近年來，數字經濟蓬勃發展推動了商業銀行的數字化轉型。突如其來的新冠肺炎疫情全球大流行，造成全球經濟停滯不前，也給中國經濟造成巨大沖擊。在危機面前，商業銀行紛紛化危為機，借助新興技術進一步加快數字化轉型。數據作為數字經濟時代的新型生產要素，是商業銀行的重要資產，也是其數字化轉型的基石，數據治理也成為數字化轉型的應有之義和關鍵環節。商業銀行只有對數據進行有效治理，才能不斷提高數據質量，更好釋放數據價值，提升核心競爭力，增強風險防控能力，助力數字化轉型，促進高質量發展。

01國內商業銀行數字化轉型的數據治理現狀
(一)商業銀行數字化轉型的數據治理環境不斷完善
近年來，隨著商業銀行數字化轉型的發展，國家相繼出臺多部關于商業銀行數據治理方面的規定，不斷完善數據治理環境。

2018年4月，國務院辦公廳發布《關于全面推進金融業綜合統計工作的意見》，要求完善大國金融數據治理。2017年3月，銀監會發布《銀行業金融機構監管數據標準化規范》，對標準引用、采集數據結構、數據元等進行了詳細規定。2018年5月銀保監會發布的《銀行業金融機構數據治理指引通知》(下稱《指引》)，對數據治理進行了全面細致的規定，商業銀行是其適用對象。《指引》將數據治理進行了明確定義；確立了數據治理應當遵循全覆蓋、匹配性、持續性和有效性四大原則；要求建立組織架構健全、職責邊界清晰的數據治理架構(見圖一)；加強數據統一管理，做到數據的管理制度、業務規范、技術標準、數據采集、資料管理等方面的統一；進行數據質量控制，保證數據的真實性、準確性、連續性、完整性和及時性；實現數據價值，加強數據積累，提高數據加總能力，分析應用能力，挖掘能力，大數據技術應用以及量化分析能力；強化監督管理。


圖一：銀行業金融機構數據治理架構(內容來源：《指引》)

(二)商業銀行積極推進數據治理工作

數據治理作為數字化轉型的重要內容，對商業銀行數字化轉型的意義重大。目前國內商業銀行普遍對數據治理高度重視，特別是《指引》發布后，各商業銀行都積極推進數據治理工作。

目前國內商業銀行數據治理主要采取兩種模式：第一種以自建系統為主，適合實力雄厚，已自建金融生態圈、建立完善數據治理體系的大型商業銀行、股份制銀行和民營銀行。前兩者已具備完善的數據治理系統和良好的數據治理基礎，后者本身就帶有創新和科技基因，在自建系統方面具有天然優勢，且成立時間短，歷史遺留數據較少，數據治理可以輕裝上陣。以工商銀行(5.360, -0.12, -2.19%)最為典型，該行2002年起就開始建設數據應用體系，2019年11月發布智慧銀行生態系統ECOS。在數據治理方面，該行已基本建立了集技術、數據服務于一體的大數據云生態體系，形成了一套較為完備的數據治理機制，構建了相對完善的數據治理框架體系。

第二種是自建+合作模式，適合采用“自主開發+外部合作”建立金融生態圈的大型商業銀行、股份制銀行和城商行、農商行。前兩者可以與已打造的內外結合的金融生態圈相適應，后兩者則數據治理工作起步較晚，資源有限，基礎較弱，通過自建+合作的方式，既可以解決自身資源受限的問題，也可以借助合作。

伙伴的優勢彎道超車。以招商銀行(51.760, -2.48, -4.57%)為代表，該行實行“外接流量、內建平臺、流量經營”的發展理念，內部建立互聯網金融平臺，外部與互聯網相關的平臺與場景合作。在數據治理方面，融合內部和外部數據建成大型數據池，實現系統方面的數據互聯互通。為了提升大數據水平，該行與和華為合作的Fusion Insight大數據平臺，和IBM合作的智能運維解決方案等。

(三)商業銀行紛紛加大對數字化轉型的投入

當前，數字化轉型成為銀行發展的重要驅動力，分析近幾年商業銀行年報可以看出，商業銀行加大了對數字化轉型的投入。從投入規模來看，2019年六家大型商業銀行的投入位居前列。其中工、農、建、中的投入均在百億元以上，在所在行營業收入的占比均在2%以上。其他商業銀行也紛紛加大投入。其中招商銀行的投入占比最高，占營業收入的3.72%。這些投入有利于推進數據治理工作。


02商業銀行數字化轉型的數據治理重點難點

經過十幾年的發展，商業銀行的數據治理水平得到很大提高，但隨著數字化轉型的加快，也逐漸暴露出一些新的重點難點問題。

(一)商業銀行數字化轉型程度不同，導致數據治理水平相差較大

在數字化轉型過程中，商業銀行越來越重視數據治理。但由于起步時間，自身基礎，資源投入等存在差異，數字化轉型的路徑不同，模式不一，所處階段和發展程度各異，導致不同商業銀行之間的數據治理水平相差較大。

大型商業銀行和股份制銀行的數據治理工作走在前列，數據治理水平也處于領先地位。比如工商銀行已形成一套較為完備的數據治理機制，實現了“數據輔助決策”向“數據驅動決策”的演進。

區域性銀行的數據治理水平與大型商業銀行和股份制銀行存在較大差距。比如某省農聯社直到2017年才開始搭建大數據服務和數字化營銷平臺，數據質量不高，來源相對單一，標準化程度較低，省內還沒有依靠大數據支持業務發展的場景和應用。這不是個例，很多區域性銀行雖然積累了海量數據(11.480, 0.06, 0.53%)，但是數據治理水平有限，數據孤島問題凸顯。

民營銀行受網點規模限制，客戶多集中于線上，很多為長尾客戶，本身風險更大。但由于成立時間短，數據匱乏，無法滿足業務發展和風險防控需要。

總的來說，商業銀行如何對自身數據治理水平有一個清晰的認知和定位，并根據自身情況和數字化轉型需要，探索出一條與自身定位、發展目標、經營環境相適應的數據治理路徑，既是重點，也是難點。

(二)商業銀行在數字化轉型過程中，對數據質量的要求進一步提高

數據是商業銀行數字化轉型的重要基礎，對其數字化轉型作用重大。商業銀行數字化轉型的核心是“以客戶為中心”，高質量的數據能夠使其準確了解客戶需求，提供精準產品和服務，全面提升客戶體驗。

然而大型商業銀行、股份制銀行等雖然積累了海量數據，但這些數據龐雜，來源復雜，標準不一，個別字段缺失或存在異常信息，部分失真，更新滯后，內、外部數據缺乏聯系。民營銀行由于成立較晚，數據匱乏，前期往往依靠網絡爬蟲技術或與第三方平臺合作獲取外部數據，數據質量不一。還有少數商業銀行至今尚未搭建統一的平臺，多個系統分散建立，造成數據重復冗余，標準不一。目前商業銀行的數據質量尚不能完全滿足數字化轉型的需求，有待進一步提高。

(三)數字化轉型讓商業銀行數據標準問題更為突出

商業銀行數字化轉型對數據要求的提高導致數據標準問題更為突出，數據標準不統一容易產生數據孤島，會給數據治理工作帶來極大障礙，影響數字化轉型進程。

多數銀行已基本建立統一的數據標準，但還面臨四方面問題：一是如何利用數據治理推動數字化轉型，應用數據引領業務發展，發揮數據最大價值。二是部分商業銀行雖已建立了數據標準，但貫徹執行不力，數據標準落實不到位。三是數據更迭迅速，但部分商業銀行的數據標準做不到及時、同步更新。四是隨著數字化轉型的加快，內、外部數據激增，迫切需要建立跨行業數據交互標準。

還有少數商業銀行尚未建立統一的數據標準，內部數據可能是由不同系統按照不同流程和標準產生，外部數據更是千差萬別，數據之間割裂，缺乏聯系。


03保險業適應氣候變化的情況

(一)結合數字化轉型特點，不斷提升數據治理水平

商業銀行數據治理水平差異較大，因而，對自身治理水平有清晰認知和準確定位，并選擇適合自己的數據治理路徑就更為重要。

一是建立數據治理能力成熟度等級評價機制。通過該機制建立和評價自身數據治理能力，對數據治理的現狀、能力和發展路徑等進行認知和定位，發現數據治理的問題和短板，不斷提升數據治理水平。

二是探索并選擇合適的數據治理路徑。不同商業銀行數據治理水平不同，在數字化轉型過程中，各銀行應結合業務經營、風險防控和內部管理要求，以及自身特點和短板，選擇一條與自身定位、發展目標、經營環境相適應的數據治理路徑。

數據治理起步階段的商業銀行，思想上要重視，在總行層面建立全行數據治理體系；在戰略上加強頂層設計，制定全行數據治理戰略規劃；積極推進各項數據治理工作，引進最新科技，以期實現彎道超車。

數據治理發展階段的商業銀行，要根據數字化轉型要求，進一步完善數據治理體系，有步驟、按順序地開展數據治理工作。對于發現的短板和出現的問題，要查缺補漏，補齊短板，解決問題。

對于在數據治理中領先的商業銀行，要發揮數據驅動決策，數據引領業務發展的優勢，鞏固已有的數據治理成績，繼續探索引進最新技術，發揮數據在業務、產品、服務創新中的作用，將數據轉化為成果。

(二)根據數字化轉型要求，持續提高數據質量

商業銀行應當根據數字化轉型的要求，加強數據質量管理，持續提升數據質量，實現數據價值最大化。

一是建立健全數據質量管理制度。按照《指引》要求，商業銀行應當確立數據質量管理目標，通過數據質量管控，現場檢查，考核評價以及整改等各項制度確保數據的真實性、準確性、連續性、完整性和及時性，全面提升數據質量。

二是建立企業級數據質量管理平臺。將分散設立的系統接入平臺，以使該平臺能夠覆蓋商業銀行全部數據的全生命周期，為數據治理提供系統支撐。在該平臺上設置合理的數據質量檢測標準和指標，對數據質量進行持續、動態監測、評估和考核，針對發現的問題進行分析，查找原因，提供解決方案并進行反饋，由相關責任主體予以糾正。

三是加強數據質量管理的組織體系建設。數據質量管理具有很強的專業性，需要建立完善的組織體系，設置合理管理流程，明確職權和職責，配備一支專業化團隊。

(三)適應數字化轉型需要，進一步建立健全商業銀行數據標準體系

商業銀行應按照《指引》要求，適應數字化轉型需要，站在全局角度，建立符合業務經營、風險防控、內部管理以及監管合規需求的統一的數據標準體系。

一是建立健全企業級數據標準。商業銀行應當根據業務發展、風險防控、內部管理和監管合規的需要，設置統一的企業級數據標準。數據標準主要包括業務定義、技術定義和管理信息。業務定義要讓業務規則及標準達到“定義統一、口徑統一、名稱統一、來源統一、參照統一”的要求；技術定義要對數據類型、數據格式、數據長度等技術性要素統一數據標準；管理信息要求明確數據標準的制定者、管理者、使用者，確保各責任主體對數據標準進行管理和維護，以保障數據標準與業務進行同步更新。

二是推動數據標準的貫徹執行。商業銀行內部各部門加強聯動，共同推進已經建立的數據標準落實到位。業務部門要與技術部門充分溝通，從業務經營、風險防控、內部管理以及監管合規的需求出發，推進數據標準化建設。技術部門在系統設計和建立時要將數據標準貫徹其中，用技術手段確保數據標準得到貫徹執行。監督部門對數據標準的貫徹執行情況進行監督，如有落實不到位的情況，及時糾正。

三是推動跨行業數據交互標準建立。隨著商業銀行數字化轉型的發展，跨行業的數據交互與共享越來越多，交互標準的建立迫在眉睫。商業銀行應當加強溝通，推動并積極參與跨行業數據交互標準體系建立，促進跨行業數據交互、共享及整合，實現數據價值的最大化。

04商業銀行數據治理的發展趨勢

數字經濟時代，伴隨著商業銀行的數字化轉型，數據治理將會邁入一個新的階段。商業銀行要以數據治理為契機，加快推進數字化轉型，全面提高數字化水平，實現由傳統銀行向更加數據化、自動化和智能化的數字化銀行轉變。商業銀行加強數據治理，在業務經營、風險防控、內部管理與監管合規等方面充分發揮數據作用，利用數據治理，實現數據驅動決策，為全面發展夯實數據基礎。