11月8-12日，2023金融街論壇年會第三屆全球金融科技大會暨第五屆成方科技論壇在京舉行?！躲y行業數據治理20講》作為本年度金融街論壇年會及第三屆全球金融科技大會的學術成果在11月11日舉辦的“數據治理與金融科技變革”平行論壇重磅發布。本書由中國銀行業協會首席信息官高峰與國家金融與發展實驗室副主任楊濤共同主編。

據悉，該書共分為綜合探討、行業實踐、數字技術三篇。綜合探討篇主要圍繞銀行業數據治理的基本理論支撐、系統性邏輯等展開研究；行業實踐篇則聚焦于行業實踐落地方面進行了更加深入的探索；數字技術篇從多個不同的視角出發，深入探討了新興技術如何在銀行業數據治理中發揮更大的作用。

楊濤在成果發布環節中表示，做好數據治理是金融機構推進數字化轉型的重要抓手， 即通過提升行業數據要素、數據資產的綜合管理應用能力，促進金融業投入產出模式的優化，提升金融業全要素生產率。而要使得數據真正成為金融業變革的核心力量，還需進一步實現數據要素鏈、數據資產鏈與數據價值鏈的“三鏈融合”。

楊濤認為，首先要把數據的采集、存儲、處理、交易、保障等環節做好，使數據真正成為要素；其次，要通過價值評估和財務計量，把更多的數據要素提升為數據資產，這意味著數據要變得更加標準化、可識別、可利用；最后，數據要素到數據資產的演變，要有助于提升金融機構服務能力與深度，為科技創新、普惠小微、綠色轉型、鄉村振興等帶來“增量價值”。

作為資產規模最大的金融子行業，商業銀行的數據治理成效和數字化轉型進展與服務實體經濟的質效息息相關。當前，商業銀行加強數據治理還有哪些難點痛點？近期大火的生成式AI大模型又會對商業銀行的數字化轉型帶來哪些機遇與挑戰？21世紀經濟報道在論壇期間對楊濤進行了專訪。

商業銀行數據治理工作如何再上臺階？

《21世紀》：加強數據治理是商業銀行數字化轉型的重要抓手，目前還有哪些瓶頸需要突破？

楊濤：數據治理已經不單單是一個企業、一個行業要考慮的問題，而是要從全社會、全生態的視角去考慮、去發力的問題。當前我國數據要素應用的最大障礙就在于治理和交易環節，而數據資產治理則是更為前沿和復雜的領域。我們認為，數據資產治理首先是要基于管理學意義，使得數據成為標準化、有價值、權益清晰的資源；其次是要基于會計學意義，使得數據更加可確認、可計量、可流通，從而全面提升數據的價值創造能力。

還有就是要探索數據資產的投資與交易模式。伴隨大數據時代的來臨，數據交易已經無處不在，但也體現出獨有的復雜性。數據產品具有內生性、非競爭性、計算性、外部性等特點，其復雜性則緣于參與主體多元化、權屬關系多樣化、非標準化與高敏感性等。當數據成為資產，其交易復雜性則進一步提升。按照未來會計處理思路，符合規定的、企業內部使用數據將界定為無形資產，對外交易的將界定為存貨。

由此，不僅二者的邊界需要更可行的區分，而且在對外交易過程中，將來還會面臨跨行業、跨領域、跨標準、跨境的公允價值確定難題。此外，當數據資產作為金融活動的抵押物、甚至自身成為金融投資交易的標的時，其金融屬性的提升則帶來更多的挑戰。

最后是要創新數據資產的監管體系。隨著相關法律制度的完善，我國逐漸建立起數據領域的全方位監管、治理和保護機制，但就數據資產層面來看，還存在諸多的監管模糊性。如目前發改、工信、網信、金融監管部門、市場監管等都承擔了一定職責，但統籌監管嚴重缺失；中央與地方的監管協調也存在眾多空白。

此外，當數據資產價值逐漸凸顯，全球的跨境監管難題將更加突出，由于缺乏統一的跨境治理框架，不同國家地區在相關法律合規上將會有更多沖突。

《21世紀》：商業銀行加強數據治理應當從哪幾個方面入手？除了自身努力之外，還需要哪些外部支持? 

楊濤：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，數據治理不能夠漫無目的，或者一味“照搬照抄”，需要根據銀行綜合發展戰略的要求，來“量身定制”數據戰略。例如，對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；對公業務為主的銀行，則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，則應該著力關注如何通過數據治理來提升開放能力、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，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，這也是因為責權模糊、動力缺失、IT建設完善周期太長等，這就需要真正完善數據共享共贏、創新驅動的承載機制。

除了從商業銀行自身角度加強和完善數據治理工作，還有許多因素需要從政府與監管層面著手，努力創造更好的外部環境保障。

一是推動數據治理的規則完善。例如，數據要素要在整個社會再生產中發揮作用，離不開數據生產、交換、分配、消費等環節，這意味著從起點開始就需要考慮數據要素確權問題。再如，個人信息保護、國家安全信息保護等問題，也始終貫徹在數據應用中。此外，數字治理也離不開對ESG的關注，即企業環境、社會和治理績效的發展與評價理念，因為在數據應用中可能也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。而銀行業的數據治理還需要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。

二是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?？陀^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。

三是強化專業人才保障。央行發布的《金融科技發展規劃2022-2025》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，包括：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，負責數據處理和系統平臺建設。如果不能盡快從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”。

大中小銀行對生成式AI的需求具有差異性

《21世紀》：目前，以ChatGPT為代表的生成式AI大模型技術在金融領域可以有哪些應用？

楊濤：當前，生成式AI在金融領域的應用已經成為金融科技創新的熱點領域，金融機構也在積極布局。通常來看，現有生成式AI大模型的參與者主要有三類，一是對標ChatGPT基礎層，試圖打造基礎設施類通用大模型；二是側重中間層來打造行業大模型，與底層通用大模型合作共贏；三是基于通用大模型或行業大模型開發AI工具，落地具體場景應用。

而就金融領域的應用看，生成式AI已經在幾個層面逐漸展現其價值。一是在提升面向客戶的服務能力方面，可為金融機構員工的專業化營銷、渠道維護提供支持；二是在改善機構工作流程與效率方面，可進一步提升業務鏈條智能化與辦公模式自動化；三是在文本處理方面，對金融機構的一般文本、專業合規文件及業務所需的信息，能夠以更低成本、更高效率提供技術支持；四是對金融機構提供IT支持，其代碼生成功能可以提升IT基礎工作的效率。

《21世紀》：生成式AI大模型技術的興起會給商業銀行的數字化轉型帶來哪些變局？  

楊濤：雖然金融機構對于生成式AI大模型的長遠意義都高度重視，但短期內的實際需求仍具有差異性。具體來看，大型銀行的資源與實力較強，通常希望提前進行大模型布局，為AI的長期應用做好算力準備。就中型銀行而言，有的試圖推動數字中臺升級，實現更好的自動化與智能化，強化各信息系統的一體化、集成化水平，提升數字內容管理和運營能力；有的則期望生成式AI給業務帶來突破性應用，真正提升機構的創新力與盈利能力。對小型銀行來看，由于缺乏足夠的資源支撐，則更多是希望通過與技術企業的合作，來為數字化轉型奠定更好的基礎設施“底座”。

應該說，ChatGPT已經使AI走到新拐點，而根據麥肯錫2022全球AI調研報告，我國AI使用率暫時落后于全球平均水平，迫切需要利用大模型賦能產業。金融業作為經濟社會健康運行的“基石”之一，也是特殊的信息處理行業，完全應該抓住機會、創造條件，利用AI來推動自身高質量發展，使得服務更加高效、便捷、有溫度。對此，需直面生成式AI大模型技術帶來的如下挑戰。

一是數據保障。生成式AI預訓練大模型的快速發展，需要高質量、大規模、多樣性的數據集，其在金融業的應用更需要豐富的行業數據支撐。目前國內雖然數據資源豐富，但由于數據挖掘、治理、交易等都存在不足，使得中文優質數據集仍然稀缺。金融業的數據基礎雖然優于多數行業，但也存在非標準、碎片化、分割化的問題。由此，迫切需要推動數據資源、數據要素、數據資產的優化升級。

二是算力保障。當前，我國AI算力規模已居于全球前列，但算力質量仍有待提升。尤其是2022年7月美國眾議院通過《芯片與科學法案》，又持續對 AI 領域的關鍵技術和硬件實施面向我國的出口管制，對于生成式AI大模型的算力“上限”沖擊較大。因此，如何提升國內算力的創新能力和適應性，以及改善國際科技貿易環境，都是題中應有之義。

三是產業政策保障。網信辦等七部門聯合公布了《生成式人工智能服務管理暫行辦法》，意味著我國進入“生成式AI”立規新階段。未來既要注意遵循國際共識，對其發展設置風險原則與底線，也要防止政策與規則過于超期反而阻礙技術進步，同時避免對創新責任的泛化、技術路線的低效約束等，真正以政策“護航”來抓住新技術革命機遇。

四是行業監管保障。當AI在金融領域應用時，更需關注大模型的可審計性、可解釋性等難題，以及參與金融活動引發的風險特征變化、數據保護、責任分擔、合規邊界等問題。同樣，生成式AI在可信性方面的不足，以及給金融詐騙帶來的“魔高一丈”，都給金融應用帶來新的挑戰。當然，在多國金融監管者都持觀望態度時，如果我國能夠處理好效率與安全的監管“蹺蹺板”，將促使生成式AI成為完善金融服務實體的強大助力。      

責任編輯：王超