1．數字化轉型認知不足，戰略定位大而不精。
由于整體基礎不同，各類銀行對 “數字化轉型”的認知和要求截然不同。國內領先銀行較早意識到了轉型的必要性，對數字化銀行的認知已從模糊的概念逐步清晰化、具體化，能夠結合行內業務規劃、信息化基礎等現狀，從數據分析場景、系統平臺建設、組織人才轉型等方面著手，全面構建符合自身特點的數字化轉型路徑。例如工行從IT架構轉型、互聯網金融戰略、科技組織架構入手構建智慧銀行，招行則提出了清晰的做“金融科技銀行”的戰略目標。
相比之下，部分銀行則停留在模糊的概念認知階段，要么尚未制定數字化轉型規劃，整體投入不足；要么規劃的形式以與領先銀行進行簡單的對標復制為主，未結合自身優勢和特點。可以說對數字化轉型的認識不足，就是銀行的領導力不足。由于整體認知不足，此類銀行往往過于追求數字化轉型的短期效益，缺乏對長期數字化能力的構建。
2．應用場景基礎薄弱，數據分析流于形式。
構建數據應用場景是銀行數字化轉型的重要內容，但受制于數據能力不足、基礎設施支撐有限、整體規劃布局缺乏等原因，許多銀行的數據分析流于形式。能力方面，數字化轉型需要銀行數據人才具備數據統計、數據分析與建模、數據架構、數據治理等多種能力，而當前銀行數據人員能力多集中在統計與簡單分析，難以開展高級的數據分析與挖掘工作。基礎設施方面，銀行多以報表系統為主流的數據分析展現形式，需要進一步構建嵌入業務流程、嵌入移動端產品的多元化落地形式，以支持流程自動化、移動化等業務場景。數據分析場景整體規劃方面，當前銀行數字化多由業務部門零散的數據應用需求驅動，局限在單一業務類型、單一維度、單一應用主體，數據部門難以主動地、系統地、前瞻性地滿足業務部門需求。
3．數字化轉型推動困難、組織人員體系有待優化。
銀行數字化轉型絕不僅是數據部門的工作，而是一項需要行領導牽頭、組織體系支撐、業務部門與科技部門共同參與的全行性工作。當前銀行業開展數字化轉型，在組織體系方面存在諸多限制。一是組織流程缺乏配套機制、數據團隊定位不清晰，導致實際工作推動困難。二是數據工作協同機制缺失，數據分析成果難以快速、規模化地賦能業務發展。銀行普遍面臨數據工作協同不足的現狀，總行與分行間數據工作割裂，總行推動轉型難以全面滿足分行需求；數據部門與業務部門溝通存在壁壘，數據分析缺少業務輸入或者落地場景；數據部門與科技部門開發流程復雜，執行效率緩慢，經常出現項目延遲上線、甚至難產的情況。三是數據能力建設策略不明確、高級數據人才缺失。當前銀行數據人員多以單一知識背景為主，復合型人才比例較低；以基礎型數據人員為主，高級數據分析人才缺乏；以外包人員為主，內部專家儲備有限。
4．數據質量亟待提升，數據安全與使用面臨兩難。
實現數字化轉型的前提是具備良好的數據基礎，這對銀行數據治理能力提出了較高要求。當前銀行業的數據管理能力正在逐步提升，但具體標準化、體系化的管理尚有差距。一方面，數據質量問題廣泛存在，由于數據標準不一、數據質量問題成因定位困難、數據責任歸口不清，無法從根源上實現數據質量整改。另一方面，數據安全與外部數據管理面臨兩難困境。銀行業作為信息高度敏感行業，數據安全是不可逾越的紅線，但隨著大數據時代的來臨，通過外部數據進一步豐富銀行數據源的需求亦不容忽視，如何在保證數據安全的前提下，實現外部數據的接入、數據資源的置換等，是各行面臨的另一挑戰。
5．既有系統老化孤立，與全面數字化轉型要求相差甚遠。
全面數字化轉型離不開系統的支撐，銀行業系統建設情況呈現出明顯的分化現象。國有大行及領先股份制銀行由于IT建設起步較早、IT人才儲備充足，基本已構建起適應自身需求的IT系統架構。當前建設方向一方面集中在對現有系統的梳理、統一建設與優化，另一方面是對人工智能平臺、云平臺、數據中臺等先進理念的探索。中小銀行則由于資金、能力等方面的不足，系統建設基本以零散的業務需求為導向，難以形成體系化的技術架構，同時整體先進性有限，新建領先的技術平臺又面臨成本壓力，在敏捷性方面與全面數字化轉型的要求相差甚遠。
