建立在豐富的應用場景之上，金融機構擁有海量的數據資產。隨著近年來數字化轉型提速，作為第五大生產要素的數據逐漸從資源轉變為資產。不過，許多金融機構在推進數據治理的過程中，仍存在著數據治理驅動力不足、缺少數據治理體系規劃、數據認責體系不完善、數據質量難提升等諸多問題。

在近期舉行的“金融數據治理研修班”上，上海市經信委信息化推進處副處長山棟明在致辭中提到，當前金融機構面臨三個不可逆轉的趨勢：一是數據既是新要素也是新賽道，數據資源持有權、數據加工使用權、數據產品經營權等權屬優化將會帶來全新的窗口和賽道；二是數據決策、區塊鏈記賬、數據資產化的趨勢將不可避免地成為金融機構創新產品，提升核心競爭能力的關鍵抓手；三是面對新窗口、新趨勢，金融業作為數據創造和消費強度最高的領域，迫切需要構筑起數據的要素稟賦優勢，當下要全面增強企業自身的數據管理能力成熟度，一手增強發展能力，一手守牢安全底線。

如何驅動金融業完善數據治理能力？

行業監管部門對于銀行業數據治理能力已提出更高要求。在銀保監會2021年發布的《商業銀行監管評級辦法》中，“數據治理”的評級要素權重被設置為5%，與“盈利狀況”相同。

在參與的多位業內人士看來，監管驅動是金融業致力于數據治理的主要切入點，從監管部門檢查發現的問題著手進而開展相關數據治理工作。

中國信息通信研究院云計算與大數據研究所副主任王妙瓊表示，金融機構開展數據治理能力建設的根因之一在于監管要求較高，自2018年起，銀保監會便推出《銀行業金融機構數據治理指引》，要求金融機構有自己的數據治理歸口部門，并要定期開展自我評估。

除監管驅動以外，浦發銀行數據治理專家在研修班上表示，通過外部機構評估是另一個促進數據治理能力的驅動因素，借助于客觀、量化的標準，對標行業水平，更加了解自身數據治理能力，從而開展針對性的提升。

據了解，作為我國首個數據管理領域正式發布的國家標準，DCMM評估（即《數據管理能力成熟度評估模型》）定義了數據戰略、數據治理、數據架構等8大核心能力域。目前已有來自十余個行業的企業參與了DCMM評估，軟件和信息技術、制造、通信、銀行、電力5個行業的參評企業最多，占總數的8成以上。

“銀行業數據治理的基礎在各行業中處于領先位置，此前參加DCMM評估的多家銀行的8大核心能力域分數相對均衡?！蓖趺瞽偨榻B稱，這是由于銀行作為數字化轉型的先行者，普遍認識到轉型不是單一技術或者局部業務的變革，而是包含組織架構、管理模式、經營模式、企業文化等在內的系統性變革，因此多家銀行將數據組織架構調整、制度體系建設、數據文化重塑作為數據治理的核心。

此外，業務驅動也可被視為數據治理的另一大切入點。前述浦發銀行數據治理專家表示，從業務需求側推動數據治理能力更需要找到側重點，一般可從業務戰略任務相關的數據入手，診斷問題并納入年度數據治理工作計劃，由此產生了完善數據治理能力的內部驅動力。

落實數據主人有望實現數據治理的“長治久安”

在推動數據治理能力的過程中，受到行業監管要求、業務性質和規模等多重因素的影響，金融業的數據治理工作也面臨著諸多共性問題亟需解決。

有參會的業內人士反映稱，金融機構內部的數據治理崗位規模仍然較小，人力配置也比較緊張，專業性更有待提升，致使數據分析、數據架構、數據質量等核心領域的工作難以常態化穩定開展。

其次在數據質量方面，“數據源頭管控難”也是一個行業內部老生常談的共性問題。對此，王妙瓊表示，數據質量問題并非僅通過搭建數據平臺便能解決，更多是發生在早期的數據收集階段，這需要后臺IT部門與業務部門在源頭進行數據管控。

具體從措施來看，參會的交通銀行數據治理專家介紹稱，可借助質量檢核工具去對源數據開展一系列自動化檢查，如若發現存在的數據質量問題，會基于改進流程，最終形成整改方案并跟蹤后續的整改進度，既有技術研發團隊參與其中，業務部門也會主動去發現一些數據質量問題進行反饋。

“數據質量的整改之難，‘根’在采集源頭、‘治’在業務流程?！鼻笆鼋煌ㄣy行數據治理專家總結說，如果在數據源頭就使用技術手段去屏蔽一些數據問題，其實并未徹底解決真正的問題，因此需要技術研發團隊與業務部門共同參與數據質量的管理工作，通過治理優化原本的業務流程來提升數據質量。

此外，如何化解數據治理工作的“持續之難”也在本次研修班上被多次提及，即需要實現成本、效果、時效的均衡。多位業內人士指出，數據治理工作是一個長期沉淀的過程，在固定團隊開展持續性跟蹤的同時，對于完善制度保障提出了進一步的要求。

浦發銀行數據治理專家表示，在全行級的數據治理制度體系框架之下，需要各地分行、各個業務部門分別制定和完善本領域的數據管理制度，將數據質量管理內嵌入業務流程和業務系統中，最終形成一個縱橫相結合的制度體系。

“落實數據主人是建立全面質量管理體系的根本保障?！苯煌ㄣy行數據治理專家介紹說，一方面是對數據主人進行“角色劃分”，根據職責范圍細分為所有者、生產者、使用者、管理者。另一方面，需要落實數據主人的關鍵數據，包括各業務條線、各業務系統的共享數據；重要的監管報送數據；關鍵分析應用溯源后的數據等。

交通銀行數據治理專家進一步表示，數據主人的“角色劃分”還有助于落實實際的“責任抓手”。具體來看，一是按所屬業務領域分解，可基于數據分類分級，將數據分解到主管部門進行拆解；二是按功能模塊分解到各業務部門，原則是“誰錄入誰負責、誰核定誰負責”；三是按需求提出方進行分解，一般針對的是新建或重構系統的指標標簽類數據需求，原則是“誰提出需求誰負責”。

責任編輯：方杰