1.資料名稱：2021-2010年北京大學中國商業(yè)銀行數(shù)字化轉(zhuǎn)型指數(shù)

2.計算方式：

本指數(shù)從商業(yè)銀行的戰(zhàn)略數(shù)字化、業(yè)務數(shù)字化和管理數(shù)字化三個維度來構(gòu)建指標體系，以期能夠?qū)ξ覈虡I(yè)銀行的數(shù)字轉(zhuǎn)型情況和發(fā)展趨勢形成較為全面、客觀的衡量。

戰(zhàn)略數(shù)字化，關注銀行整體戰(zhàn)略層面對數(shù)字技術的關注程度，具體通過計數(shù)銀行年報文本中對數(shù)字技術相關關鍵詞的提及進行構(gòu)建。本指數(shù)使用“文本學習法”（Hassan et al., 2019），借助機器學習方法識別了6大類共124個數(shù)字技術相關關鍵詞，分別為人工智能類、區(qū)塊鏈類、云計算類、大數(shù)據(jù)類、線上化類、移動化類。

業(yè)務數(shù)字化，關注銀行將數(shù)字技術融合于自身提供的金融服務的程度。基于數(shù)字技術引發(fā)的銀行業(yè)務變化，本指數(shù)通過數(shù)字化渠道、數(shù)字化產(chǎn)品、數(shù)字化研發(fā)三個維度，對銀行業(yè)務的數(shù)字化進行衡量。其中，數(shù)字化渠道通過銀行當年是否推出了手機銀行（App）、微信銀行進行衡量；數(shù)字化產(chǎn)品主要關注互聯(lián)網(wǎng)理財、互聯(lián)網(wǎng)信貸以及電子商務的推出情況；數(shù)字化研發(fā)則通過數(shù)字技術相關專利的申請數(shù)量進行衡量。

管理數(shù)字化，關注銀行將數(shù)字技術融合于治理結(jié)構(gòu)和組織管理的程度。本指數(shù)通過數(shù)字化架構(gòu)、數(shù)字化人才、數(shù)字化合作三個維度，對銀行的管理數(shù)字化進行衡量。其中，數(shù)字化架構(gòu)通過銀行是否在內(nèi)部進行組織架構(gòu)的調(diào)整，以及是否設立金融科技子公司進行衡量；數(shù)字化人才通過銀行高管團隊、董事會中具有信息科技背景的高管、董事的占比來衡量；數(shù)字化合作方面，通過銀行在當年是否開展了與外部科技公司的投資合作進行衡量。

本指數(shù)使用主成分分析法對指標的權(quán)重進行構(gòu)造。該方法的特點在于客觀性較強，即權(quán)重是由數(shù)據(jù)自身特征所確定的，自身變異較大的因子會被賦予更高的權(quán)重，不受人的主觀判斷的影響?？紤]到數(shù)字化轉(zhuǎn)型是一個新興概念，為了避免主觀因素的影響，我們使用主成分分析法進行權(quán)重的確定。

3.數(shù)據(jù)來源：

商業(yè)銀行數(shù)字轉(zhuǎn)型指數(shù)所需要的數(shù)據(jù)來源于2010至2021年各商業(yè)銀行的年報文本內(nèi)容及專利信息等外部數(shù)據(jù)。為了保證指標的可靠性，本研究只選取2010年至2021年從公開渠道至少能夠獲取三年年報的銀行。最終進入指數(shù)計算的銀行共246家，其中包括6家國有大型商業(yè)銀行，12家股份制商業(yè)銀行，128家城市商業(yè)銀行，54家農(nóng)村商業(yè)銀行，29家外資銀行和17家民營銀行。

4.參考文獻：

謝絢麗、王詩卉，“中國商業(yè)銀行數(shù)字化轉(zhuǎn)型：測度、進程及影響”，《經(jīng)濟學（季刊）》，2023。

復制這個鏈接下載

https://www.caomeikeyan.com/forum.php?mod=viewthread&tid=1351

(出處: 草莓科研服務網(wǎng)——中國專業(yè)社科交流平臺)