大數據時代下金融數據治理的特征

（一）金融數據治理目標雙核化

進入“大數據時代”，不僅更多的金融業態被催生出來，數據體量更是呈現爆炸式增長。如何將金融機構在日常運營中積累和沉淀的大量用戶與交易數據進行有效活化利用，無論在支持業務運轉方面，還是在決策支持以及突發風險事件應對方面都是至關重要的問題，這也對金融數據的一致性、完整性、可用性提出更高的要求。與之同時，數據泄露和數據隱私問題也日漸迫切。因此，實現從傳統金融數據管理到以“挖掘金融數據價值”和“保障數據安全及保護”為雙核的金融數據治理的轉變是大數據時代下金融數據治理的重要趨勢與特征。大數據時代下，金融數據治理的雙核目標，猶如其兩個輪子，只要在其中做好平衡和兼顧，才能保證金融數據治理有效運行和健康發展。切不可因為過度追求“最大化挖掘金融數據價值以賺取利潤”而忽視或弱化“用戶隱私保護和數據安全保障”。

（二）金融數據治理結果資產化

正如維克托·邁爾·舍恩伯格在大數據系統研究領域的先河之作《大數據時代》中提到的，“雖然數據還沒有被列入企業的資產負債表，但這只是一個時間問題”，長久以來，由于技術水平不足和數據積累缺乏，數據無法作為一種資產被金融機構重視。然而，隨著金融機構數據技術水平的不斷提高和金融數據的不斷積累，數據資產化在目前已經成為可能。正如前述所說，金融數據治理的雙核目標之一是“挖掘金融數據價值”，且從2018年5月發布《銀行業金融機構數據治理指引》(以下簡稱《指引》)的表述來看，相對于傳統金融數據管理的“數據管控”，現代金融數據治理更加強調通過數據治理實現數據價值。只有將數據變為可以使用的資產，才能真正實現金融數據的價值，這就要求金融機構通過金融數據治理將“數據資料”上升為“數據資產”。金融資產數據化和金融數據資產化，是金融數據治理的結果，也是其在大數據時代背景下的重要特征。

（三）金融數據治理手段科技化

大數據時代下，原有的金融數據治理模式已經不能滿足新形勢下的變化需要，如何利用數字科技手段實現自動化和科技化的數據治理成為金融領域亟待解決的問題。大數據時代為金融數據治理提供了人工智能、區塊鏈、云計算、大數據、區塊鏈等新興數字技術手段，其分別為金融數據治理進行以下技術賦能：金融數據治理的智能化和自動化能力、“數據資產化、資產數據化”的可信工具能力、強大的金融數據存儲和運算分析能力、數據收集整合和建模分析能力、將數字金融服務與物理實體世界無縫連接能力。金融數據治理手段科技化，主要表現為內部合規端（Comptech）和外部監管端（Suptech）的監管科技應用。具體表現在兩個方面：（1）在內部數據治理科技化和自動化方面，主要是數據建模、金融風控、用戶畫像等技術的開發和運用；（2）在外部接受數據監管的科技化和自動化方面，主要是數據報送平臺或系統的建設對接，以及數據報送API接口和報送數據標準的統一。

大數據時代下金融數據治理的趨勢

（一）金融數據的生態治理趨勢

隨著金融科技創新浪潮的大背景下，傳統金融機構開始積極尋求與互聯網金融公司、金融科技公司進行合作，利用其場景廣泛的豐富數據以及由此形成的多樣化的模型解決方案來改善自身的數據治理能力，逐步從金融機構自我治理向與互聯網金融公司、金融科技公司進行生態合作治理的方向轉變。

互聯網金融公司、金融科技公司有著多場景、多維度的大數據優勢，傳統金融機構與其進行數據合作，將提高授信精準度，減少風險擔憂，降低金融服務供給成本，提高數字化金融服務能力。例如，京東金融把基于自身多年在電商零售以及金融場景下所積累的海量用戶數據，包括以85后、90后為代表的年輕人、“創新驅動”的中小微企業、三農客戶等等，統統開放給金融機構。這些客戶群恰恰是傳統金融機構缺少的長尾客戶群體，京東金融與傳統金融機構進行數據合作，有利于傳統金融機構提高普惠金融服務的數字化能力。

（二）金融數據的標準治理趨勢

因為在復雜環境中產生，金融數據天生帶有“不統一性”，從而產生數據孤島、數據管理分散等問題，給后期數據建模、分析、運用造成障礙，最終使得金融數據價值挖掘大打折扣。所以標準化治理是金融數據治理的必然趨勢。

從《指引》第二十條、第二十三條、第二十四條來看，銀行業金融機構應當從建立覆蓋全部數據的標準化規劃、統一數據技術標準、明確系統間數據交換標準、制定數據安全標準等幾個方面開展金融數據標準化治理工作。2018年9月，證監會發布了，《證券期貨業數據分類分級指引》、《證券期貨業機構內部企業服務總線實施規范》、《期貨市場客戶開戶數據接口》、《證券發行人行為信息內容格式》等四項金融數據標準，從金融數據安全管理、企業服務總線、客戶信息數據傳輸、證券發行人信息數據披露等方面，規定了證券期貨從業機構的金融數據標準化治理規范。以上金融數據治理標準規范和指引，對銀行業、證券期貨業以外的其他金融業機構以及互聯網金融公司、金融科技公司的金融數據標準化治理工作也有示范和借鑒意義。

（三）金融數據的中臺治理趨勢

大數據時代下，對金融從業機構快速和及時創新以應對不斷變化的市場需求的能力要求越來越高，而這需要強大的數據決策能力支撐。而簡單的前后臺劃分，無法充分發揮金融數據的“水庫”效應。而金融數據的“中臺治理”，恰恰能發揮這種“水庫效應”，因此金融數據中臺治理逐漸成為金融從業機構的選擇。

金融數據的“水庫”效應是指，將數據資料提煉出有價值的數據并進行集中存儲、管控和分發，以按需和及時地支持在“以客戶為中心”的經營理念的基礎上所進行的金融數據創新。而金融數據的“中臺治理”，恰恰能發揮這種“水庫效應”，即通過中臺從前臺和后臺提取數據資產能力和共性數據能力，以靈活機動支持小前臺業務“作戰”和金融創新。金融從業機構可以自建“數據中臺”，如北京農商銀行自建大數據平臺進行數據結構化轉換和碎片化數據整合等金融數據治理工作，也可以利用第三方提供的“數據中臺”解決方案，如金融科技服務商TalkingData聚焦打造“數據中臺”的能力，為金融機構在數據標準、數據采集、數據管理、數據使用等一系列過程上提供深層次數據賦能方案。

小結

大數據時代下，金融數據治理逐漸體現出了目標雙核化、結果資產化、手段科技化的特點，并且具有了生態治理、標準治理、中臺治理的數據治理趨勢。金融從業機構只有在大數據浪潮下掌握金融數據治理的特征和趨勢，不斷完善內部治理體系，明確數據治理標準，積極與互聯網金融公司、金融科技公司尋求合作，才可以將其沉淀的大量數據轉化成為現實有效的數據資產，從而推動其業務創新和不斷發展。