前言

2018年5月21日，中國銀保監(jiān)會印發(fā)《銀行業(yè)金融機構數據治理指引的通知》（銀保監(jiān)發(fā)〔2018〕22號）通知中明確指銀行業(yè)金融機構需加強數據治理，提高數據質量，充分發(fā)揮數據價值，提升經營管理水平，由高速增長向高質量發(fā)展轉變。

金融行業(yè)大數據、人工智能等技術的持續(xù)應用，金融機構數據規(guī)模、數據應用范疇、數據質量及其安全評估體系的需求不斷發(fā)展，數據資產管理的重要性愈加凸顯。數據資產管理旨在提升數據的質量和價值，保障數據的安全及合規(guī)性，為大數據內部應用或外部運營打下夯實的基礎，是實現金融機構數據安全應用和持續(xù)、合規(guī)服務、符合監(jiān)管機構要求的重要前提和保障。

并且隨著金融行業(yè)數據化戰(zhàn)略在各業(yè)務領域的快速發(fā)展，以數據為業(yè)務導向的金融大數據、人工智能時代到來，數據在金融機構的重要性不言而喻。在金融機構內部，依靠有效的數據治理體系的建設來支持對數據的使用，保證數據的安全、形成可持續(xù)服務的數據智能化應用體系建設。金融數據治理體系的建設將做為支撐金融機構數字化轉型、應用智能化轉型的基礎設施，成為金融機構履行數據安全、管理、治理管控、價值實現、服務、監(jiān)管職責的重要手段。

隨著《銀行業(yè)金融機構數據治理指引的通知》（銀保監(jiān)發(fā)〔2018〕22號），政策的執(zhí)行，標志著數據資產的管控和應用，已經是行業(yè)共識和行業(yè)合規(guī)性強監(jiān)管方向，然而現實中，大部分金融機構數據資產的管理和應用還處于摸索階段，仍然面臨諸多挑戰(zhàn)。隨著數據輔助決策、數據輔助管理優(yōu)化、研判決策、風險規(guī)避、業(yè)務拓展、管控成本等業(yè)務理念的不斷提升，數據治理、數據管控、數據合規(guī)、數據安全、數據應用等規(guī)劃將從“理論、研究”走向“實踐、落地”

金融機構中數據應用中面臨的問題

在金融數據經濟時代，數據的充分應用無疑成為金融機構業(yè)務持續(xù)發(fā)展的重要抓手，“數據價值”在銀行經營管理中的地位和作用越發(fā)凸顯，呈現出由簡單的靜態(tài)數據管理向基于動態(tài)數據的綜合分析轉化，人為經驗判斷決策向基于數據的模型輔助決策轉化，業(yè)務分類零散管理向基于數據的體系管理轉化?；跀祿_展金融業(yè)務創(chuàng)新是未來銀行創(chuàng)新的方向。但是金融機構在數據應用中往往會面臨如下問題：

第一類問題就是數據資產不清晰?，F在很多金融機構都無法充分了解自己的數據，企業(yè)中到底有多少數據？數據都是什么樣的？這些數據到底可以發(fā)揮什么作用？數據可應用在什么場景？

第二類問題是缺乏統(tǒng)一數據標準。整體數據流程缺乏統(tǒng)一的數據標準，無法有效避免數據混亂沖突、一數多源、多樣多類等問題。

第三類問題是數據業(yè)務邏輯規(guī)劃混亂：內部數據的采集、傳輸、存儲、應用、開放共享等數據交互流程及數據邏輯規(guī)劃存在不合理現象。

第四類問題是缺乏統(tǒng)一數據視圖：跨平臺、跨系統(tǒng)、跨數據表應用缺乏全面、準確、完整地數據視圖。缺乏統(tǒng)一的數據流、數據邏輯、數據字典、敏感數據分布等一體化的數據視圖。

第五類問題是數據脫敏、抽取及處理：數據脫敏、數據采集、數據融合、預處理等業(yè)務需求，缺少統(tǒng)一系統(tǒng)進行處理及服務，導致數據集中處理工具不統(tǒng)一、流程、格式、標準、脫敏算法不統(tǒng)一。

第六類問題是數據質量管控。數據應用中，現有數據質量無法達到數據價值應用平臺要求，數據缺值、數據格式不規(guī)范、數據字典及標識遺漏、噪音數據等數據質量問題無法進行統(tǒng)一數據應用評估和質量管控跟蹤。

第七類問題是缺少安全監(jiān)管勢手段和方法。缺乏有效的數據安全管理機制和手段，對敏感信息、隱私信息、保密信息的訪問缺乏有效控制使其脫敏脫密合規(guī)，對數據使用流程管理、建立數據申請、抽取、脫敏、使用、回收、銷毀的全邏輯業(yè)務監(jiān)管手段和方法。

網智天元“金蜂巢“產品助力金融科技數據治理體系建設

通過網智天元“金蜂巢”產品建立科學、合規(guī)、可控的數據服務體系，為促進金融機構“數字銀行“的標準化數據服務體系構建提供技術支撐。通過標準化數據質量平臺體系建設幫助業(yè)務部門基于現有的數據環(huán)境，通過整合應用、梳理數據資源、數據標準化處理、數據安全保障體系的建設為數據使用者提供合規(guī)、安全的服務。從數據的運營角度、業(yè)務應用視角考慮數據價值的信息化體現。

網智天元“金蜂巢”數據治理平臺體系架構如上圖所示，服務體系主要包含合規(guī)驅動、風險管控、業(yè)務安全、數據質量管理、數據標準化管理、安全措施、治理措施等七大類治理跳線；系統(tǒng)平臺包含數據標準管理、數據模型管理、元數據管理、主數據管理、數據質量管理、數據生命周期管理、數據安全管理、數據資產價值視圖、數據敏感性管理，安全監(jiān)控管理、管控執(zhí)行管理、數據資產管理等12大類功能。

數據標準化

數據質量標準化體系的建設分為兩個條線“由下而上”的數據標準化梳理方式和“自上而下“的應用標準體系建設?！坝上露稀蓖ǔＪ窃诂F有數據存儲結構的基礎上，設計企業(yè)數據模型，然后歸并數據項，形成數據標準。然后“自上而下”進行標準體系的流程貫穿和管控。

數據質量管理

數據資產質量管理，要求能夠從數據的準確性、完整性、及時性、一致性等六性的維度，對數據資產的質量進行管理，從數據問題定義、問題發(fā)現、問題處理、問題跟蹤和問題評估統(tǒng)計5個環(huán)節(jié)，構建資產質量的閉環(huán)管理流程。

數據集成挖掘

通過數據集成把海量的數據管起來，建立元數據的模型，形成資產密度分類，結合已有的的模型體系進行歸類和整合。將收集的元數據分類歸集到信息模型上，形成多維度的、完整的模型體系，從而貫通業(yè)務技術。為數據的使用方提供數據生產線，為數據的收集、轉換、清洗、脫敏、存儲、探索、可視化等提供方便的工具和研發(fā)過程。

總結

數據應用、治理先行，網智天元希憑借多年信息安全、數據安全、數據規(guī)范、數據質量管控平臺軟件的建設實施經驗及多家金融機構、政府機構的數據治理體系的建設經驗，希望在今后為金融機構數據質量體系建設和服務提供有力的產品及服務支撐。