原创
作者：张漫游
日期：2024-01-16 浏览次数：0次
在17部门联合部署《数据要素×三年行动计划（2024—2026年）》（以下简称《行动计划》）的背景下，数据应用备受瞩目。 2024年伊
在17部门联合部署《“数据要素×”三年行动计划（2024—2026年）》（以下简称“《行动计划》”）的背景下，数据应用备受瞩目。
2024年伊始，金融领域监管层便重拳出击，公布了多张银行机构的罚单。其中，数据治理方面的问题成为关注的重点。
分析人士总结道，目前银行在数据治理方面存在的问题，主要是由于业务发展在先、治理动作在后引发的。解决这些问题，制度层面要健全数据治理管理办法、数据标准管理办法和数据质量管理办法；银行则要加强顶层设计，强化技术基础。
数据质量监管持续加压
《中国经营报》记者梳理发现，自2024年以来，监管层公布了多起银行机构的关于数据治理方面的处罚。处罚原因包括：“监管标准化（EAST）数据错报漏报”“EAST数据与1104（银行业非现场监管）数据交叉核验不一致”“监管数据治理存在缺陷”等。
苏宁银行数据资源部专家郑清正认为，存量历史数据缺失问题的主要原因在于业务发展在先、治理动作在后。“由于初期的治理缺失导致的历史数据质量问题，如历史业务数据缺失、更新不及时等，需要银行机构通过实地走访、电话确认等方式逐步补全相关信息，这种治理的成本非常高。或者通过账户管理手段，主动引导客户进行销户处理。”
德勤（中国）方面分析指出，进入2023年以来，EAST和1104报表的常规数据质量稽核权限正逐步下放至属地监管，各属地监管正在将监管数据质量的排名、问题通报和问责固化为常规监管事项，金融机构的数据质量在监管侧的监管压力和合规风险将持续加大。
谈及为何自2023年以来，银行数据治理方面的问题常受到监管关注，苏宁银行金融科技高级研究员孙扬认为，国家金融监督管理总局成立后，全面加强金融监管，切实提高金融监管有效性。而金融监管有效性的基础，就是数据的有效性。数据反映了银行机构运行时的健康程度，数据治理的薄弱会导致银行运行状态、功能有效性、行为合规性的失真，会带来银行报送监管数据不准的问题，导致金融监管部门对机构状态研判的不及时，不利于及时发现和处置金融风险。所以，金融监管部门高度重视银行数据治理工作。
国家金融监督管理总局一级巡视员叶燕斐在“2023金融街论坛年会”中提出，银行业保险业作为数据密集型行业，强化数据治理，加快推进数字化转型发展，既是激活数据要素潜能、做强做优做大数字经济的使命担当，也是提升金融服务的智能化水平，增强防范化解风险能力的内在动力。
郑清正向记者分析道，目前，银行在数据治理方面的短板除了存量历史数据缺失问题外，还包括数据标准统一问题、数据孤岛问题和外部数据质量问题几个方面。具体而言：
数据标准统一问题是由于业务发展在先、治理动作在后。标准规范的建设除国家规定的标准外，还涉及各银行业务内部的标准。数据标准建设在业务模型设计之初没有考虑到，导致了各系统间的标准不统一。解决这个问题，在制度层面需要健全数据治理管理办法、数据标准管理办法和数据质量管理办法。在健全制度的基础上，将数据标准和数据质量管理的工作落实到具体的业务系统，通过管理流程实现数据标准和数据质量的统一管理。
数据孤岛问题涉及银行是否有对IT系统进行顶层设计。由于业务发展优先思路，银行往往先上线功能再考虑整合，常年的这类行为导致了数据孤岛问题。大部分银行机构的业务系统、风险系统、科技系统等都是独立系统，数据孤岛问题主要是由于系统间的数据共享不够，没有统一的接口管理规范导致的。解决这个问题，需要银行机构在设计或者优化各业务系统时，建立标准的数据交互接口规范，建立数据湖或者统一的数据仓库，建立主题模型、业务集市、指标集市等。在完成这些数据基础建设后，仍需要通过宣讲、应用培训等方式，让业务系统、风险系统、科技系统等系统的使用者，充分利用这些数据资产。
外部数据质量问题主要是因为如今银行和平台方合作贷款业务较多，平台方不能将银行需要监管报送的客户数据传输至银行。而平台方提供的数据质量参差不齐，需要监管层面对数据的平台方进行监管，要求平台方提供的数据质量达到一定的标准，才能够接入银行的系统。
提升监管数据治理决策力度
《行动计划》中提到，要提升金融服务水平，支持金融机构融合利用科技、环保、工商、税务、气象、消费、医疗、社保、农业农村、水电气等数据，加强主体识别，依法合规优化信贷业务管理和保险产品设计及承保理赔服务，提升实体经济金融服务水平。
叶燕斐提示道，银行尤其需要关注几方面问题：首先是要加强顶层设计。数据治理是一项系统性工作，涉及工作繁杂，如何有效规划、体系化推动，如何平衡短期投入成本和长期收益，如何通过内控和审计来规范数据治理工作，诸如此类的问题应该纳入战略规划制定中考量。
其次，银行要做好协同配合。数据治理是否成功，关键是建立系统化、职责分明的协调配合体系。权责模糊、动力缺失等会导致数据治理不佳、低效利用。需要建立完善数据协调配合、共享共赢、创新驱动的工作机制。
德勤（中国）方面分析指出，监管数据治理尤其对银行而言，是一项全行性的工作，有效的组织架构是监管数据治理成功与否的有力保证。为达到监管数据战略目标，建立体系化的组织架构、明确职责的分工是基础。但在实践中，银行在如何设置监管数据治理架构、如何设置监管统计归口管理部门，以避免跨体系报表难治理、部门间职责推诿、资源投入不均等方面存在一些挑战。
再次，银行要强化技术基础。数据治理不仅需要充分关注元数据、数据标准、数据模型、数据分布、数据存储、数据交换、数据生命周期等，更需要把数据治理与新技术应用广泛融合在一起，真正体现在数据治理与应用的全流程，发挥数据与技术融合的正效应。
最后，银行要助力业务发展。数据治理必须与业务开展有效结合，通过深入的客户数据分析挖掘，更精准了解客户需求，全面提升服务质量和水平。提高大数据分析对实时业务应用、风险监测、管理决策的支持能力。挖掘业务场景，通过数据驱动催生新产品、新业务、新模式。
此外，《行动计划》指出，提高金融抗风险能力，推进数字金融发展，在依法安全合规前提下，推动金融信用数据和公共信用数据、商业信用数据共享共用和高效流通，支持金融机构间共享风控类数据，融合分析金融市场、信贷资产、风险核查等多维数据，发挥金融科技和数据要素的驱动作用，支撑提升金融机构反欺诈、反洗钱能力，提高风险预警和防范水平。
对此，叶燕斐认为，促进金融科技创新与数字化转型，必须处理好创新与安全的边界，守住不发生系统性金融风险的底线。银行业保险业数字化转型，也应该坚持安全稳健原则，有效防范各种潜在风险。
孙扬建议，在《行动计划》背景下，金融机构要继续加深与政府的合作，充分利用政务、公共服务的数据，补齐客户数据，提升金融风险防范的能力；要通过合规的金融信息服务公司，如个人征信公司、企业征信公司等，合法合规加强金融机构间的信息共享和融合，实现风险联防联控；要充分利用联邦学习、大模型、先进计算平台等，提升数据治理平台的计算效率；要加紧培育数据、业务的融合人才，做到“做数据的懂业务，做业务的懂利用数据”的双向融合互相促进的模式，建立数据驱动的先进组织模式。
中经传媒智库公众号
中经传媒智库微博
