2020年4月，中共中央、國務院發布的《關於構建更加完善的要素市場化配置體制機制的意見》中正式把數據作為生產要素單獨列出，並提出了促進數據要素市場化配置的改革方向。接著在《中共中央國務院關於加快建設全國統一大市場的意見》《「十四五」數字經濟發展規劃》等政策文件以及中央深改委第二十六次會議上，進一步提出要促進數據要素資源在更大範圍內暢通流動，加快構建數據基礎制度體系，推動我國數據要素市場健康有序發展，加快構建以數據為關鍵要素的數字經濟。
數據要素時代，以數據治理為基礎，構建企業數據資產管理體系，提供可用、好用的數據，支撐企業業務流程改造、產品創新、風險防控，不斷提升企業數據能力，挖掘企業數據資產價值，已經成為企業數字化轉型的必由之路。
中電金信商業分析事業部總經理
中電金信數據研發委員會主席 杜嘯爭
數據治理：數據資產管理的「基石」
在企業數字化轉型的內驅力和國家對數據要素戰略布局的外驅力共同推動下，數據資產化已勢不可擋。數據資產管理作為數據資產化道路上最重要的管理抓手，各大金融機構、諮詢機構、廠商均投入「重兵」深入研究，形成了各具特色的數據資產管理髮展道路。十多年來，從數據資源管控到數據資產價值化，金融機構數據管理的模式發生了很大轉變。但是，無論如何改變，滿足數據的可用、好用仍是前提，而數據治理則是其中的關鍵環節，是實現數據資產管理的基礎工程。
數據治理是實現數據資源化的一套完整的管理框架，業界已有非常成熟的治理理論體系。中電金信認為數據治理的核心目標是解決數據可用性和數據安全性的問題，既要追求數據廣泛高效的流通，又要保證數據安全和保護個人隱私。
面對數據價值挖掘以及資產化要求日益高啟的現實需求，在數據資產確權難的現實制約下，數據治理顯得尤為重要。數據治理通過數據模型管理、數據標準管理、數據質量管理、主數據管理、數據安全管理、元數據管理、數據開發管理等數據資源化活動職能工作，明確數據創建、採集、加工、應用的全鏈路職責，確保企業數據的準確性、一致性、時效性和完整性，提升數據質量，保障數據安全，推動內外部數據流通，將原始數據轉變成數據資源，使數據具備一定的潛在價值，然後通過數據資產化和資產價值化，逐漸將數據資源轉變為數據資產。沒有數據治理體系作為保障，數據不但不能轉變為企業資產，還很容易讓企業陷入「數據沼澤」的陷阱。一個良好的數據治理體系，將為數據資產管理打下堅實的基礎，是新形勢下企業數字化轉型的基石。
新形勢，數據治理面臨新要求
在數字經濟的背景下，數據作為重要的基礎性資源，海量數據的處理和使用成為常態。中電金信認為，數據治理作為「冰山下的工程」，不止是企業「一家之事」，更是國家數字經濟發展的重要基礎組成部分。而數據要素時代，監管報送、數據服務、敏捷開發、安全合規等方面都對數據治理提出了新的要求，數據治理在數據的開發端和服務端，在數據的內部使用和外部流通上都將成為核心驅動力量。
1.監管報送的要求
《中國銀保監會銀行業金融機構監管數據標準化規範（2021版）（EAST5.0）》對金融機構監管報送提出了更高的要求：要完整、準確、全面報送數據；要嚴格執行報送規範要求；要強化數據報送聯動等。但是，目前監管報送整體現狀還是數據人工核對工作量大、效率低、報送質量無法滿足及時、完整、準確和可追溯的要求。通過數據治理，找出系統斷點流程、完善數據鏈路、加快數據質量問題定位，不斷提升數據報送質量和時效性，持續防範金融風險、促進金融機構數據治理和合規發展。
2.數據產品/服務的要求
《金融科技發展規劃（2022-2025年）》提到：深化數據綜合應用，不斷拓展金融業數據要素廣度和深度，打造科技賦能、數據驅動、業務聯動的企業級數據服務能力中樞。數據服務不僅限於固定報表、管理駕駛艙等數據服務，還包括運用聯合建模、圖計算、數字孿生等技術手段對海量多樣數據進行的價值挖掘和深度分析，需要構建面向用戶、面向場景的大數據知識圖譜和綜合分析能力。通過開展數據治理，整合金融機構內外多樣數據，提供完整、一致、準確、高效的數據服務。
3.敏捷數據開發的要求
《中國銀保監會辦公廳關於銀行業保險業數字化轉型的指導意見》提到：推動科技管理敏捷轉型。通過建立數據治理基礎框架，實現數據採集、加工、運維、服務過程一站式（DataOps），聚焦於協同從數據需求輸入到交付物輸出的全鏈路過程，明確研發運營目的，細化實施步驟，在系統工具、組織模式、安全風險管理的支撐下，實現數據研發運營的一體化、敏捷化、標準化、自動化、智能化、價值顯性化，不斷提升數據組織和數據系統之間的協同效率。
4.數據安全合規的要求
《金融科技發展規劃（2022-2025年）》提到：做好數據安全保護。數據既要安全合規，同時不能影響數據服務共享，關鍵是要做好數據分類分級。通過數據治理，對重要性以及影響程度不一樣的數據進行分類管控是目前金融機構數據安全管理的重要工作。
四大關鍵，磨鍊數據治理「利器」
數字化轉型趨勢下，外部監管以及內部數據使用都對數據治理提出更高效、更準確、更完備、更合規的要求，企業如何抓住新形勢下的要求，開展自身數據治理工作？中電金信長期致力於金融機構數據領域的實踐和研究，針對數據資產管理逐漸積累形成了一套完整的方法論。縱觀數據治理的發展歷程，剖析數據治理的建設路徑，根據近期發布的《中電金信數據治理白皮書》，持續投入開展數據治理工作可以從如下四大方向著手：
1.整體規劃，全面布局數據治理，解決頂設問題
數據治理在國內金融行業已經有20多年的實踐了，也積累了很多成功的經驗，但企業在開展數據治理工作的時候，一定要結合自身業務戰略發展、IT規劃、數據管理現狀等進行規劃和實施。以體系驅動的方案是自上而下建設的，能夠幫助企業達成對數據治理全貌的理解和共識，有利於推動後續工作開展。具體實踐過程中需要與實際情況結合，以實際數據質量問題為抓手，不斷提升數據質量甚至業務質量，最終實現數據價值。
數據治理體系一般包括:數據治理保障機制、數據治理平台、數據治理活動。數據治理保障機制除頂層的戰略支持外，還包括數據治理組織架構、數據治理管理辦法、數據治理管理流程。數據治理平台是落地數據治理活動的載體，一般由數據標準管理模塊、數據質量管理模塊、元數據管理模塊、數據治理門戶等組成。數據治理活動包括:數據標準管理活動、數據質量管理活動、元數據管理活動、數據安全管理活動、生命周期管理活動、數據模型管理、數據開發管理等。
2.標準先行，確定數據准入與改進的方向，解決抓手問題
隨著近年國產資料庫遷移的大趨勢，通過數據標準梳理，在國產資料庫中落地數據標準也是一個很好的數據治理抓手。數據標準驅動的服務方案一般包括如下活動：現狀調研、標準設計、標準映射、標準執行和標準管理。
以數據標準為抓手啟動數據治理項目，一定需要等待時機，如配合源系統新建/改造、主數據建設數據平台遷移等項目，以確保數據治理的實際落地效果。數據標準管理一定要制定好數據標準的保鮮機制。目前企業進行數據標準保鮮管理一般有事前、事中、事後三種模式。事前管控是在項目/系統建設的需求分析階段就介入，讓系統建設在開始階段就圍繞數據標準進行設計。事中管控，是在項目/系統開發過程中進行管控，藉助數據研發工作站等工具，在數據開發過程中，落地數據標準。事後管理，是在項目上線階段進行審核，對不符合標準要求的需要說明原因，若標準需要更新則更新數據標準。
3.局部改進，尋求數據治理的最佳性價比，解決效率問題
局部改進可以以高優先順序數據質量問題改進或者以滿足急迫的監管要求為依據局部推進數據治理工作，尋求數據治理的最佳性價比。
數據質量的好壞是數據治理工作好不好的最直接體現，所以，金融機構一般會啟動專項數據質量提升項目來滿足監管要求，也藉助數據質量工作不斷完善企業級的數據治理體系。
數據質量管理工作在金融機構已經開展了近20年了，關鍵是要做好兩項工作，其一是數據認責，其二是質量考核評估。數據認責的時候可以綜合考慮數據屬主部門、數據開發部門、數據錄入部門等職責。質量考核評估可以從如下維度進行設計：對客戶整體數據質量情況進行評價形成評價體系(數據主題、屬主、質量維度等)；對各研發團隊在質量整改過程中的工作進行評價形成考核體系(當月問題整改率、按時反饋率等)；對部署的質量規則進行評價形成考核體系(有效率)。最終以此為基礎確定高優先順序數據質量問題推進。
此外，銀保監會《關於開展監管數據質量專項治理工作的通知》提出了「提高認識，壓實責任；突出重點，標本兼治；強化整改，完善機制」的總體要求，確立為期1年時間的監管數據質量專項治理工作，覆蓋所有銀行與保險類金融機構，這對商業銀行來說也是一個很好的數據治理抓手。
4.升級改造，伴隨新一代IT建設落地數據治理，解決時機問題
以新一代核心項目群建設為契機，通過數據標準建設、數據開發管理、數據資產運營等治理活動，將數據治理全過程融合進IT項目的生命周期中：規劃需求、設計開發、測試上線、運營運維等階段。在規劃需求階段，數據治理人員參與系統需求、架構評審，提出符合數據治理的建議。在設計開發階段，通過一體化開發工具，參照數據標準進行數據模型建設，保證標準落地一致性。在測試上線階段，由數據治理小組審核上線DDL，符合治理要求才允許上線。在運營運維階段，實現數據資源的有效管理、有效管效；並且逐步引入更多的數據資產，提升數據資產受控比例。
數據要素時代下，充分發揮資源優勢，釋放數據的最大價值，離不開數據治理在背後的「百鍊成金」。中電金信數據治理諮詢體系和源啟數據資產平台產品，以數據資產積累和數據價值創造為目標，利用大數據技術、AI技術以及數據安全技術，打造集數據管控平台、數據中台和AI平台為一體的數據智能底座，結合行業沉澱和數據治理，實現數據驅動的業務經營和精益管理，完成業務數據化、數據資產化直至資產價值化的轉換，助力金融機構急速數據資產化，全面支撐企業數字化轉型。
