺APP的，一律列入風險高危戶予以回避