商业银行数字化转型的数据治理问题研究

近年来，数字经济蓬勃发展推动了商业银行的数字化转型。突如其来的新冠肺炎疫情全球大流行，造成全球经济停滞不前，也给中国经济造成巨大冲击。在危机面前，商业银行纷纷化危为机，借助新兴技术进一步加快数字化转型。数据作为数字经济时代的新型生产要素，是商业银行的重要资产，也是其数字化转型的基石，数据治理也成为数字化转型的应有之义和关键环节。商业银行只有对数据进行有效治理，才能不断提高数据质量，更好释放数据价值，提升核心竞争力，增强风险防控能力，助力数字化转型，促进高质量发展。

01国内商业银行数字化转型的数据治理现状
(一)商业银行数字化转型的数据治理环境不断完善
近年来，随着商业银行数字化转型的发展，国家相继出台多部关于商业银行数据治理方面的规定，不断完善数据治理环境。

2018年4月，国务院办公厅发布《关于全面推进金融业综合统计工作的意见》，要求完善大国金融数据治理。2017年3月，银监会发布《银行业金融机构监管数据标准化规范》，对标准引用、采集数据结构、数据元等进行了详细规定。2018年5月银保监会发布的《银行业金融机构数据治理指引通知》(下称《指引》)，对数据治理进行了全面细致的规定，商业银行是其适用对象。《指引》将数据治理进行了明确定义；确立了数据治理应当遵循全覆盖、匹配性、持续性和有效性四大原则；要求建立组织架构健全、职责边界清晰的数据治理架构(见图一)；加强数据统一管理，做到数据的管理制度、业务规范、技术标准、数据采集、资料管理等方面的统一；进行数据质量控制，保证数据的真实性、准确性、连续性、完整性和及时性；实现数据价值，加强数据积累，提高数据加总能力，分析应用能力，挖掘能力，大数据技术应用以及量化分析能力；强化监督管理。


图一：银行业金融机构数据治理架构(内容来源：《指引》)

(二)商业银行积极推进数据治理工作

数据治理作为数字化转型的重要内容，对商业银行数字化转型的意义重大。目前国内商业银行普遍对数据治理高度重视，特别是《指引》发布后，各商业银行都积极推进数据治理工作。

目前国内商业银行数据治理主要采取两种模式：第一种以自建系统为主，适合实力雄厚，已自建金融生态圈、建立完善数据治理体系的大型商业银行、股份制银行和民营银行。前两者已具备完善的数据治理系统和良好的数据治理基础，后者本身就带有创新和科技基因，在自建系统方面具有天然优势，且成立时间短，历史遗留数据较少，数据治理可以轻装上阵。以工商银行(5.360, -0.12, -2.19%)最为典型，该行2002年起就开始建设数据应用体系，2019年11月发布智慧银行生态系统ECOS。在数据治理方面，该行已基本建立了集技术、数据服务于一体的大数据云生态体系，形成了一套较为完备的数据治理机制，构建了相对完善的数据治理框架体系。

第二种是自建+合作模式，适合采用“自主开发+外部合作”建立金融生态圈的大型商业银行、股份制银行和城商行、农商行。前两者可以与已打造的内外结合的金融生态圈相适应，后两者则数据治理工作起步较晚，资源有限，基础较弱，通过自建+合作的方式，既可以解决自身资源受限的问题，也可以借助合作。

伙伴的优势弯道超车。以招商银行(51.760, -2.48, -4.57%)为代表，该行实行“外接流量、内建平台、流量经营”的发展理念，内部建立互联网金融平台，外部与互联网相关的平台与场景合作。在数据治理方面，融合内部和外部数据建成大型数据池，实现系统方面的数据互联互通。为了提升大数据水平，该行与和华为合作的Fusion Insight大数据平台，和IBM合作的智能运维解决方案等。

(三)商业银行纷纷加大对数字化转型的投入

当前，数字化转型成为银行发展的重要驱动力，分析近几年商业银行年报可以看出，商业银行加大了对数字化转型的投入。从投入规模来看，2019年六家大型商业银行的投入位居前列。其中工、农、建、中的投入均在百亿元以上，在所在行营业收入的占比均在2%以上。其他商业银行也纷纷加大投入。其中招商银行的投入占比最高，占营业收入的3.72%。这些投入有利于推进数据治理工作。


02商业银行数字化转型的数据治理重点难点

经过十几年的发展，商业银行的数据治理水平得到很大提高，但随着数字化转型的加快，也逐渐暴露出一些新的重点难点问题。

(一)商业银行数字化转型程度不同，导致数据治理水平相差较大

在数字化转型过程中，商业银行越来越重视数据治理。但由于起步时间，自身基础，资源投入等存在差异，数字化转型的路径不同，模式不一，所处阶段和发展程度各异，导致不同商业银行之间的数据治理水平相差较大。

大型商业银行和股份制银行的数据治理工作走在前列，数据治理水平也处于领先地位。比如工商银行已形成一套较为完备的数据治理机制，实现了“数据辅助决策”向“数据驱动决策”的演进。

区域性银行的数据治理水平与大型商业银行和股份制银行存在较大差距。比如某省农联社直到2017年才开始搭建大数据服务和数字化营销平台，数据质量不高，来源相对单一，标准化程度较低，省内还没有依靠大数据支持业务发展的场景和应用。这不是个例，很多区域性银行虽然积累了海量数据(11.480, 0.06, 0.53%)，但是数据治理水平有限，数据孤岛问题凸显。

民营银行受网点规模限制，客户多集中于线上，很多为长尾客户，本身风险更大。但由于成立时间短，数据匮乏，无法满足业务发展和风险防控需要。

总的来说，商业银行如何对自身数据治理水平有一个清晰的认知和定位，并根据自身情况和数字化转型需要，探索出一条与自身定位、发展目标、经营环境相适应的数据治理路径，既是重点，也是难点。

(二)商业银行在数字化转型过程中，对数据质量的要求进一步提高

数据是商业银行数字化转型的重要基础，对其数字化转型作用重大。商业银行数字化转型的核心是“以客户为中心”，高质量的数据能够使其准确了解客户需求，提供精准产品和服务，全面提升客户体验。

然而大型商业银行、股份制银行等虽然积累了海量数据，但这些数据庞杂，来源复杂，标准不一，个别字段缺失或存在异常信息，部分失真，更新滞后，内、外部数据缺乏联系。民营银行由于成立较晚，数据匮乏，前期往往依靠网络爬虫技术或与第三方平台合作获取外部数据，数据质量不一。还有少数商业银行至今尚未搭建统一的平台，多个系统分散建立，造成数据重复冗余，标准不一。目前商业银行的数据质量尚不能完全满足数字化转型的需求，有待进一步提高。

(三)数字化转型让商业银行数据标准问题更为突出

商业银行数字化转型对数据要求的提高导致数据标准问题更为突出，数据标准不统一容易产生数据孤岛，会给数据治理工作带来极大障碍，影响数字化转型进程。

多数银行已基本建立统一的数据标准，但还面临四方面问题：一是如何利用数据治理推动数字化转型，应用数据引领业务发展，发挥数据最大价值。二是部分商业银行虽已建立了数据标准，但贯彻执行不力，数据标准落实不到位。三是数据更迭迅速，但部分商业银行的数据标准做不到及时、同步更新。四是随着数字化转型的加快，内、外部数据激增，迫切需要建立跨行业数据交互标准。

还有少数商业银行尚未建立统一的数据标准，内部数据可能是由不同系统按照不同流程和标准产生，外部数据更是千差万别，数据之间割裂，缺乏联系。


03保险业适应气候变化的情况

(一)结合数字化转型特点，不断提升数据治理水平

商业银行数据治理水平差异较大，因而，对自身治理水平有清晰认知和准确定位，并选择适合自己的数据治理路径就更为重要。

一是建立数据治理能力成熟度等级评价机制。通过该机制建立和评价自身数据治理能力，对数据治理的现状、能力和发展路径等进行认知和定位，发现数据治理的问题和短板，不断提升数据治理水平。

二是探索并选择合适的数据治理路径。不同商业银行数据治理水平不同，在数字化转型过程中，各银行应结合业务经营、风险防控和内部管理要求，以及自身特点和短板，选择一条与自身定位、发展目标、经营环境相适应的数据治理路径。

数据治理起步阶段的商业银行，思想上要重视，在总行层面建立全行数据治理体系；在战略上加强顶层设计，制定全行数据治理战略规划；积极推进各项数据治理工作，引进最新科技，以期实现弯道超车。

数据治理发展阶段的商业银行，要根据数字化转型要求，进一步完善数据治理体系，有步骤、按顺序地开展数据治理工作。对于发现的短板和出现的问题，要查缺补漏，补齐短板，解决问题。

对于在数据治理中领先的商业银行，要发挥数据驱动决策，数据引领业务发展的优势，巩固已有的数据治理成绩，继续探索引进最新技术，发挥数据在业务、产品、服务创新中的作用，将数据转化为成果。

(二)根据数字化转型要求，持续提高数据质量

商业银行应当根据数字化转型的要求，加强数据质量管理，持续提升数据质量，实现数据价值最大化。

一是建立健全数据质量管理制度。按照《指引》要求，商业银行应当确立数据质量管理目标，通过数据质量管控，现场检查，考核评价以及整改等各项制度确保数据的真实性、准确性、连续性、完整性和及时性，全面提升数据质量。

二是建立企业级数据质量管理平台。将分散设立的系统接入平台，以使该平台能够覆盖商业银行全部数据的全生命周期，为数据治理提供系统支撑。在该平台上设置合理的数据质量检测标准和指标，对数据质量进行持续、动态监测、评估和考核，针对发现的问题进行分析，查找原因，提供解决方案并进行反馈，由相关责任主体予以纠正。

三是加强数据质量管理的组织体系建设。数据质量管理具有很强的专业性，需要建立完善的组织体系，设置合理管理流程，明确职权和职责，配备一支专业化团队。

(三)适应数字化转型需要，进一步建立健全商业银行数据标准体系

商业银行应按照《指引》要求，适应数字化转型需要，站在全局角度，建立符合业务经营、风险防控、内部管理以及监管合规需求的统一的数据标准体系。

一是建立健全企业级数据标准。商业银行应当根据业务发展、风险防控、内部管理和监管合规的需要，设置统一的企业级数据标准。数据标准主要包括业务定义、技术定义和管理信息。业务定义要让业务规则及标准达到“定义统一、口径统一、名称统一、来源统一、参照统一”的要求；技术定义要对数据类型、数据格式、数据长度等技术性要素统一数据标准；管理信息要求明确数据标准的制定者、管理者、使用者，确保各责任主体对数据标准进行管理和维护，以保障数据标准与业务进行同步更新。

二是推动数据标准的贯彻执行。商业银行内部各部门加强联动，共同推进已经建立的数据标准落实到位。业务部门要与技术部门充分沟通，从业务经营、风险防控、内部管理以及监管合规的需求出发，推进数据标准化建设。技术部门在系统设计和建立时要将数据标准贯彻其中，用技术手段确保数据标准得到贯彻执行。监督部门对数据标准的贯彻执行情况进行监督，如有落实不到位的情况，及时纠正。

三是推动跨行业数据交互标准建立。随着商业银行数字化转型的发展，跨行业的数据交互与共享越来越多，交互标准的建立迫在眉睫。商业银行应当加强沟通，推动并积极参与跨行业数据交互标准体系建立，促进跨行业数据交互、共享及整合，实现数据价值的最大化。

04商业银行数据治理的发展趋势

数字经济时代，伴随着商业银行的数字化转型，数据治理将会迈入一个新的阶段。商业银行要以数据治理为契机，加快推进数字化转型，全面提高数字化水平，实现由传统银行向更加数据化、自动化和智能化的数字化银行转变。商业银行加强数据治理，在业务经营、风险防控、内部管理与监管合规等方面充分发挥数据作用，利用数据治理，实现数据驱动决策，为全面发展夯实数据基础。