当前，人工智能、区块链等数字技术不断涌现，快速向经济社会各领域融合渗透，数据已成为支撑经济社会高质量发展的基础性、战略性资源,以数据为核心的数字化转型已是大势所趋。党的十九届四中全会首次将“数据”列为生产要素参与分配，党的十九届五中全会指出,要“推进数据等要素市场化改革”“推动数据资源开发利用”。金融业是数据密集型行业，在生产经营过程中积累了海量的数据金矿，金融行业数据资源将逐步成为企业的战略资源。

 

金融数据治理面临挑战

 

随着大数据、云计算、人工智能、区块链等技术在金融业的应用水平日益提升，金融业服务理念和经营模式不断发生变化，金融业态和产品创新步伐显著加快。数据技术应用的成效在风险管理、客户关系管理、运营分析、资产负债管理、财务管理等核心业务领域初步显现。然而值得关注的是，目前我国金融机构的数据质量存在较多问题，主要表现在数据的准确性和完整性欠缺、时效性和适应性不足等方面。在此背景下，推进金融数据治理具有十分重要的现实意义。

 

原银监会于2018年发布的《银行业金融机构数据治理指引》将数据治理定义为：“通过建立组织架构，明确董事会、高级管理层、部门等职责要求，制定和实施系统化的制度、流程和方法，确保数据统一管理、高效运行，并在经营管理中充分发挥价值的动态过程。”

 

数据治理包含几个基本要素，即数据治理架构、数据管理高效运行、数据质量控制以及数据价值充分实现。金融业的数据治理是一个动静结合的体系。静态能力包括数据资产的建档、分级、分类、关联、确权、定价等。动态能力则包括数据检索与审计、数据的共享交换管理、去标签化加密等。

 

数字经济时代，掌握数据并充分发掘其价值，是提升竞争优势的重要因素。作为公司治理的重要领域，数据治理可以使金融机构的管理人员更方便、安全、快速、可靠地获取数据，并通过有效利用数据，提升数据质量，找到经营管理中的问题和不足，进而改进决策、缩减成本、降低风险。同时，数据治理也有利于企业发现客户需求，提升客户服务能力，进而提高经营管理质效，增强核心竞争力，实现收入和利润的增加。

 

然而，当前的金融数据治理还存在诸多问题。

 

一是金融数据治理缺乏统一标准。长期以来，不同领域（银行业、证券业、保险业等）的金融机构，同一领域的不同金融机构，甚至某些金融机构内部，都可能同时运行着多套业务系统，系统之间缺乏统一标准。由于数据记录、数据语言、数据数值等方面的不统一，金融从业机构的原始数据呈现碎片化分布，来自不同业务、不同时期的数据的用途、结构、价值和质量水平差异很大，为数据的提取、整理、分析、使用造成很大的困难。

 

二是金融数据质量不高。数据质量一般通过准确性、完整性、一致性、时效性、可信性及可解释性等特征来界定。当前金融业整体数据质量不高的现象依然突出，主要表现在金融机构内部数据统计标准指标含义不清晰、取数规则各异。不少金融机构未建立数据控制和监测机制，数据的真实性、准确性、连续性难以保证。数据质量参差不齐给全局数据建模、分析、运用造成了障碍，而基于这些数据进行数据挖掘的效果也会大打折扣。

 

三是数据治理人才储备不足。目前，虽然数据治理已经逐渐获得金融业的重视，但大多数金融机构的数据治理工作还处于分散状态，没有形成专门的治理体系，也没有设置不同层面的专职数据岗位。数据治理人才队伍专业化程度不高，缺乏系统的人才队伍培养规划。

 

四是数据孤岛和数据割裂导致数据应用困难。金融数据缺乏行业内共享，也缺乏与其他行业数据联通的渠道，这就导致金融数据孤岛和行业内数据割裂，给金融业务创新和开展造成极大障碍。金融行业内部数据治理过程中普遍存在“不愿、不敢、不能”共享的问题，海量数据散落在众多机构和信息系统中，形成一个个“数据烟囱”。

 

五是缺少数据治理文化理念。数据治理文化理念的建立意味着金融机构的治理和运营观念从“经验主义”向“数据主义”转变。目前，部分金融机构在决策时缺乏数据运用意识，管理层对于数据情况、应用场景等并不了解，不同部门间的数据共享和数据流动意识薄弱，这些都是数据治理文化缺乏的体现。

 

把握数据治理发展趋势

 

金融业天生具有“经营数字”的属性，金融科技以其开放、共享、包容、智能等特征，逐渐改变了金融机构传统经营理念。大数据与5G、人工智能、区块链等新技术的融合发展，有利于推进金融产品的创新和金融业务流程的优化。特别是区块链技术，其具有可信赖、不可篡改、透明性等特征，可以有效保障数据存储和传输的安全性，厘定数据产权，促进数据共享和流动，在未来金融数据治理中将发挥重要作用。

 

近年来，数据治理制度不断完善，数据安全技术快速发展。国家和金融行业对数据治理的重视程度大幅提高，《网络安全法》、《银行业金融机构机构数据治理指引》、《个人金融信息保护技术规范》（JR/T 0171-2020）、《金融数据安全 数据安全分级指南》（JR/T 0197-2020）等各类政策指引相继出台，数据采集、使用、共享等环节存在的乱象初步得到遏制。

 

随着数字化转型的加快，金融机构还可借助资金流和信息流等渠道重构传统金融与产业之间的关系，利用其多场景、多维度的大数据优势，形成多样化的模型解决方案。通过提升自身数据治理能力，金融机构可以逐步从自我治理向与互联网企业、金融科技公司等进行生态合作治理的模式转变，促进金融业数据治理与各业态数据治理深度融合。这将有助于金融机构提高授信精准度、减少风险隐患、降低服务成本、提高普惠金融服务能力。

 

企业深化金融数据治理，提升金融服务能力需要从以下五个方面着手。

 

一是加强组织领导，做好顶层设计。数据治理是一项长期、复杂的系统工程，要在组织、机制和标准等方面加强统筹谋划。金融机构应充分认识数据的重要战略意义，将数据治理纳入企业中长期发展规划，及时调整组织架构，明确内部数据管理职责，理清数据权属关系，自上而下推动数据治理工作。在保障各方数据所有权不变的前提下，金融机构需统筹规划全局数据架构，完善跨机构、跨领域数据融合应用机制，实现数据规范共享和高效应用。同时金融机构应努力构建标准体系，建立涵盖金融数据采集、处理、使用等全流程的标准体系，打造金融数据的“通用语言”，提升金融数据质量，为数据互通、信息共享和业务协同奠定坚实基础。

 

二是健全金融数据治理体系，做好数据管理。首先做好数据资产管理。金融机构需根据统一的数据标准体系，建立全局数据模型和科学合理的数据架构。在此基础上，管理维护全局数据资产目录，实现对数据资产的全面梳理和有效管控，解决数据质量不高、数据利用不足等问题。在统一的标准体系下，金融机构应当综合国家安全、公众权益、个人隐私和企业合法利益等因素，制定数据分级标准，基于全局数据资产目录将数据进行分级，同时针对不同等级数据采取差异化的控制措施，实现数据精细化管理。其次做好数据共享管理。规范数据共享流程，确保数据使用方在依法合规、保障安全前提下，根据业务需要申请使用数据。数据所有方按规则审核确定数据使用范围、共享方式等，通过数据交换机制实现数据有序流转和安全应用。

 

三是弥合外部数据鸿沟，促进数据共享流动。在数字化生存的社会中，大量的数据散布在社会各个主体中，为更好地提升数字治理，建设数字中国，需要逐渐打破各个部门和主体的数字鸿沟。首先要从顶层设计角度对数据使用者、控制者、所有者之间的权利义务予以厘清和界定，实现全社会依法合规共享数据；其次还要建立金融业与其他行业的数据交互机制，打通外部数据与内部数据之间的关联，完善社会信用体系。由政府机关、或第三方机构、或大型企业平台方，通过新型技术（人工智能、区块链、云计算、大数据、物联网）打造企业数据、金融从业机构数据、政府数据共享互通的大数据平台基础设施，可以实现企业社会信用信息与金融服务之间的关联打通，企业、金融从业机构、政府之间的生态数据治理合作将成为小微企业融资信息瓶颈的破解之道。

 

四是强化金融科技支撑，发挥数据应用价值。数据治理的核心环节是数据应用，要从算力、算法、存储、网络等维度加强技术支撑，切实增强数据应用能力。在算力方面，加快分布式架构转型，充分发挥云计算等技术高性能、低成本、可扩展的优势，满足海量数据分析处理对计算资源的巨大需求。在算法方面，基于深度学习、神经网络等技术设计数据模型和分析算法，提升数据洞察能力和基于场景的数据挖掘能力。在存储方面，探索与互联网交易特征相适应、与金融信息安全要求相匹配的数据存储方案，稳步推动分布式数据库金融应用，实现数据高效存储和弹性扩展。在网络方面，运用物联网技术丰富数据采集维度，利用5G技术带宽大、速度快、延时低等优势提升数据流转效率，打造金融数据“高速公路”。

 

五是落实数据管控措施，切实保障数据安全。数据作为重要的生产要素，确保数据安全应是相关机构恪守的底线。金融业是对信息安全高度敏感的行业，应建立健全数据安全管理长效机制和防护措施，严防数据泄露、篡改、损毁与不当使用，依法依规保护数据主体隐私权在数据治理过程中不受侵害。按照谁主管谁负责、谁收集谁负责、谁运行谁负责、谁使用谁负责的原则，严格管理数据授权，合规使用数据，加强大数据安全风险防范，构建形成覆盖数据处理各环节的安全管理体系，确保涉及国家安全、公共利益、个人信息等重要敏感信息的安全，全面提升数据安全保障能力。

 

在金融服务实体经济的方针下，基于金融从业机构运营、风控、创新、合规等多重需要，金融数据治理必将成为国内金融从业机构的必修课，金融机构应用数据的能力将成为竞争中的关键因素。唯有对金融数据进行有效治理，才能对金融数据进行价值发现并形成金融信息资源，最终实现“数据资料”上升为“数据资产”，同时形成精准化和个性化的金融服务能力。金融机构要深刻认识数据资源的重要意义，切实做好金融数据治理工作，深挖数据价值、释放数据潜能，加快推进数字化转型，助力金融高质量发展。