数字孪生如何应用在银行业？

“数字孪生”是指复杂系统的动态虚拟副本。

一些组织机构通常将数字孪生用于情景规划，因为数字孪生系统可以将现实世界的元素与模拟和持续的数据流融合在一起，可以在评估不同决策结果时提供帮助。

例如，2023年加拿大蒙特利尔银行（BMO）收购了西部银行（Bank of the West）的503家分行，BMO当时使用Matterport的采集服务在三个月内创建了所有分行地点的三维数字孪生。

数字孪生技术使BMO能够在不中断服务的情况下，在这些模型内完成远程现场评估及操作运行测试。结果显示，通过这样的技术应用，帮助BMO在15个月内节省了50多万美元，在503个分行地点的调研及资源和文档集中管理方面节省的时间达6000小时。

数字孪生技术的应用始于20世纪60年代，当时美国国家航空航天局（NASA）使用孪生模型在太空任务中监控和调整航天器。最近，美国政府宣布为半导体制造领域的数字孪生技术投资2.85亿美元，因为该技术具有提高美国在该领域的效率、创新和应变能力的潜力。

数字孪生系统是如何工作的？

数字孪生由三个核心要素组成：物理系统（产品、流程、网络）、代表该物理系统的虚拟模型和实时更新模型的数据连接。虚拟模型反映物理系统的当前状态和行为，并与传感器和物联网设备的数据持续同步。这样的设置使得数字孪生系统能够在各种条件下模拟和预测物理系统的性能。

要将这三个组成部分结合在一起需要几项关键技术：

首先，数据的收集和使用涉及云计算以及存储和处理平台；

其次，需要人工智能和机器学习来实现能够提供高级分析和精确的虚拟模型的仿真模型；

最后，增强现实和虚拟现实技术则可以实现数字模型与物理系统之间的高级可视化和交互。

数字孪生能解决什么问题？

数据已经是我们现代人的口头禅，但孤立数据集的价值是有限的，因为这些数据集的数据往往不够密集或完整或包含大量噪声或干扰，而且往往是间接的。

由于数字孪生系统由多个组件组成，任何微小的变化都会产生连锁反应，因此要准确复制一个系统极其困难。

在银行业，数字孪生技术的真正潜力在于数字孪生能与银行专有知识和外部刺激流结合进入决策模型中。由于数据来自多个渠道，使用镜像环境可以实现精确的应急和事故响应计划。而在进行更改时，其他的部分也能作出相应调整，从而简化与业务部门和第三方的协调。

例如，银行技术堆栈的数字孪生可以预测某些技术变化的结果，并有可能根据之前的模拟运行结果进行演变。数字孪生还可以通过智能、全面和数据驱动的战略规划缓解不断变化的欺诈向量的风险。

在银行业中，数字孪生可能看起来像增强的情景分析，如果你这么想也没人会责怪你，但关键的区别在于数据。

传统的情景分析依赖于静态数据，而数字孪生使用实时动态数据并促进了双向数据流。这意味着数字孪生可以利用所产生的洞察力，触发变革，优化所复制的物理系统，而情景分析则只提供必须单独审查和采取行动的输出。

我们来看几个潜在的银行用例：

压力测试：银行可以利用数字孪生系统模拟各种情景，例如经济衰退、市场波动或运营中断，以评估银行在压力下的应变能力和表现。银行可以通过向数字孪生系统输入各种参数找出薄弱环节并预先降低风险。再加上实时洞察力，银行就能不断调整战略，增强应变能力和稳定性。

数字金融孪生：这种方法利用数字孪生来精确映射银行产品整个生命周期的财务和非财务指标。数字金融孪生系统设置一些相关的指标，将有关产品服务、合作伙伴、客户和员工的指标联系起来，从而作出高效优质的决策。还可以更进一步，数字金融孪生系统还可以将企业资源规划系统的实时数据相结合，以确保最高水平的资源优化，推动可持续发展，加快产品开发。

预测性转型：数字孪生的开发可用于复制银行的整体运营。获取企业层次的视图可为银行提供模拟和评估技术转型效果的能力。例如，数字孪生可以提供从本地技术向云端迁移的最有利且风险最低的途径。数字孪生也可以帮助银行管理日益增加的交易量，并根据当前互动和历史表现统一跨渠道的客户体验。类似的策略也可应用于新产品的推出，类似于一个智能的预生产沙箱，银行可在投入生产前排除故障并解决问题。

数字孪生是银行必备的吗？

要回答这个问题需要考虑开发数字孪生的投资与经济回报之间的权衡是否恰当，并非每种产品、服务或流程都复杂到需要数字孪生所要求的密集传感器数据流，如果一家银行决定探索数字孪生的实施，可以先开始考虑找到一个复杂的问题。

为了最大限度地发挥这项技术的价值和作用，可以考虑将其用于具有高度可变性、位于复杂系统中、结果依赖于准确预测的问题。

目前，还没有专门针对银行业的数字孪生开发商。在出现大量需求之前，我们建议将重点放在基础要素上，例如做好数据，为数字孪生技术的未来应用做好准备。