观点 | 新时代下的数据治理：企业数字化转型的必由之路

欢迎金融科技工作者积极投稿！

投稿邮箱：[e-mail]

                                              ——金融电子化

      

2020年4月，中共中央、国务院发布的《关于构建更加完善的要素市场化配置体制机制的意见》中正式把数据作为生产要素单独列出，并提出了促进数据要素市场化配置的改革方向。接着在《中共中央国务院关于加快建设全国统一大市场的意见》《“十四五”数字经济发展规划》等政策文件以及中央深改委第二十六次会议上，进一步提出要促进数据要素资源在更大范围内畅通流动，加快构建数据基础制度体系，推动我国数据要素市场健康有序发展，加快构建以数据为关键要素的数字经济。

数据要素时代，以数据治理为基础，构建企业数据资产管理体系，提供可用、好用的数据，支撑企业业务流程改造、产品创新、风险防控，不断提升企业数据能力，挖掘企业数据资产价值，已经成为企业数字化转型的必由之路。

中电金信商业分析事业部总经理、

中电金信数据研发委员会主席    杜啸争

数据治理：数据资产管理的“基石”

在企业数字化转型的内驱力和国家对数据要素战略布局的外驱力共同推动下，数据资产化已势不可挡。数据资产管理作为数据资产化道路上最重要的管理抓手，各大金融机构、咨询机构、厂商均投入“重兵”深入研究，形成了各具特色的数据资产管理发展道路。十多年来，从数据资源管控到数据资产价值化，金融机构数据管理的模式发生了很大转变。但是，无论如何改变，满足数据的可用、好用仍是前提，而数据治理则是其中的关键环节，是实现数据资产管理的基础工程。

数据治理是实现数据资源化的一套完整的管理框架，业界已有非常成熟的治理理论体系。中电金信认为数据治理的核心目标是解决数据可用性和数据安全性的问题，既要追求数据广泛高效的流通，又要保证数据安全和保护个人隐私。

面对数据价值挖掘以及资产化要求日益高启的现实需求，在数据资产确权难的现实制约下，数据治理显得尤为重要。数据治理通过数据模型管理、数据标准管理、数据质量管理、主数据管理、数据安全管理、元数据管理、数据开发管理等数据资源化活动职能工作，明确数据创建、采集、加工、应用的全链路职责，确保企业数据的准确性、一致性、时效性和完整性，提升数据质量，保障数据安全，推动内外部数据流通，将原始数据转变成数据资源，使数据具备一定的潜在价值，然后通过数据资产化和资产价值化，逐渐将数据资源转变为数据资产。没有数据治理体系作为保障，数据不但不能转变为企业资产，还很容易让企业陷入“数据沼泽”的陷阱。一个良好的数据治理体系，将为数据资产管理打下坚实的基础，是新形势下企业数字化转型的基石。

新形势，数据治理面临新要求

在数字经济的背景下，数据作为重要的基础性资源，海量数据的处理和使用成为常态。中电金信认为，数据治理作为“冰山下的工程”，不止是企业“一家之事”，更是国家数字经济发展的重要基础组成部分。而数据要素时代，监管报送、数据服务、敏捷开发、安全合规等方面都对数据治理提出了新的要求，数据治理在数据的开发端和服务端，在数据的内部使用和外部流通上都将成为核心驱动力量。

1.监管报送的要求

《中国银保监会银行业金融机构监管数据标准化规范（2021版）（EAST5.0）》对金融机构监管报送提出了更高的要求：要完整、准确、全面报送数据；要严格执行报送规范要求；要强化数据报送联动等。但是，目前监管报送整体现状还是数据人工核对工作量大、效率低、报送质量无法满足及时、完整、准确和可追溯的要求。通过数据治理，找出系统断点流程、完善数据链路、加快数据质量问题定位，不断提升数据报送质量和时效性，持续防范金融风险、促进金融机构数据治理和合规发展。

2.数据产品/服务的要求

《金融科技发展规划（2022-2025年）》提到：深化数据综合应用，不断拓展金融业数据要素广度和深度，打造科技赋能、数据驱动、业务联动的企业级数据服务能力中枢。数据服务不仅限于固定报表、管理驾驶舱等数据服务，还包括运用联合建模、图计算、数字孪生等技术手段对海量多样数据进行的价值挖掘和深度分析，需要构建面向用户、面向场景的大数据知识图谱和综合分析能力。通过开展数据治理，整合金融机构内外多样数据，提供完整、一致、准确、高效的数据服务。

3.敏捷数据开发的要求

《中国银保监会办公厅关于银行业保险业数字化转型的指导意见》提到：推动科技管理敏捷转型。通过建立数据治理基础框架，实现数据采集、加工、运维、服务过程一站式（DataOps），聚焦于协同从数据需求输入到交付物输出的全链路过程，明确研发运营目的，细化实施步骤，在系统工具、组织模式、安全风险管理的支撑下，实现数据研发运营的一体化、敏捷化、标准化、自动化、智能化、价值显性化，不断提升数据组织和数据系统之间的协同效率。

4.数据安全合规的要求

《金融科技发展规划（2022-2025年）》提到：做好数据安全保护。数据既要安全合规，同时不能影响数据服务共享，关键是要做好数据分类分级。通过数据治理，对重要性以及影响程度不一样的数据进行分类管控是目前金融机构数据安全管理的重要工作。

四大关键，磨炼数据治理“利器”

数字化转型趋势下，外部监管以及内部数据使用都对数据治理提出更高效、更准确、更完备、更合规的要求，企业如何抓住新形势下的要求，开展自身数据治理工作？中电金信长期致力于金融机构数据领域的实践和研究，针对数据资产管理逐渐积累形成了一套完整的方法论。纵观数据治理的发展历程，剖析数据治理的建设路径，根据近期发布的《中电金信数据治理白皮书》，持续投入开展数据治理工作可以从如下四大方向着手：

1.整体规划，全面布局数据治理，解决顶设问题

数据治理在国内金融行业已经有20多年的实践了，也积累了很多成功的经验，但企业在开展数据治理工作的时候，一定要结合自身业务战略发展、IT规划、数据管理现状等进行规划和实施。以体系驱动的方案是自上而下建设的，能够帮助企业达成对数据治理全貌的理解和共识，有利于推动后续工作开展。具体实践过程中需要与实际情况结合，以实际数据质量问题为抓手，不断提升数据质量甚至业务质量，最终实现数据价值。

数据治理体系一般包括:数据治理保障机制、数据治理平台、数据治理活动。数据治理保障机制除顶层的战略支持外，还包括数据治理组织架构、数据治理管理办法、数据治理管理流程。数据治理平台是落地数据治理活动的载体，一般由数据标准管理模块、数据质量管理模块、元数据管理模块、数据治理门户等组成。数据治理活动包括:数据标准管理活动、数据质量管理活动、元数据管理活动、数据安全管理活动、生命周期管理活动、数据模型管理、数据开发管理等。

2.标准先行，确定数据准入与改进的方向，解决抓手问题

随着近年国产数据库迁移的大趋势，通过数据标准梳理，在国产数据库中落地数据标准也是一个很好的数据治理抓手。数据标准驱动的服务方案一般包括如下活动：现状调研、标准设计、标准映射、标准执行和标准管理。

以数据标准为抓手启动数据治理项目，一定需要等待时机，如配合源系统新建/改造、主数据建设数据平台迁移等项目，以确保数据治理的实际落地效果。数据标准管理一定要制定好数据标准的保鲜机制。目前企业进行数据标准保鲜管理一般有事前、事中、事后三种模式。事前管控是在项目/系统建设的需求分析阶段就介入，让系统建设在开始阶段就围绕数据标准进行设计。事中管控，是在项目/系统开发过程中进行管控，借助数据研发工作站等工具，在数据开发过程中，落地数据标准。事后管理，是在项目上线阶段进行审核，对不符合标准要求的需要说明原因，若标准需要更新则更新数据标准。

3.局部改进，寻求数据治理的最佳性价比，解决效率问题

局部改进可以以高优先级数据质量问题改进或者以满足急迫的监管要求为依据局部推进数据治理工作，寻求数据治理的最佳性价比。

数据质量的好坏是数据治理工作好不好的最直接体现，所以，金融机构一般会启动专项数据质量提升项目来满足监管要求，也借助数据质量工作不断完善企业级的数据治理体系。

数据质量管理工作在金融机构已经开展了近20年了，关键是要做好两项工作，其一是数据认责，其二是质量考核评估。数据认责的时候可以综合考虑数据属主部门、数据开发部门、数据录入部门等职责。质量考核评估可以从如下维度进行设计：对客户整体数据质量情况进行评价形成评价体系(数据主题、属主、质量维度等)；对各研发团队在质量整改过程中的工作进行评价形成考核体系(当月问题整改率、按时反馈率等)；对部署的质量规则进行评价形成考核体系(有效率)。最终以此为基础确定高优先级数据质量问题推进。

此外，银保监会《关于开展监管数据质量专项治理工作的通知》提出了“提高认识，压实责任；突出重点，标本兼治；强化整改，完善机制”的总体要求，确立为期1年时间的监管数据质量专项治理工作，覆盖所有银行与保险类金融机构，这对商业银行来说也是一个很好的数据治理抓手。

4.升级改造，伴随新一代IT建设落地数据治理，解决时机问题

以新一代核心项目群建设为契机，通过数据标准建设、数据开发管理、数据资产运营等治理活动，将数据治理全过程融合进IT项目的生命周期中：规划需求、设计开发、测试上线、运营运维等阶段。在规划需求阶段，数据治理人员参与系统需求、架构评审，提出符合数据治理的建议。在设计开发阶段，通过一体化开发工具，参照数据标准进行数据模型建设，保证标准落地一致性。在测试上线阶段，由数据治理小组审核上线DDL，符合治理要求才允许上线。在运营运维阶段，实现数据资源的有效管理、有效管效；并且逐步引入更多的数据资产，提升数据资产受控比例。

数据要素时代下，充分发挥资源优势，释放数据的最大价值，离不开数据治理在背后的“百炼成金”。中电金信数据治理咨询体系和源启数据资产平台产品，以数据资产积累和数据价值创造为目标，利用大数据技术、AI技术以及数据安全技术，打造集数据管控平台、数据中台和AI平台为一体的数据智能底座，结合行业沉淀和数据治理，实现数据驱动的业务经营和精益管理，完成业务数据化、数据资产化直至资产价值化的转换，助力金融机构急速数据资产化，全面支撑企业数字化转型。

往期精选：

（点击查看精彩内容）

新媒体中心：主任 / 邝源  编辑 / 傅甜甜  张珺  邰思琪