银行数字化转型是银行业伴随金融科技发展的必然趋势，而数据治理是实现银行数字化转型的基础，没有数据治理，就谈不上推进数字银行建设。作为一种新型“生产要素”，数据已成为未来银行重要的资产和核心竞争力，只有做好大数据治理工作，才能开展更为精准的客户营销、风险管理、运营优化等，实现从数据向价值的升华。

越来越多的实践表明，借助金融科技力量，银行业正在更深更广程度上实现效率变革和治理变革。银行业数字化转型正在加速推进，金融科技已赋能到各项业务并融入用户的需求习惯之中。目前，银行正积极以金融科技推动业务创新和场景应用，以及数据原生规划、数据资产管理、数据资产安全等方面的建设。对于拥有“数据金矿”的商业银行来说，如何挖掘数据价值关乎未来。各家银行都加快了参与数据要素市场化的探索，在数据融合需求日益迫切的同时，保障数据要素持有者的权益，也已成为实现数据要素有效开发利用的关键。在传统隐私保护技术无法保护数据在计算过程中的隐私安全的背景下，银行积极探索布局隐私计算技术，让数据在安全合规的前提下共享流动，有助于进一步挖掘数据中潜藏的价值。

为提升数据分析及用数能力，股份制银行进一步加快步伐。招行搭建了全行统一数据门户“招数”，推出了可以为全行提供可视化数据产品的商业智能平台；平安银行、光大银行建立了智能数据资产化管理体系；民生银行创新研发“灵犀意愿分、新竹信用分、百川信用分”等大数据风控和营销模型，释放数据的生产要素价值……

“银行作为连接千行百业的平台，要发挥关键的要素作用。”浦发银行相关负责人接受记者采访时表示，银行数字化进程要主动融入数字经济、数字城市的大生态体系之中。在加速金融服务自身数字化的同时，为客户提供高价值的优质服务。发挥金融服务关键要素作用，推动产业数字化提速和产业集群协同发展。

解锁金融科技未来方向

可以说，金融数字化、智能化、普惠金融等领域既是当下银行业发展的重点，也是难点。但在创新技术的关键领域，攻关、应用实施以及业务应用推广方面仍然存在较大挑战。通过数据与技术持续推动金融业高质量发展，切实服务实体经济，是金融科技创新的出发点，也是最终目的。那么，在数字经济的大趋势下，金融如何服务实体经济和开放合作创新？

“面对数字时代的机遇和挑战，金融科技领域可以重点从两个方面应对。一是要全力服务实体经济。科技企业应围绕产融结合，开展技术创新、释放自身能力和孵化创新成果，赋能实体企业和产业金融发展。二是要全面推进数字化建设。数据资产建设是数字化时代的“新基建”，银行要站在服务客户和产业发展的更高视角，通过数据融通、价值共创，提升应用价值和应用能力，为科技自主创新、产业高质量发展贡献力量。

数据治理是一项自上而下推动的，需要统一规划、统一协作的工作，但由于商业银行主要以条线管理为主，总行和分行在推进数据服务建设过程中存在必然的数据资源分散和技术壁垒等问题，导致在实施过程中面临各自为政、协同效率低，以及无法有效打通全渠道链路、数字化愿景难落地、大数据管理人才稀缺等种种困难。以切实、有效地推进并落实分行数据服务建设，提升银行内部整体数据治理水平和应用服务能力，实现对业务经营管理的数字化赋能。

银行该如何做好数据治理？

1.制定数据战略，做好顶层数据规划

数据战略是制定企业数据资产管理的总体目标和发展路线图，指导企业在各阶段根据路线图中的工作重点开展数据治理和运营工作。商业银行需要通过内外部环境的分析，并在自身业务特点基础上来制定数据战略。

比如，零售业务为主的银行，其数据战略应围绕如何获客活客，如何对客户进行画像分析，精准营销，提升零售服务水平，并结合这些目标制定数据战略；而主打对公业务的批发银行，应遵循了解你的客户的原则，识别清理异常类对公账户，降低此类账户引发的洗钱及监管风险。

2.逐步建立数据治理架构，明确归口部门

数据治理是企业战略，是一项全行性的系统性工作，有效的组织架构是数据治理的基础，因此我们可以从以下3个方面来进行：

（1）建立数据治理委员会

建立由高级管理层和各相关部门组成的数据治理委员会，统一领导数据治理工作，负责制定全行的数据治理战略，科学规划数据治理发展路线和实施计划。建立由高级管理层和各相关部门组成的数据治理委员会，统一领导数据治理工作，负责制定全行的数据治理战略，科学规划数据治理发展路线和实施计划。

（2）明确数据治理的归口部门

因为多数银行的数据归属不同的部门，容易出现职责分散、权责不明，归口管理部门的确定有利于进行数据的统一管理，制定科学有效的数据管理制度，保障数据治理工作有效推进。

（3）构建数据管理的组织架构

银行需要按照自身的业务特色和组织结构，来构建数据管理的组织架构。这其中有各部门只负责本部门业务领域数据管理的分散模式，也有统一由归口管理部门进行管理的集中模式。具体选择何种方式，主要取决于数据治理归口管理部门的人力投入与专业能力，例如组织的沟通、业务的理解和技术开发的能力等。

3.制定统一、明确的数据标准，提升数据质量

商业银行顶层设计的落地与实现，需要建章立制来开展：

首先，需要形成从章程、专项管理办法到工作细则三个梯次的制度层级，合理地制定数据治理的具体领域和目标，明确需要遵循的原则，需完成的任务、采取的步骤和具体措施等；

然后，归口管理部门发挥牵头作用，推动和监督流程执行，为数据标准制定工作，提供人力、技术、资金等关键资源，并获得管理层的行政支持和充分授权，通过激励和问责考核体系，推进数据标准工作的制定与执行落地；

最后，自下而上归纳与由上而下演绎相结合进行数据标准梳理，一方面需要自下而上整理信息系统中的数据情况，同时也需要自上而下定义数据主题、细化分类，两者结合才能够实现全面整体的数据视图，形成有效的数据规范要求。

4.多层次多途径推动数据标准落地

数据标准的制定和落地是数据质量提升最关键的前提，主要可以从以下5个方面来进行：

（1）厘清相关方职责

需要厘清数据标准编制、维护、落地过程中的相关方职责，比如：

数据治理归口管理部门负责建立企业级数据标准化规划，统筹数据标准新增、维护、停用需求，牵头建立数据标准管理工具（如数据管控系统），组织开展数据标准相关培训；

数据标准业务责任部门负责编制、维护与解释归属于本部门的数据标准。系统建设/报表开发需求部门负责在系统建设或报表开发的业务需求提出过程中，明确数据标准执行要求；

科技部门负责应用数据标准规范系统建设与改造流程，确保数据标准被有效执行。

（2）建立数据标准管理工具

数据标准管理工作繁杂，需要借助有力的工具支撑，把数据标准管理流程嵌入日常工作流程中，加强数据标准落地流程管控。

（3）数据标准闭环管理

建立有“生命力”的数据标准，定期评估数据标准的适用性。如数据标准是否可以覆盖外部监管要求，数据标准是否可以有效满足国际、国家、行业标准及业务需求，数据标准的系统应用情况，数据标准是否有对应的业务责任部门等。

（4）做好落地效果评价

持续收集数据标准实施落地后产生的问题并进行应对，以元数据管理为基础，核对数据与标准的映射情况，定期评估数据标准的落地效果。

银行未来的发展方向，一是面向提升客户服务，除了线上化能力，更关注用数字技术打造智能化、个性化服务能力；二是围绕数据驱动的技术，包括数据智能分析与应用，也包括跨领域的数据融合分析；三是网络安全领域，支持未来分布式的服务和运营管控的需要。