国产精品看高国产精品不卡-国产精品看片-国产精品蝌蚪-国产精品狼人久久久久影院草久久一区二区三区午夜亚洲福-国产精品老熟女视频一区二区-国产精品理论片

銀行數據治理的政策背景

問題的提出

近年來，數據治理成為商業銀行發展中的關鍵問題之一，也是監管層關注的焦點。回顧歷史，監管部門于2011年頒布了《銀行監管統計數據質量管理良好標準（試行）》，2018年發布了《銀行業金融機構數據治理指引》。在此階段，對于銀行的數據監管政策，逐漸從數據質量考核結果導向的監管演變為對管理層面上的數據治理全方位要求。面對監管要求與同業創新壓力，銀行業逐漸從數據治理成熟度的視角來認識和應對相關問題，眾多銀行開始積極行動和探索布局，邁出深化數據治理和數字化轉型發展的重要一步。

此后，隨著數字化上升到國家戰略，僅服務于監管數據治理的發展思路已不再能滿足經濟金融數字化的大趨勢。我們看到，2020年4月中共中央、國務院發布《關于構建更加完善的要素市場化配置體制機制的意見》，首次將“數據”與土地、勞動力、資本、技術等傳統要素并列為要素之一，提出要加快培育數據要素市場。2022年1月印發《“十四五”數字經濟發展規劃》，指出“鼓勵銀行業金融機構創新產品和服務，加大對數字經濟核心產業的支持力度”。2022年第2期《求是》雜志刊發習近平總書記重要文章《不斷做強做優做大我國數字經濟》，文中提出“要充分發揮海量數據和豐富應用場景優勢，促進數字技術和實體經濟深度融合”。至此，銀行數據治理被賦予了更高的歷史使命，是銀行數字化轉型、銀行服務經濟數字化轉型的重要切入點，也是推動銀行業由高速增長向高質量發展轉變的主要“抓手”，能真正促使銀行拓展新業務，挖掘新動能，提升服務能力，提高經營管理質效。 

從近期兩份政策文件看銀行數據治理 

2022年1月，央行發布《金融科技發展規劃2022～2025》（以下簡稱《規劃》）、銀保監會發布《關于銀行業保險業數字化轉型的指導意見》（以下簡稱《意見》），這兩份重要文件進一步突出了在金融機構數字化轉型過程中，如何發揮好數據要素的核心價值，也厘清了新形勢下銀行數據治理的戰略視野與原則。 

在《規劃》中有93次提到“數字”，把“數字驅動”作為四項基本原則之首，把“金融業數字化轉型更深化”作為首要發展目標，把“充分釋放數據要素潛能”“打造新型數字基礎設施”“激活數字化經營新功能”作為重點任務。其中，特別指出要“深刻認識數據要素更要價值，制定企業級數據規劃和發展戰略，明確數據工作機制、基本目標、主要任務、實施路徑等，推動數據工作高效有序開展，穩妥推進業務由經驗決策型向數據決策型轉變，增強經營管理前瞻性和精準性”。《意見》則把數據能力建設作為重要部分，強調要從健全數據治理體系、增強數據管理能力、加強數據質量控制、提高數據應用能力等四個方面提升數據治理與應用能力，尤其指出“確立企業級的數據管理部門，發揮數據治理體系建設組織推動和管理協調作用；完善數據治理制度，運用科技手段推動數據治理系統化、自動化和智能化”。由此綜合來看，數據能力將成為金融數字化轉型的重要驅動力。

銀行數據治理的目標選擇

為了更好地推動銀行數據治理的完善，需要全面厘清這一改革的戰略目標。

從商業銀行個體角度來看

提升機構核心競爭力。《規劃》提出要力爭到2025年實現金融科技核心競爭力跨越式提升，在此背景下，商業銀行面臨的挑戰更加突出。當前影響銀行業的周期性因素包括經濟周期、技術周期、政策周期、利率周期、人口周期、行業周期等，未來銀行經營失敗或許成為常態。截至2021年6月30日，我國共有銀行業金融機構法人4608家。即便是美國，2001～2020年銀行機構總體數量也從9614家減至5001家。未來，大中小型銀行都會面臨“百年未有之大變局”，擁有突出核心競爭力的銀行才有可能生存乃至發展壯大。眾多國內外成功經驗都表明，依托數據要素、開展數字化轉型，是激烈競爭中多數“亮點銀行”的經驗與選擇。

更好地滿足數字經濟需求。當前數字經濟產業已經成為實現經濟高質量發展的新驅動力，其中數字產業化是指提供數字技術、產品、服務、基礎設施和解決方案，以及完全依賴于數字技術、數據要素的各類經濟活動。產業數字化則指應用數字技術和數據資源為傳統產業帶來的產出增加和效率提升，是數字技術與實體經濟的融合。這些都從需求端給銀行帶來數字化變革壓力，從而實現經濟、金融數字化的供求匹配。尤其是需要推動銀行以數字化來改善客戶體驗、提高運營效率、搭建金融場景等，更好地彌補產業數字化的“短板”。

應對風險與挑戰。截至2021年末，商業銀行不良貸款總額為2.85萬億元，增速回到了5.4％，較上年同期下降6.6個百分點，是最近幾年首次低于10％。從過去幾年的走勢來看，不良資產余額上升的趨勢已經得到遏制，資產質量改善明顯。但是，雖然大型銀行和股份行的不良率持續改善，城商行和農商行不良率依然較高且存在較高反復性。特別是農商行由于前期增長加快，目前仍然處于3.63％的高位。應對風險雖有多種手段，但是通過強化數字化管理、數據治理，努力健全自動化風險控制機制，實現事前、事中、事后的風險管理智能化，也是題中應有之義。

從行業角度來看

促使整個行業提升全要素生產率。基于實證研究表明，近年來我國銀行業全要素生產率呈現出“波動大、異質性強、周期性”等特點。通常來看，對于發展時間久、規模實力較強、經營模式較為成熟的商業銀行來說，技術進步對其生產經營效率的提升具有促進作用；而中小銀行的組織架構、管理模式、技術應用等方面存在較多的問題，整體的投入產出效率較低，技術進步還未影響到一些中小銀行具體的生產經營過程。實際上，以數據治理為起點，銀行數字化轉型能夠給諸多中小銀行帶來新的變革機遇。

助力國家重大戰略目標。當前，經濟高質量發展、實現共同富裕、綠色低碳經濟轉型等都構成當前戰略重點，而金融科技與數字金融創新都越來越密切地與國家戰略相吻合。在《規劃》中，尤其對小微金融、農村金融、供應鏈金融、綠色金融四大場景的進一步說明，體現出這些領域的金融科技滲透與合理應用，正是當下規劃聚焦之處。商業銀行仍然是金融支持實體經濟的核心力量，銀行數據治理不僅是為了更好地應用數據資源、推動自身數字化轉型與提升盈利能力，更是為了履行國家戰略責任與社會責任。

銀行數據治理的重點舉措

完善機制。所謂數據治理，按照國際數據管理協會（DAMA）的定義，是對數據資產管理行使權力和控制的活動集合，包括組織、制度、流程和工具。在國內實踐中，通常會統籌考慮數據治理和數據管理。近年來，許多大型銀行紛紛在頂層設計層面布局數據治理，而大多數中小銀行的數據治理則基本處于萌芽期，還未開展有效的數據治理工作。要促使銀行數據治理工作走上新臺階，需要做好幾方面工作。一是戰略先行。數據治理不能漫無目的，或者一味“照搬照抄”，需要根據銀行綜合發展戰略的要求，“量身定制”數據戰略。例如，對于以零售業務為主的銀行，相應的數據戰略應聚焦于此，包括整合管理零售客戶數據、提升服務水平、強化精準營銷等；以對公業務為主的銀行，可在供應鏈金融等創新業務發展中著力探索數據鏈、數據生態的優化整合；以金融科技為特色的銀行，應該著力關注如何通過數據治理來提升開放能力和服務生態。二是找到數據治理的“痛點”，從問題入手進行戰略設計。例如，數據治理與管理是一項系統工作，涉及工作繁雜，如何能夠有效規劃、體系化推動，如何通過新技術應用來減少數據治理的成本費用，如何通過內控和審計來規范數據治理工作的開展，諸如此類的問題應該融入到數據治理的戰略制定與落地中。三是完善組織架構與權責分擔機制。數據治理能否成功，關鍵在于高效的組織架構支撐，尤其是建立體系化、職責分明的協調配合。實際上，銀行業務鏈非常復雜，普遍存在數據治理不佳、利用低效的現象，這也是責權模糊、動力缺失、IT建設完善周期太長等原因導致的，這就需要真正完善數據共享共贏、創新驅動的承載機制。

技術驅動。數據治理本質上是管理與技術相結合，因此在銀行數據治理創新與優化中，不僅需要充分關注各細分領域，如數據標準、元數據、數據模型、數據分布、數據存儲、數據交換、數據生命周期管理、數據質量、數據安全以及數據共享服務等，更需要把數據治理與新技術應用廣泛融合在一起，體現在數據治理與應用的全流程，真正發揮新技術帶來的“正效應”。例如，《規劃》強調以關鍵核心技術為突破點，新提出了一系列前沿技術，包括場景感知、增強現實（AR）、混合現實（MR）、數據多源比對、快速校核、血緣關系分析、聯合建模、圖計算、數據可視化、數字孿生、匿蹤查詢、去標記化、可信執行環境、巡檢機器人、分段路由、軟件定義網絡、第五代移動通信技術（5G）、窄帶物聯網（NB-IoT）、射頻識別（RFID）、量子技術、機器人流程自動化（RPA）、智能字符識別（ICR）、移動物聯網、衛星遙感、電子圍欄等。銀行數據治理的過程，恰恰是合理利用新技術全面推動大數據時代的數據、技術與業務功能有效融合。

助力業務。銀行數據治理必須與業務創新有效結合，穩健的數據治理也是提高創新效率的前提，可以通過深入的客戶數據分析挖掘，更精準地了解客戶需求，實現業務、產品和服務創新，全面提升客戶服務質量和服務水平。優化數據治理和應用，有助于打破金融科技場景落地的難題。目前，無論是金融機構的數字化轉型，還是新技術企業為金融機構提供技術支持，普遍存在技術和業務“兩張皮”的問題。如果只根據業務需求匹配相應技術，則只能局限于現有商業模式邏輯，可能使得業務難以跟上數字化變革大勢。要突破這一點，需要從基礎環節入手，涉及到數據、技術、人才、共識和監管等，其中數據是關鍵生產要素。恰恰是通過使數據要素更好地融入技術與業務協調創新的主線中，才能更好地促進創新場景落地。事實上，《規劃》也在更高層面突出了數據應用的問題，如“推動金融與公共服務領域系統互聯和信息互通，綜合電子政務數據資源，不斷拓展金融業數據要素廣度和深度，為跨機構、跨市場、跨領域綜合應用夯實多維度數據基礎”。而《意見》則更加聚焦地指出：“全面深化數據在業務經營、風險管理、內部控制中的應用，提高數據加總能力，激活數據要素潛能。加強數據可視化、數據服務能力建設，降低數據應用門檻。挖掘業務場景，通過數據驅動催生新產品、新業務、新模式。提高大數據分析對實時業務應用、風險監測、管理決策的支持能力。加強對數據應用全流程的效果評價。”

安全可靠。近年來，在金融科技與數字金融變革中，金融業既取得了大量成功經驗，也存在許多教訓。促進金融科技創新與數字化轉型，須避免粗放式擴張和防止泡沫積累，處理好創新與安全的邊界，守住不發生系統性風險的底線，防范非系統性風險的積累，明確創新的底線與負面清單。同樣，在優化銀行數據治理過程中，也應該以安全穩健為生命線，有效防范各類潛在風險。一是加強數據源頭管理，既努力打破數據孤島，更好地利用行內外數據，也要加強隱私保護，同時有效降低數據清洗中的風險，全面提升數據基礎質量。二是在技術安全方面，能夠高效應對針對金融服務行業的數據攻擊，更好地保證業務的連續性。三是在數據管理和數據建模中，制定完善、規范的數據管理流程并強化管理執行力，優化數據建模標準，并轉變只建模不落地或隨意落地的傳統思路。四是在數據應用方面，真正做好數據安全保護，借助多方安全計算、聯邦學習、隱私計算、可信區塊鏈、標記化等技術，確保數據可用不可見、可用可計量、最小夠用、專事專用。五是在數據交換方面，構建規范、標準的數據分發機制，打造統一的數據交換平臺，突出數據難以互聯互通、共享共贏的潛在阻礙。

合作共贏。正如開源成為技術發展的重要趨勢，生態共建、合指成拳也成為數字化轉型與數據治理建設的首選路徑，跨部門、賽道、廠商而提供綜合解決方案的商業模式成為主流。如《規劃》中強調要“發揮大型金融機構帶動作用和示范效應，加強金融科技共性技術、資源和服務的開放合作、互惠共享，聯合高等院校、科研院所、高新技術企業等搭建專業化金融科技產用對接平臺，依法合規參與數字技術開源社區等創新聯合體”。一方面，數據治理可以與開放銀行建設更好地結合起來。眾所周知，源于海外的開放銀行最初就是從數據共享入手，通過應用程序編程接口（API），以實現數據流在不同系統之間的實時流動和功能的無縫集成。實際上，多年前商業銀行就已經開始應用API 接口，后來隨著大數據、人工智能、區塊鏈等技術快速突破，加之眾多金融科技企業、互聯網金融企業帶來的“金融脫媒”挑戰，使得銀行在開放銀行視角下再度重視API，并把其作為提升零售客戶和對公客戶服務質量的重要手段。當然，中國特色的開放銀行創新受到數據開放的更多監管約束，但仍然可以在合規前提下充分探索邊界與空間。另一方面，“數字化+生態圈”也是銀行變革的主要路徑，基于移動端和互聯網平臺，國內銀行已經開始引入數字化生態合作，打造創新業務模式。在數據治理方面，尤其對于中小銀行來說，可以依托外部技術企業的數據模型快速建立數據建模能力，然后在各業務部門配置數據管理與分析資源，再把大數據分析結果全面應用在業務領域，從而為獲客、風控及運營等提供有效的數據支持。

銀行數據治理的環境保障

除了需要商業銀行自身加強和完善數據治理工作，政府與監管層面也應一起努力創造更好的外部環境。

推動數據治理的規則完善。例如，從數據要素在整個社會再生產中發揮的作用來說，離不開數據生產、交換、分配、消費等環節，作為重要起點就需要考慮數據要素確權問題；個人信息保護、國家安全信息保護等問題始終貫徹在數據應用中；數字治理離不開對ESG的關注，即企業環境、社會和治理績效的發展與評價理念，因為在數據應用中也可能存在算法黑箱和信息不對稱，即便體現出高效的商業模式價值，也可能忽視金融科技與數字倫理。當然，在銀行業數據治理中有更加具體的監管約束，尤其是數據安全與隱私保護方面，這些都需要在實踐中進一步完善。

以數據治理的標準化為支撐。央行目前已發布《金融標準化“十四五”發展規劃》，提出以標準化引領金融業數字生態建設，尤其是穩步推進金融科技標準建設、系統完善金融數據要素標準等。客觀來看，現有銀行數據治理探索也存在標準化意識缺失、管理職責不到位、關鍵數據標準研制和貫徹流程不暢等問題，亟待以推動標準化來解決矛盾。

強化專業人才保障。《規劃》突出強調金融科技人才的重要性，數據治理也離不開行業人才能力的提升。銀行業普遍缺乏大數據相關人才，如精通業務且懂數據治理的數據業務人才，主要負責業務應用場景分析和設計；專業的數據分析人才，主要負責數據分析和建模；數據技術人才，主要負責數據處理和系統平臺建設。如果不能盡快在全行業推動中高端人才的培育和提升，數據治理就成為“無源之水、無本之木”。