◇ 作者：建设银行数据管理部 何喆 黄根在 王东 李聪
◇ 本文原载《债券》2024年12月刊
摘 要
2024年国家数据局发布《“数据要素×”三年行动计划（2024—2026年）》，提出我国数据要素发展的总体目标和重点行动。金融行业属于数据密集型行业，具有天然的数据禀赋。金融机构通过构建数据管理底座、推动数据采集扩源、完善数据治理体系、加强多源数据融合、强化数据安全合规管理，以数据为核心驱动力，重塑金融行业业务模式。本文基于对金融行业数据发展现状的梳理和总结，重点对数据要素在金融领域的应用要点进行了分析，并探讨了数据要素与金融业务融合的机遇和挑战。
关键词
数据要素 金融行业 数据湖 数据仓库 数据融合
数据要素市场的发展背景
随着新一轮科技革命和产业变革深入发展，数据作为关键生产要素的价值日益凸显。发挥数据要素规模报酬递增、低成本复用等特点，可优化资源配置，赋能实体经济，发展新质生产力，推动生产生活、经济发展和社会治理方式深刻变革，对推动我国经济高质量发展具有重要意义。
进入数据时代，传统信息化对经济社会发展的支撑和引领作用无法充分发挥，迫切需要打破行业壁垒，促进互联互通、数据开放、信息共享和业务协同，切实以数据流引领技术流、物质流、资金流、人才流，强化统筹衔接和条块结合，实现跨部门、跨区域、跨层级、跨系统数据交换与共享，构建全流程、全覆盖、全模式、全响应的信息化管理与服务体系。“十三五”规划提出，实施国家大数据战略，把大数据作为基础性战略资源，全面实施促进大数据发展行动，加快推动数据资源共享开放和开发应用，促进大数据产业健康发展。“十四五”规划指出，要加快数字化发展，建设数字中国，迎接数字时代，激活数据要素潜能，推进网络强国建设，加快建设数字经济、数字社会、数字政府，以数字化转型驱动生产方式、生活方式和治理方式变革。2022年末，中共中央、国务院印发《关于构建数据基础制度更好发挥数据要素作用的意见》，确立了数据基础制度体系的“四梁八柱”。2023年，我国提出组建国家数据局，推进数据资源整合共享和开发利用，标志着我国数据要素市场培育进展加速，畅通数据资源大循环的方向愈加明确。2024年，国家数据局发布《“数据要素×”三年行动计划（2024—2026年）》，提出数据要素发展的总体目标和12项重点行动，旨在推动数据要素发挥乘数效应，赋能经济社会发展。
金融行业数据要素应用情况
根据全国数据资源调查工作组发布的《全国数据资源调查报告（2023年）》，2023年，我国数据生产总量达32.85泽字节（ZB），数据总流量同比增长7.6%，消费领域数据交互活跃度较高。在公共数据方面，全国一体化政务数据共享枢纽接入53个国家部门、31个省（自治区、直辖市）和新疆生产建设兵团数据，公共数据开放量同比增长超过16%。18.6%的平台企业和51%的中央企业在数据开发利用过程中应用到政府开放数据，数据要素资源市场日渐活跃。
在数据要素市场建设体制机制不断完善的进程中，具有天然数据禀赋的金融机构积极响应国家对于数据要素市场建设的要求，进一步强化数据的创新利用，以数据为关键要素，以价值释放为核心，加速数据要素市场的流通和内外部数据融合应用。在中国人民银行《金融科技发展规划（2022—2025年）》等政策引领下，在外部技术变革和内部转型发展的驱动下，各金融机构数字化转型不断深入，业务范围基本从传统金融业扩展至多元化的数字金融服务，业务办理基本完成线下向线上的迁移，数据要素不断追求准确、及时、丰富、好用、安全、共享，金融服务更加追求高效、便捷、安全。
高效融通的数据应用需求对传统的数据管理模式提出更高标准。在传统金融机构数据管理中，数据孤岛现象严重，部门间、机构间、不同地域间的数据共享困难，数据应用效率较低。因此，各金融机构在加强数据治理、努力夯实数据要素基础、扩大数据采集范围、提升数据质量的同时，积极应用生成式大模型、隐私计算等技术，在数据采集和应用过程中着力提升金融服务能力和风险管理能力。金融机构也积极构建数据中台，开展数据整合与共享，提升数据可用性。
数据要素×金融服务的关键要点
金融机构以业务数据化、数据资产化、资产价值化、价值可视化、数据业务化为主纲，通过构建数据管理底座、推动数据采集扩源、完善数据治理体系、加强多源数据融合、强化数据安全合规管理，以数据为核心驱动力，重塑金融行业业务模式。
（一）构建数据管理底座
各金融机构尤其是以银行为代表的大型金融机构积极健全金融科技治理体系，打造新型数字基础设施，通过完善现代化的数据治理架构建设数据中心和金融网络，新建以数据中台为代表的业务中台、科技中台等一体化运营平台，建设数据湖仓（包括数据湖），加强内外部数据集成整合，全面塑造数据智能中枢和管理底座。以建设银行为例，经过近20年的努力，已实现数据驱动的数据湖仓管理策略和外部数据统一管理模式，形成了数据湖和数据仓库一体化的数据基础底座，并将持续提升湖仓数据供给满足度、及时性和易用性，依托数据资产管理平台强化数据资源的盘点和展示。
（二）推动数据采集扩源
在一定程度上，数据越丰富，数据潜在价值就越大。随着数字化转型的深入推进，金融机构对数据的敏感度远超其他行业。为充分利用数据要素，各金融机构自2014年就逐步探索丰富数据采集渠道、采集方式和采集内容，不断扩充数据来源。一方面，在建立数据仓库、实现行内数据汇集共享的基础上，不断扩大数据采集范围，除批量数据之外，逐渐增加实时数据、图谱数据和非结构化数据的采集。另一方面，加大外部数据引入力度，通过采购与合作等方式，从政府机构、事业单位、国有企业和征信公司大量引入外部数据，尤其是包括政务数据在内的各项公共数据。如建设银行已建成集实时数据、准实时数据和流批于一体的实时数据能力，日均采集数据超100亿条。此外，建设银行2018年对全行外部数据进行集中管理，以合法合规和全行共享为目标，共引入超150项外部数据，极大丰富了数据资源。
（三）完善数据治理体系
高水平的数据治理是数据要素质量的重要保障。在智能化时代，“好”的数据输入才能有“好”的决策产出。随着数据要素与金融业务深度融合，金融业务对数据质量敏感度极高，对于数据的准确性、规范性、及时性和连续性都提出更高的要求，一个数据错误或数据安全漏洞就有可能带来直接的资金损失。同时，监管机构在数据质量、数据安全和数据隐私保护等方面均对金融机构有严格要求。为此，金融机构高度重视数据治理体系建设，对数据治理的投入逐年增加。各金融机构通过确定数据治理目标、完善数据标准规范、加强质量监测和整改等举措，逐步提升自身治理能力。例如，近年来，建设银行持续完善数据治理体系，探索建立数据与业务、技术深度融合的模式，将数据治理要求融入业务管理流程，嵌入技术开发过程，形成数据、业务、技术共管共治的局面；发挥数据质量全流程控制体系的作用，通过数据质量需求、检查、分析、提升的管理闭环，压实数据质量问题的协查分析和整改提升机制，保证数据的真实性、准确性。
（四）加强多源数据融合
为发挥数据要素价值，金融机构横向寻求数据扩源，从内外部采集更丰富的数据；纵向推进多源数据融合，挖掘数据要素潜在价值。金融机构通过打破数据孤岛，整合来自不同渠道、不同格式和不同类型的数据，包括内部交易数据、客户信息、市场数据及外部数据，更加全面、准确地了解客户需求和市场动态，提升风险评估的准确性和前瞻性。
多源数据融合的核心能力包括丰富的数据采集方式、统一数据采集标准、统一的数据整合模型和多样化的数据服务模式。如建设银行已建成以湖仓为基础的多源数据融合体系，支持结构化数据、非结构化数据、实时数据、批量数据、图谱数据等多种数据采集能力，可提供账号查询、联机服务、批量传输、页面嵌入、自助查询等多种服务。通过湖仓建设，建设银行规范数据采集加工应用标准，保障数据质量，扫除数据应用流通障碍。同时，根据所在细分行业的业务特点，结合自身业务发展和战略规划，各金融机构构建具有自身特色的数据模型，在维度模型和范式模型的基础上，探索以粒度建模为代表的整合模型建模法，形成体系化、统一的企业级数据视图，尽量贴近业务应用和最终用户的使用习惯，提升非专业科技人员数据应用的便利性。
（五）强化数据安全合规管理
《中华人民共和国民法典》《中华人民共和国数据安全法》（以下简称《数据安全法》）、《中华人民共和国个人信息保护法》（以下简称《个人信息保护法》）等法律法规和《征信业务管理办法》《银行保险机构数据安全管理办法》等政策文件，均对各金融机构采集、应用、存储、共享数据提出了明确的安全合规要求。各金融机构着力从数据的采集方式、权限管理、数据授权等多方面对数据应用的管理流程、系统建设进行提升和优化。如建设银行建设了客户隐私授权管理平台，通过集中管理客户授权信息，提供客户授权核验服务，满足多个前端场景对不同内容进行授权的需求，同时对不同应用场景在数据使用时各种信息是否取得客户授权进行核验。
（六）重塑业务模式
数据要素重在应用，其价值只有与业务融合才能体现。近年来，金融机构推动数字化转型，其根本要义就是强化数据思维、提升创新意识，探索以数据为生产要素、以技术为生产工具的金融新业态、新生态和新模式。同时，伴随着国家相关政策的出台，金融机构围绕国家重点领域、重点行业、重点群体及重点企业掀起一轮创新热潮。如在2018年，建设银行创新推出以企业税务数据为基础的纯线上金融产品“云税贷”，自此开启金融机构金融业务线上化、数据化和智能化的新篇章。
数据要素×金融服务的机遇
在当今数字化浪潮汹涌澎湃的时代背景下，数据已无可争议地成为驱动经济发展和创新的关键生产要素。金融机构充分挖掘和高效运用数据要素的乘数效应，可以有效提升风险防控能力、金融服务能力和推动数字化转型。
第一，金融机构天然就是风险经营机构，提升风险防控能力是其永恒的主题，而数据是提升风险防控能力的关键物料。金融机构面临着各式各样复杂且隐蔽的风险，如信用风险、市场风险、操作风险等。而丰富且全面的数据能够为其提供详尽、准确的信息来洞察问题。金融机构的数据涵盖客户的基础信息、交易流水、资产负债状况、社交网络活动、宏观经济指标、行业动态等，通过整合这些数据，金融机构得以构建高度精细化和智能化的风险评估模型。这些模型不再局限于传统的财务报表分析，而是能够深入挖掘客户行为背后的潜在风险模式。例如，借助机器学习和大数据分析技术，金融机构能够实时监测异常交易行为，精准识别欺诈活动的蛛丝马迹，在风险尚未形成实质性损失之前就予以化解。而且，随着数据的持续积累和更新，风险评估模型能够不断自我学习和优化，适应市场环境的动态变化，从而更敏锐地捕捉新出现的风险信号，为金融机构筑起坚实且灵活的风险防线。
第二，数据成为满足客户个性化需求的“关键钥匙”。客户的需求日益多样化和个性化，金融机构只有深入了解客户的独特偏好、消费习惯、投资目标和财务规划，才能提供真正贴合客户期望的金融产品和服务。通过对海量数据的深度分析，金融机构能够对客户进行精准画像，细分客户群体，从而定制具有针对性的金融解决方案。比如，为年轻的创业者提供灵活的小额信贷产品，为有子女教育规划需求的家庭设计专门的教育储蓄计划。同时，数据还能优化服务流程，实现服务的智能化和自动化。借助数字化渠道，客户可以随时随地获取金融服务，简化手续流程，减少等待时间，享受便捷、高效且贴心的服务体验，进而增强客户对金融机构的信任和依赖。
第三，数据要素是驱动金融机构全面数字化转型的核心引擎。数据驱动的创新文化能够促使金融机构不断探索和应用前沿数字技术。例如，云计算提供了强大的计算和存储能力，使金融机构能够处理海量数据；人工智能带来智能风控和智能客服等应用场景，提升了服务效率和质量；区块链技术保证了数据的不可篡改和可追溯性，增强了交易信任。通过将数据与这些先进技术深度融合，金融机构能够实现业务流程的数字化重塑，从产品研发、市场营销、客户服务到风险管理，实现全方位的数字化运营和管理，从而提升整体运营效率，降低成本，增强市场竞争力，在激烈的市场竞争中脱颖而出。
充分发挥数据要素的乘数效应，对于金融机构在复杂多变的市场环境中稳健前行、创新发展，提升风险防控能力、金融服务能力和数字化水平，从而实现可持续的高质量发展，具有重要的战略意义。
数据要素×金融服务面临的挑战和建议
（一）专业壁垒较高，建议加快复合型人才培育
金融行业数据规模的指数级膨胀，需要从业人员通过较长时间学习了解相关数据的含义、结构及数据和数据之间的关联关系。同时，跨部门、跨机构甚至跨行业的业务融合，也需要从业人员花费大量精力来了解金融行业外的第三方数据，对从业人员的理解能力和分析能力都提出较高要求。随着先进算法的不断迭代和在金融领域的不断应用，从业人员需要不断学习新的算法原理和应用方法，具备一定的算法编译和应用能力。同时，为打通业务与数据的壁垒，从业人员需要对金融相关业务有足够的了解，对行业内的新型业务和创新业务有一定的敏感性。
目前，金融行业急需以数据分析能力为核心、具备金融知识和科技知识的复合型人才，但是由于数学专业和计算机专业壁垒较高，金融从业人员以金融、科技专才为主，复合型人才较为缺乏。建议各金融机构加强数据分析团队的组建，加强对金融从业人员和金融科技团队数据分析能力的支持和培养，采用以干代训、边干边学的方式，在金融机构构建数据分析思维体系，达到数据应用的最大效果，以数据沟通业务和技术。
（二）数据标准存在差异，建议加快行业标准制定
金融行业属于资金密集型行业，对数据准确性的要求极高，数据极小的误差都容易造成较大金融损失。因此，金融行业应用数据的前提是数据要素市场上的数据满足规范、准确、一致的要求，即数据应有统一、规范、可描述的数据标准、数据模型、业务规则，各个采集端和供给端的数据应满足数据标准和规范的要求，正确提供相关数据。同时，不同数据来源提供的同一数据应保持一致，不存在相互矛盾的情况。
目前，国家层面高度重视数据标准制定和数据治理工作，但是在各地方、各部门落地过程中存在一定的差异，容易造成不同地区的数据标准不统一、不同行业的数据同名不同义等情况出现，给金融行业数据融合应用带来较大困难。建议政府和监管机构牵头，对全国各个行业包括金融行业的数据，制定统一的数据采集标准。各行业在采集或应用相关数据时，应严格执行标准。通过统一的数据标准达到数据可跨行业、跨地域融合，从而更好地赋能金融业务。
（三）数据安全合规监管趋严，加强数据安全合规管理
2021年以来，我国先后出台《数据安全法》《个人信息保护法》，中国人民银行发布《征信业务管理办法》，围绕外部数据的监管政策逐步清晰明确，数据安全流通引发广泛关注。
金融行业是强监管行业。近年来，监管机构加大了对数据安全合规领域的检查和处罚力度。金融机构既要加强数据要素融合应用，又要保证安全合规。合法合规的数据应用成为工作重点。具体来看，金融机构要深入学习国家法律法规以及管理部门的政策文件，做到“外规内化”，完善数据安全合规管理制度和流程。同时，要充分借助金融科技力量，建设数据安全技术管控机制，完善数据安全合规技术手段，包括数据授权、身份认证、审计与监控等。最后，要加强监督和落实，确定应急预案并定期验证应急预案的有效性。
还没有评论，来说两句吧...