传统价值要素对银行价值的影响力减弱，新增长驱动点有待挖掘数字经济时代下，银行价值的核心驱动要素也正经历着巨大的变革。分析近10年银行年报，可以看到资产增速下降，净息差收窄、不良贷款率上升的趋势明显，但银行市值稳步上升。因此，资产规模、净息差水平和资产质量等传统价值要素对银行价值的影响力持续减弱。
04第四张报表——银行价值管理白皮书| 引言引言传统价值要素对银行价值的影响力减弱，新增长驱动点有待挖掘数字经济时代下，银行价值的核心驱动要素也正经历着巨大的变革。分析近10年银行年报，可以看到资产增速下降，净息差收窄、不良贷款率上升的趋势明显，但银行市值稳步上升。因此，资产规模、净息差水平和资产质量等传统价值要素对银行价值的影响力持续减弱。
新增长驱动对银行价值内涵的影响力正在逐步扩大，不论是银行本身还是德勤等研究机构都在试图找到银行价值的新驱动点，这就需要引入新的价值评估方式，对银行价值进行全面的排摸和识别。
全局：第四张报表看银行年报，体系化解读银行价值内涵第四张报表价值管理体系是德勤与上海国家会计学院等专业机构联合研发的价值洞察、衡量和管理工具，从企业的用户、产品、渠道和数字科技等维度入手，洞察价值驱动因素、识别价值衡量指标，助力价值管理落地。
随着银行业务的多元化发展，价值驱动必将呈现出多因素化的特征，因此，仅以财务结果论英雄的时代已经过去，需要体系化地梳理银行价值构成，并逐个击破，找到价值驱动要素。德勤第四张报表价值管理体系将从用户、产品/服务、渠道、数字科技四个视角出发，站在全局视角上研究和解读各大银行2020年年报，从中找到银行新价值增长点的构成、驱动和评估管理方式。
解构：四大视角深入挖掘银行价值助力银行价值管理1. 客户：新零售转型零售业务转型正成为众多银行的战略选择，“得零售者得天下”已成为业界共识。第四张报表针对这一趋势对零售收入占比和银行市值进行了深入分析，可以发现零售收入占比越高，单位资产市值也往往越高，这一趋势论证了银行全面零售转型战略布局的必要性。
第四张报表用户分析体系以数量和质量为脉络，形成了一套银行零售业务评价指标体系：从用户规模、组成、获客方式评估用户数量，从参与度、活跃度、价值度评估用户质量。通过体系化的视角分析银行用户，可以发现MAU（月活跃用户人数）和AUM（资产管理规模）是用户质量的核心评价指标，是多数银行用于评判转型成效的风向标。
2. 渠道：新生态协同越来越多的银行正在喊出“以客户（用户）为中心”的经营理念，而渠道正是银行触达用户、经营用户、维系用户最重要的前沿阵地。对于如今的银行业来说，渠道包含传统的线下渠道——大家众所周知却频现争议的银行网点；
也包含重要性日益提高、形态也日益丰富的线上渠道——继网上银行、掌上银行（移动端APP）之后，银行纷纷开始推广社交媒体公众号和内嵌于第三方应用的轻量级小程序等。我们可以看到，银行网点和公众号、小程序等看似形态迥异，却都代表着银行渠道被赋予的全新职能——生态流量经营，而非业务功能交付。我们将从年报中整体剖析主要上市银行在线下和线上渠道发展的趋势、成果和实践——从线下渠道的“蝶变”解读银行网点存在的必要性和未来意义；从线上渠道的“破茧”解读生态协同的重要性和启示，最终通过第四张报表渠道分析体系揭示渠道对银行价值提升的影响力。
3. 产品：新孵化模式疫情对线下销售模式的冲击、金融科技推动的业务转型、政策引导和规范下的产品管理要求等促成了银行业产品服务创新转型的新趋势，逐步展现出智能化、服务化、平台化的特征。
第四张报表产品分析体系从深度、广度、发展三个维度出发，分析银行产品服务的新孵化模式：A. 以场景为原点，逐渐从传统的资产负债业务扩展至资金服务、金融咨询，乃至于生活服务以及其他增值服务领域，外延产品服务边界，以浦发银行推出的浦惠到家APP为例，通过扩宽广度，转型成效显著：B. 以科技为基石，在产品管理流程的升级迭代中应用机器人流程自动化（RPA）、光学字符识别（OCR）、自然语言处理（NLP）等金融科技技术，革新交付方式，实现降本增效；C. 以平台为落点，将产品服务与平台相结合，加速在线服务、在线产品的推广，创新产品推广模式。
4. 数字科技：新价值构成银行业数字化转型、金融科技赋能的成效逐步显现，“数字+科技”的战略重要性不断稳固，第四张报表认为数字科技赋能既是银行数字化转型创新的重要驱动，也是新的价值构成。数据产品、科技服务是数据科技价值的最终体现，也是直接的价值输出载体；数据资产和科技应用能力则是数据科技价值的基础，它们本身的价值也应当被正确认识。
因此，数字科技价值应包含数据产品、科技服务为银行带来的直接价值和数据资产、科技应用为商业银行贡献的潜在价值两部分：A. 第四张报表按照增加收入、降本增效、减少损失三大价值类型梳理银行数据科技产品，并根据产品特性定义价值评估指标，从而量化计算数据产品/科技服务价值。
B. 第四张报表以数据资产化过程为脉络，提出了数据资产/科技应用价值的评估路径：数据产品/科技服务是数据资产价值的最终载体，将数据产品/科技服务的量化价值合理地分摊到数据集和科技应用，就可以得到每个数据集和科技应用的价值。
