题：商业银行的数据治理亟待解决哪些问题？

作者 周学张 交通银行数据管理与应用部副总经理

(资料图片仅供参考)

2018年银保监会颁布了《商业银行数据治理指引》，至今已有五年时间。数据治理的理念在各行各业已经基本被接受，甚至开始实施，但数据治理如何在银行业赋能业务？

提到数据，大家都在想能否精准画像，生成一些推荐策略，但其实闭环式营销远远不止这些问题。只是生成策略和推送远远不是闭环式营销的全部，从策略的生成到落地执行和效果评估，包括最后策略的进一步迭代，整个闭环是需要全链路数据打通的。但在我们的实践过程中，这里涉及到方方面面，从营销系统到后面的管理会计系统数据打通问题。

数字化转型通常都会提到智能风控，但可能会涉及到相当多的团队或者事业部，这些风控策略是不是能够统一，形成一个企业一个客户、兜底和盖帽等等相应策略的组合体系，这些是数据治理需要助力的关键问题。

量化的绩效考核可能是大家追求的，但以商业银行为例，其实从总行到省行和网点，整个数据颗粒度、时效性是不是能够全面实现量化、实时的处理？不量化、不考核的背景下如何推进？这些都是数据治理需要解决的问题，包括人工智能时代的数据智能化升级。

商业银行的业务和数据中台，本质上有两个驱动因素：过去商业银行的传统数据仓库，相应的分析环境本身是有一个信创升级的过程，所以从商业银行角度来讲是数据中台建设的驱动因子。商业银行本身的大连接、组件化、规模化、事业部制的演进过程中对业务的沉淀、对数据组件的沉淀自然而然的结果。因此从我们的实践来看，目前打造业务和数据双中台还是契合业务发展的需要。

2018年，原银保监会推动数据治理相关的标准发布。我们站在企业端的理解，目前应该是趋于统一的，数据治理的基本理论框架也有相应的沉淀和对比。

在标准质量安全方面，商业银行对数据质量的关注度是第一优先级，很多理论其实到了企业最终一定会找到落脚点或者抓手，不是简单的制度和规范，而是业务部门、技术部门、数据部门共同聚焦的点。我们认为的点就是数据质量单，因为传统的开发过程会有缺陷单，但在生产领域对数据质量如何进行量化跟踪、监控，包括度量和管理，其实这些是业务部门迫切需要的。我们的企业级数据治理体系找到了一个点，就是用数据质量单推动整个过程的完成。

我们建设企业级数据字典，包括一系列和开发过程相结合的数据建模管控工具、一体化开发过程。数据标准要从质量落到开发实践过程，那么必须要从数据字典到开发建模的结合，其实是要具体落实到建标过程、对标过程和冠标过程，跟整个金融科技研发中心进行密切配合。

数据治理是“下水道工程”，如何让业务部门体会到数据治理的成果？方式就是形成和业务部门的物理融合走向化学融合，采取的机制就是数据分析师的派出机制。

自然语言这种响应式、增强型的分析的确是目前新的探索点，同时也从过去的传统事实性的数据标签，经过一些算法的测算形成推荐式的营销标签，包括对投诉模型和客户体验曲线的智能化应用，这些都有赖于算力平台、包括对算法模型库的建设等。(中新经纬APP)

本文由中新经纬研究院选编，因选编产生的作品中新经纬版权所有，未经书面授权，任何单位及个人不得转载、摘编或以其它方式使用。选编内容涉及的观点仅代表原作者，不代表中新经纬观点。

责任编辑：孙庆阳

关键词：