完善数据资产管理充分释放银行业数据价值

完善数据资产管理，充分释放银行业数据价值

银行应从整体的价值链视角出发，根据自身发展战略，

制定全行级数据资产管理的整体目标和要求，同时形成体系

化的数据资产管理机制和流程，配套相应的资源支持。在此

基础上，搭建结构健全、权责清晰的数据资产管理架构和完

整的数据资产管理体系。

一、数据资产具有不同于传统资产的特征

产权归属的复杂性。一方面，从数据收集、流转.到加工

并沉淀为数据资产的过程中，会产生大量衍生数据.而衍生

数据资产的主体往往与原始数据主体不一致，造成数据产

权边界不明。另一方面，数据资产存在产权交叉情况。以银

行交易数据为例.数据既来源于客户的交易行为.又由银行

的信息系统产生.产权交叉增加了数据确权的难度。

资产价值的动态性。对银行而言，数据资产的价值体现

在与业务场景的结合.不能独立于场景而产生价值。数据资

产的价值取决于特定场景，在不同场景下，数据资产所贡献

的价值也不同，且多场景、多维度的数据结合可产生

“1+1>2”的价值。因此，数据资产不存在统一或具有普适

性的定价依据。

数据资产的无限性。首先.数据资产可长期存在。数据

资产作为一种人为创造的资源.不同于石油等不可再生资

源.某种意义上会永续存在于数据资产体系中，是取之不尽

用之不竭的。其次，数据资源可无限共享.同一数据资源可

以同时被多方使用，且边际成本几乎为零。最后.数据资产

的价值不仅取决于现有的数据，更取决于持续更新和扩充的

能力，数据资产的链条越长、数据维度越广.其价值可能越

大。

二、银行业数据资产管理存在明显瓶颈

数据规模激增、结构更为复杂。在数字化转型的背景

下.银行业务向全面线上化发展.数据规模也随之呈现几何

级增长，数据类型多样.数据关系复杂.既有传统的客户信

息数据、交易及资产数据.也有用户行为和场景数据，既有

原始数据，也有衍生和加工数据。此外，随着业务类型的

丰富，非结构化数据在整体数据资源中的占比显著提升.传

统数据存储、清洗和挖掘技术的局限性逐步显现.大虽非结

构化数据得不到充分的整合和应用，难以释放其潜在的数

据价值。

数据呈零散式分布，“数据烟囱”林立。商业银行的数

据治理多数从搭建数据集市开始，但是数据集市的创建一

般由银行内各部门自行主导，不同部门创建不同的数据集

市各为所用，如零售部门基于其零售方面的数据创建零售

数据集市，信用卡部门创建信用卡集市以整合信用卡业务

的相关数据。系统建设独自为战.数据分散在几十甚至上百

个业务系统中.且系统间缺乏横向沟通和整体统筹.形成一

个个“数据烟囱”。由此导致银行内部数据质量不佳，完

整性、准确性和一致性难以保证.数据挖掘分析和应用效果

也会大打折扣。

数据安全问题日益严峻。第一，银行数据中包含大量的

个人隐私和商业机密，数据规模和种类的激增给银行数据

存储和安全防护能力带来极大的挑战.如果银行自身的数据

安全管理能力跟不上，就可能增加数据丢失、泄露或被窃的

风险。第二，开放银行发展是银行数字化转型的方向之一，

银行逐步融入互联网开放生态.与外部机构的沟通日益紧

密。开放银行带来利好的同时，也在一定程度上加剧了数据

安全隐患。一方面.第三方机构和互联网等外部渠道数据的

来源合法性难以准确甄别：另一方面.开放模式下的数据流

转路径更加复杂和难以控制.银行对数据管理边界的界定难

度增加。此外，在开放的网络环境中进行数据共享交互，外

部合作机构自身的数据安全问题也可能传染至银行.增加数

据安全的连带风险。

然而，面对变化的数据特征，银行的数据资产管理却存

在的明显的瓶颈，主要表现为：

数据开发和资产沉淀的能力不足。首先.技术能力和设

施建设相对滞后，部分银行对科技研发的资金和人力投入不

足，导致对数据资源的开发力度不足.数据应用领域相对狭

窄，数据资产潜力无法得到充分释放。其次，缺乏体系化的

开发流程.数据资产难以沉淀。目前银行利用数据分析解决

实际问题时往往是“指哪打哪”.有业务需求就针对性的进

行建模分析，给出一次性的模型和策略，但后续的策略留存

和持续跟进优化环节往往是缺失的，导致数据资产难以形成

和沉淀，阻断了数据资产质量改进和价值持续挖掘的空间。

缺乏对数据资产的统筹管理。数据资产管理横向连接银

行多个部门及业务条线，纵向贯穿数据采集、处理到数据资

产应用全生命周期的各个环节。但目前商业银行的数据资产

管理工作多由信息科技部或数字金融部负责，受部门权责边

界制约，单个部门难以对全行数据资产进行全口径和全生命

周期的管理.阻碍数据资产的应用管理和价值实现。

此外，数据资产开发者和使用者沟通和协同上也存在

障碍。通常情况下.数据开发和平台建设在技术部门.数据

资产使用在业务部门。业务人员和技术人员缺乏有效的沟

通平台和机制。业务人员由于技术壁垒和职责划分问题，无

法直接主导平台建设，而技术人员在进行数据管理和系统

建设时不了解业务的诉求.导致数据和平台资源的实用性

和使用率不高。

缺乏游数据资产管理的复合型人才。相较传统资产.数

据资产的经营管理工作流程更复杂、对技术要求更高。首先.

数据资产管理涉及金融学、计算机科学、密码学等多门学

科；其次，数据资产的产生和应用涉及银行的零售对公、融

资中收等各个业务部门和条线。这要求数据资产管理工作

者是既懂技术又懂业务的复合型人才。目前银行数据管理

人员多来自技术条线，对于银行基础数据和系统建构比较熟

悉，但对于数据如何支撑业务发展.数据资源应转化为何种

数据资产、又如何让数据资产发挥更大的使用价值等问题缺

乏清晰的认识和规划，这导致银行在数据资产的定位、经营

管理和价值创造方面存在着不同程度的瓶颈。

数据资产的流通环节受限。首先.缺乏相关的法律制度

保障。一是数据确权问题。数据资产的产权边界不明晰.阻

碍了数据资产的定价和流通交易的推进，数据资产的非竞

争性和非排他性也使其确权问题变得更加复杂。由于缺乏明

确的数据权属范围，侵犯个人隐私和滥用数据的状况时有发

生。二是数据资产流通交易的合法性问题。目前我国尚未明

确数据资产交易和流通的合法性.对于限制和禁止流通交易

的数据类型也没有清晰的界定，由此导致交易主体出于合法

性顾虑而降低对数据资产流通交易的动力。

其次，数据资产交易规则和场所尚未建立。在市场层面.

当前我国尚未形成统一的数据资产交易场所，对数据资产

流通交易模式和定价机制的探索也处于起步阶段。在技术

层面，行业内缺乏支撑数据资产共享交易的标准。目前国

家和行业标准成果多为技术标准，针对定义特定业务和通

用数据结构的标准较少.导致各方数据在统计口径、颗粒

度、业务内涵上存在较大差异。数据资产大多只能在机构

内部发挥作用，市场参与者在进行数据资产交易时面临较

高的交易风险和交易成本，不同机构间的数据资产共享和

交易受限.形成“数据孤岛”，影响数据资产的有效流通和

价值再造。

三、银行业数据资产管理的路径

搭建结构健全、权责清晰的数据资产管理架构。银行应

从整体的价值链视角出发，根据自身发展战略，制定全行级

数据资产管理的整体目标和要求.同时形成体系化的数据资

产管理机制和流程，配套相应的资源支持。在此基础上.搭

建结构健全、权责清晰的数据资产管理架构。数据管理部门

应独立连通相关业务部门和条线，从全局统筹规划数据资产

的经营管理工作。在组织构成上，可分成数据资产决策委

员会、数据资产管理中心和各业务部门三级。数据资产决策

委员会仇责制定数据资产经营管理规范，设计数据资产价值

创造的分配激励机制和监督考核方案。数据资产管理中心负

责数据资产管理的具体执行和监督工作。各业务部门是数

据资产的提供者和使用者，在深入参与数据资产流通和使用

的同时.也应对数据资产管理进行维护和反馈。

搭建完整的数据资产管理体系。一是在基础数据治理阶

段，通过数据标准管理和元数据管理.实现“数据可控”。数

据标准统一是实现数据治理的基础.银行应制定全行级的

完整数据字典，做到数据定义、口径、格式、分类等方面标

准的统一，保证数据内涵、提取和加工逻辑的可查验，同时.

明确标准管理和维护工作的责任主体.保障数据标准执行

的跟进和更新。元数据是描述数据的数据.是未来数据管理

的核心。随着云计算、边缘计算等技术的兴起.分布式数据

存储将是必然趋势，如何在不移动数据存储位置的条件下.

将数据关联起来进行统一的管理.并实现数据联动和上下

游分析.就需要加强元数据管理能力。

二是在数据资产管理阶段，通过建立数据资产目录.实

现“资产可见”。数据资产目录用于对全行数据资产的全

面盘点和展示。在实现全行数据资产全覆盖的基础上，数

据资产目录还应具备差异化的展示形式，即针对不同使用

者的需求.呈现不同的展示界面和功能。数据资产的开发者

可通过数据资产目录将自己开发的数据资产准确发布到所

属的分类科目项下。数据资产的管理者借助数据资产目录.

可了解整体的资产分布情况、把控数据资产的使用.实现对

数据资产的全局把控；数据资产的使用者通过数据资产目

录和合理授权，可快速定位和获取所需的资产.并对数据资

产进行评估和反馈。

三是强化数据资产安全保护和风险管理，实现“资产可

信”。第一，保证数据信息安全。采取加密技术和数据备份

等方式.保障数据资产在存储和流通过程中不被篡改或损

毁；建立安全审查机制并严控访问授权环节，防止数据资产

在使用过程中发生泄密或侵权。在系统安全保障方面，对数

据资产进行安全等级划分并分布存储，对于具有强关联性的

敏感数据进行安全隔离：同时应具备完善的风险预警和应急

预案，在系统运行发生异常时保障数据资产的安全。第二，

保证数据资产管理过程依法合规。首先，强化对消费者权益

的保护.将保障个人隐私信息安全作为数据资产管理的必要

前提。其次，建立全流程的业务规范，保障数据采集、存储

和应用环节的合规性：对外部数据的采购、接入、登记、存

储和共享环节应进行统一管控。在数据处理过程中保持客

观、全面和公正，在数据资产的流通环节，明确交易流程和

规范，做好输出数据脱敏和交易行为监控。

四是做好数据资产质量管理.实现“资产可用”。高质

量的数据是银行利用数据进行经营分析、决策制定的基

础。对于数据质量的管理.首先，要明确数据资产质量管理

的要求和制度规范.从各维度定义数据质鼠的衡量标准，并

细化流程管理。将对数据质量的把控落实到各环节，包括

数据收集过程的准确性、完整性和统一性，处理和加工过

程的客观性和延续性.数据资产应用过程的时效性和可获

得性。其次，根据制定好的数据质量标准.建设闭环管理体

系，依托系统实现对数据资产质量的全流程实时监测和及

时调整。

五是通过数据资产运营和流通，盘活数据资产价值。首

先，强化数据资产运营的理念和能力，制定有针对性的数

据资产经营机制及估值体系。明确自身数据资产的定位及

优势.增强数据资产的品牌意识，打造数字化名品，同时改

变传统观念，强化主动管理和营销能力.逐步将数据资产从

对内使用向对外营销转化。其次，提供相应技术和系统支

撑.提升数据资产开放输出能力。将涉及各业务的数据资产

进行标准化封装.建立统一的数据对接系统并明确数据交

换规则，在提升数据资产共享时效性的同时，更加准确地

掌握和记录数据资产的流向。

积极利用技术创新赋能数据资产管理。首先，通过技术

提升数据存储和处理分析能力。探索分布式数据存储体系

建设，实现对数据资产的高效存储和灵活拓展：利用云计算

等技术低成本、高性能的特点，提升对海鼠数据的分析处

理能力.同时基于深度学习、神经网络等技术赋能数据洞察

和挖掘能力。比如.在数据资产应用方面，利用区块链和多

方安全计算.在保障数据安全和隐私保护的前提下，更大程

度地发挥数据资产效用并实现价值再生。银行间的数据资

产交易可尝试利用区块链技术.链上和链下相结合，数据本

身存放在本地数据库，交易双方仅将数据签名、交易摘要

数据和智能合约逻辑传输上链。这样既保证了本地数据的

安全，又实现借助区块链技术赋能数据资产交易流通的目

标。多方安全计算用于解决数据安全共享和可信计算的问

题.即在不共享原始数据条件下满足多方数据协同处理的

需求，实现数据“可用不可见”。

四、有的放矢完善银行业数据资产管理

从国家层面健全数据资产相关的法律制度。一是解决

数据资产确权问题。数据确权是保护消费者权益、保障数据

资产合规交易、实现数据资产价值提升和再造的必要前提.

需要尽快立法.明确数据资产包括所有权、使用权、知情

权、经营权、修改及删除权在内的相关权利范围及使用边

界。二是明确数据资产交易双方的权责义务。对数据资产

的管理和交易环节给予法律层面的约束与指引，守住保护

消费者隐私和敏感数据保护的红线，避免对个人数据的过

度采集和不当加工。

构建行业数据标准体系和多方数据共享平台。建议行

业主管部门和行业协会牵头构建涵盖数据收集、处理和应

用全生命周期的标准体系，规范数据接口.打造数据共享交

换的“通用语言”，同时对数据质最管理的标准和规范做

出明确要求，并制定相关考核评估机制。以此来保障数据

资产的互联互通，促进行业协同发展。

推动跨行业数据共享和政府数据开放。银行内部数据

体量虽大.但维度有限，想要利用数据进行更加精细化的管

理和决策，需要补充更多维的数据，如来自互联网电商、

通信等行业的数据，推动跨业数据的依法合规共享是大势

所趋。此外，高质虽、有价值的政务数据将对于行业数据治

理和价值挖掘会产生极大的助推作用，应加大对政务数据

的开放力度，探索政企数据的开放共享模式。

建立数据资产交易市场，鼓励先行先试。由于数据资

产的特殊性，建设数据资产交易中心可采取线上化的模式.

对数据资产的登记、挂牌、转移、托管等交易环节