企業在數據治理與數據應用中面臨著許多挑戰。首先，數據治理的難度很大，因為這需要技術和業務共同參與，并且每個角色都有明確的職責。其次，用戶部門往往關注業務發展，而不是數據管理，因此缺乏動力來執行數據治理措施。此外，缺乏規范性和業務發展及系統開發的靈活性之間的平衡也增加了數據治理的難度。最后，缺乏數據生命周期的管控也會導致數據質量問題，這會阻礙監管統計和挖掘分析等方面的應用。

另一方面，企業在數據整合方面存在許多問題。過去缺乏規劃的IT架構和煙囪式的系統建設導致信息孤島的出現，這使得數據難以整合。此外，缺乏統一的數據模型和標準規范也增加了數據整合的難度。另外，由于數據生命周期各環節管控不足，數據質量也存在問題。這些問題會阻礙數據應用能力的建設和數據的文化培養。

因此，為了解決上述問題，企業需要制定一個合理的策略來實施數據治理和數據應用。首先，需要建立明確的數據管理規則和流程，包括數據標準管理和質量管理的實施、元數據和數據字典的管理等。其次，需要加強用戶部門對數據治理的認識和動力，以確保數據治理工作的順利實施。最后，需要制定平衡規范性和靈活性的策略，以確保數據管理能夠適應業務發展的需求。

為了實現數據的“管”與“用”的有機結合，讓數據真正“管用”，我們提出了構建以數據應用為導向、業務價值為引領的數據資產管理體系的方案。該體系旨在通過全生命周期數據資產閉環管理，建立各類數據資產的準入、更新等管理機制、流程及辦法，促進數據的有效整合，支撐各類數據應用，如營銷、風控、運營等，進而保障發展戰略和業務價值的實現。

1、借助應用之力，夯實治理之基

● 以“用”促“管”，治必有方

面對數據治理與管控工作的復雜性和長期性，眾多金融機構開始采用“小步快跑，急用先行”的數據應用需求驅動策略。這意味著，數據治理的各項工作需要分步驟、分階段實施，并且與數據應用需求的優先級順序相匹配。

以數據應用需求和業務發展需要為契機，金融機構首先開展重點業務領域的數據標準化、數據質量提升工作。這可以解決零售和小微業務占比大、但客戶數據基礎質量較差的問題。通過重建客戶主數據管理系統，落實客戶主題基礎數據標準，完成存量數據清理、補錄和整合。同時，積極規劃客戶數據標簽和360視圖等應用，以應用需求反推客戶主題下各類數據基礎標準和指標標準的完善。這樣可以逐步提高客戶數據的標準化和質量。

● 以“用”帶“管”，成果共享

數據治理工作應源于業務、價值回歸業務，其成效則是通過技術部門持續整合數據及實施數據項目、業務部門應用數據進行分析的過程中逐步得以顯現。在全行培養數據文化，激發應用場景的創新能力，推動數據應用的設計、實施、完善與維護的過程中，讓數據治理的參與人員也能充分感受工作帶來的價值，而在此之上設置“管”與“用”結合的考核與激勵機制也會更加行之有效。

數據治理需要科學的方法，更需要長期的堅持不懈的努力，但毋庸置疑，擁有良好數據治理基礎的企業在以數據支撐決策和數據資產價值實現的道路上必會事半功倍。以“用”帶“管”，成果共享。

2、乘治理之東風，興數據之應用

企業數據價值的進化始于數據治理。通過推進數據規劃和治理，包括盤點、梳理和規劃各類主題數據資產，并對存量數據進行專項治理和質量提升，達到全行統一業務口徑、統一標準的數據資產。同時，構建一整套技術平臺，包括貼源數據湖、企業級數據倉庫和不同領域數據集市等，促進全數據資產跨域融合，為各類數據應用實現和賦能業務發展提供基礎保障。

● 數據啟智，洞若觀火

得益于高質量數據資產的整合以及各類算法模型和數據處理能力的支持，銀行可以針對各領域的需求進行數據應用規劃和搭建。

管理駕駛艙是一種典型的應用，它基于對管理需求的理解和分析，為管理層提供“一站式”的決策支持。通過多視角、全方位地展示銀行各項經營效益、風險分析、業務條線的關鍵性指標，管理駕駛艙依托全行級整合數據平臺以及實時或準實時的計算處理能力。此外，它還依賴于完善的各主題域、各維度和屬性的基礎數據以及明確的統計分析口徑。

例如，信貸資產組合分析模型的應用，基于行內現有數據，對所持有的信貸資產組合進行全面梳理，根據銀行需求設計相關資產組合分析模型并對資產組合與風險收益關系進行分析，最終結合內外部環境優化模型參數，得到信貸資產頭寸調整方案以獲取收益進一步增長。

非現場風險監測平臺產品從風險場景出發，基于大量業務交易數據和操作日志數據，建立合規風險監測模型，評估與識別風險狀況，并通過監測指標體系和規則庫構建，實現風險智能預警和風險報告自動生成。

綜上所述，金融機構逐步完善數據治理和數字化轉型的關鍵在于將數據“管”與“用”有機結合。數據管理為數據應用奠定堅實的基礎，幫助數據資產價值實現，而數據應用則引導數據管理逐步成熟。兩者相互依存，缺一不可。在數據資產的重要性日益凸顯的今天，金融機構應加強數據“管”和“用”的實踐探索，順應大勢，符合監管要求，規范數據秩序，挖掘數據的價值。