从2005年开始，银行业的数据管理从局部管理发展到统筹管理，再到管理运营。银行在数据管理向数据资产管理与运营的转型中，其数据政策、管理手段、运营模式在大数据时代的浪潮下不断修正与重塑，已经从简单的支持经营分析与业务决策向推动业务创新、资源整合应用以及数据价值变现方向跨越，并根据自身特色开展数据资产管理与运营实践。随着银行业与各行业融合度不断加深，银行数据规模急剧增大，数据不断衍生，数据类型不断丰富，银行加速向数字金融、网络金融、智能金融方向推进。在此环境下，商业银行以管理驱动的数据战略导向亟待转变，寻求可持续、价值型的数据发展成为必然选择，以价值为导向的数据资产运营正是实现这一转型的有力工具。 

目前国内银行对数据资产的管理和应用还处于初步阶段，在不断探索实践过程中碰到了诸多困难，可以总结为五大痛点。 

缺乏整体规划，持续迭代能力较弱，造成的结果是投入大、产出小。目前大多数银行缺少明确可落地的数据资产管理与运营整体规划，采用“头痛医头，脚痛医脚”的方式开展数据资产管理工作。运营的理念较为薄弱，往往依靠数据咨询项目出具顶层规划产物来驱动数据资产管理，如制定数据标准、建立数据模型、开展数据质量提升等方式。但是数据资产管理与运营是一个系统化工程，数据标准或者数据质量相互独立又互相依存，需要用全局的角度和统筹的方法，实现数据资产管理与运营生态。 

缺乏统一的数据资产视图，用户“不知、不懂、不会”问题显著。随着业务发展，银行堆积着大量数据，但不同种类的数据散落在各系统和平台中，数据使用者面对海量的数据，不知道有多少可利用的数据，并且数据含义或在文档中体现，或口口相传，解释不够权威，用户难以懂得数据真正的含义，同时传统的数据服务多为被动式服务，只是单纯地汇总并展示数据，专业性强，使用门槛高，用户获取和使用数据需要较多的数据背景，知道数据在哪里才能抽丝剥茧般地找到，效率较低。 

部分银行过于追求大而全的数据标准，难以落地。部分银行对于数据标准过于依赖，追求构建全行适用、全业务可落地的数据标准，造成数据标准越做越多，落地工作量越来越大。如某城商行制定全行数据标准，标准从1000条逐渐增加到20000条，扩充了20倍，但是数据质量并没有提升，反而因为标准过多，难以落地，造成数据孤岛化，数据质量参差不齐，阻碍了业务和金融科技的快速发展。 

数据应用发展缓慢，单点发力，缺少统一的运营管理。受限于数据规模和数据源种类的丰富程度，多数银行的数据应用刚刚起步，主要集中在精准营销、舆情感知和风险控制等单点场景，并且由于没有统一的数据资产运营规划，应用场景深度不够，且不成体系，发展缓慢，难以全面发挥数据价值。 

数据价值难以估算，无法准确衡量数据效能。由于数据的价值很难评估，银行难以对数据的成本及其对业务的贡献进行评估，导致难以像运营有形资产一样管理数据资产，无法有针对性地进行数据效能评估，从而精准地进行资源倾斜，快速发挥数据资产价值。 

 知难行易，数据资产管理与运营是一个系统工程，需要统筹规划和实施。数据资产管理是银行科技治理体系的重要一环，是数据与业务深度融合的催化剂，是银行金融科技发展与创新的基石，更是银行数字化转型的制胜关键。 

金融科技创新。数据赋能银行数字化转型是大数据时代的必然选择，银行基于数据要服务什么客户，采取什么服务模式，支持什么业务产品，决定了其在数据资产管理与运营上的需求是什么。银行首先要明确数字化转型的战略方向，战略方向确定后，数据资产管理与运营工作可以金融科技战略为指导，构建相应的数据治理体系。以光大银行“123+N”数字银行发展体系为例，该体系以金融科技为基础，依托战略规划与企业文化，构造银行数字化转型“方法论”。包括一个智慧大脑、两大技术平台、三项服务能力和N个数字化名品。一个大脑包括智能思维左脑和生物感知右脑。左脑基于数据挖掘、机器学习等技术打造智能决策和思维能力。右脑基于生物识别、自然语言处理等技术打造生物感知和交互能力。云计算平台和大数据平台是底座，为智慧金融大脑提供算力、存储、资源部署和数据分析等技术支持。三项能力包括移动化能力、开放化能力和生态化能力，增强数据产品的活力与生命力。N个数字化名品包括云缴费、云支付、随心贷等，是激活数据价值、促进银行金融科技数字化转型的有力抓手。 

数据治理创新。在金融科技的战略目标和体系框架下，明确支持金融科技战略目标实现的数据治理总体框架，开展数据治理的重构和变革。同样以光大银行为例，光大银行数据治理总体框架包括“统一管理、合规底线、协同共建、创新驱动”四个方面。一是统一管理，通过建设智能化的数据资产管理平台和“五统一”的外部数据管理平台和机制，实现数据资产的全面盘点和智能搜索，并为后续数据资产的智能化应用奠定基础。二是合规底线，通过构建法律、风险、消保和技术四位一体的防护体系，确保各项数据合规要求落到实处。三是协同共建，以大数据平台为底座、数据中台为支撑，智能应用为目标，联合业务部门协同推进智能运营、智能风控、智能服务等智能生态。四是创新驱动，通过开展数据资产估值、多方安全计算和阳光评分等数据产品的创新研究，加强数据共享应用。 

数据资产管理与运营模式创新。基于数据治理的框架，在数据内容、系统平台和流程机制三个维度进行细化和落地，将数据作为资产进行管理，将释放数据价值作为目标进行运营，开启数据资产管理与运营的新模式。光大银行提出“全面、权威、智能、敏捷、生态”的数据资产管理与运营目标，从“管好数”转变为“用好数”，全面开展内容建设、平台建设和机制建设，促进数据价值转化，稳健可持续地为银行数字化转型提供数据支撑。通过工具化、自动化、智能化手段，与数据设计开发、数据应用流程深度融合，打通“查数、懂数、用数”一条链，降低数据资产使用门槛。以“服务”驱动数据资产管理，以“运营”打通数据资产链路，推进业务数字化、数字价值化、科技智能化，构建“业务+数据+科技”三位一体的数据资产管理与运营体系。 

数据资产管理与运营体系框架落地需要管理和执行并重、工具与内容同步建设来实现，通过平台建设支撑管理与运营工作，通过对数据的管理和运营丰富平台内容，促进平台发挥作用。建设智能化数据资产管理平台，开展全行数据资产采集、登记、管理、服务、估值，并为数据资产管理与运营提供智能化支撑。建设数据模型设计工具，实现管理要求前置，数据标准智能落标，提升数据模型开发效率，提高数据资产质量。 

构建数据全景视图，强化数据资产管理。构建全行数据资产全景视图，覆盖全部系统和平台，并支持数据标准、数据质量、数据安全等管理功能。 

前置数据管理要求，提升数据治理水平。将数据管理要求与具体流程结合，并通过平台工具和管理要求落实到日常工作中，真正发挥管理指挥棒的作用。开发数据模型设计工具，并嵌入到系统的开发设计流程中，保障数据标准的有效落地，从源头提升数据质量。数据模型设计工具支持开发人员的正向建模、逆向建模、版本管理等操作。在规范系统设计开发的同时，高效维护数据资产。 

支持一站式智能服务，提高数据应用效率。提供智能搜索、智能推荐、智能导航等一站式服务，并且支持个性化、组合化、场景化的灵活配置，改善用户体验。支持一键搜索，实现关键字、模糊匹配、组合等智能搜索“任性搜”；根据不同场景和标签，实现引导式智能导航“贴心查”；通过算法，匹配关联度、活跃度等变量，实现智能推荐“随心看”；对数据质量、数据分布、数据使用开展多维评价，实现智能评价“放心用”。 

我们正处在“两个一百年”的重要历史时点，又适逢“十四五”全面擘画之机，在开启全面建设社会主义现代化国家新征程的重要历史关头，行而不辍，则未来可期！数据将在未来发挥着越来越重要的作用，数据资产的管理与运营需要适应时代的发展，不断创新，开拓进取，助力数字化转型，推动社会发展，起到发动机的作用。商业银行应持续在数据资产管理领域不断探索与创新，以金融供给侧结构性改革为主线，以金融科技创新为支撑，共筑数据资产新生态，为行业的数据资产发展蓝图贡献力量！ 

                                作者单位：中国光大银行信息科技部

*文章来源：智慧金融创新研究中心

*侵权必删