金融科技觀察：金融數據治理的問題與對策
【EFEC導讀】金融數據之爭就是金融未來之爭，實現金融數據洞察，進行金融數據高效利用，提高金融數字化水平，方能贏得“核心競爭能力”。
一、大數據時代下金融數據治理的問題
隨著《銀行業金融機構數據治理指引》（下稱《指引》）的發布，2011年發布的《銀行監管統計數據質量管理良好標準（試行）》（以下簡稱《標準》）被明確廢止，隨之而來的，是傳統金融數據管理到現代金融數據治理的巨大轉變，這也是適應大數據時代背景和要求的必然結果。大數據時代背景下，現代金融數據治理具有“行為性、內構性、外接性”三個內涵特性，呈現出“目標雙核化、結果資產化、手段科技化”三個特征，并且表現出“生態治理、標準治理、中臺治理”三個趨勢。在《標準》治理成果和經驗的基礎上，《指引》對銀行業金融機構在數據治理架構、數據管理和數據質量控制、全面實現數據價值、加強監管監督四個方面的數據治理規范和要求，為其他領域的金融從業機構數據治理起到了示范效應。金融數據治理在產品創新、市場營銷、機構決策等諸多方面的作用開始被重視。但是，在金融數據治理的具體實踐和實現治理目的的進程中，還有很多問題亟待解決。
（一）金融數據治理制度體系構建緩慢
根據《指引》規定，金融數據治理需要有一套內外配合的完整制度體系，以實現對于數據全生命周期的覆蓋治理。具體來看，金融從業機構應當將數據治理工作和權責落實到每一個部門當中去，應當建設數據文化、完善數據安全策略與標準、將數據治理上升到公司戰略層面。同時，《指引》也允許金融從業機構設立首席數據官（CDO）并將其納入高管成員。一方面，這一系列數據治理體系建設的要求，說明金融從業機構需要在數據治理方面對其整個內部體系進行升級，這是一個漫長的過程，需要較多的時間投入；而另一方面，在大數據的高速發展下，這樣的漫長過程無法滿足金融從業機構的發展需求。
（二）金融數據治理統一標準工作缺失
長期以來，不同領域（銀行業、證券期貨業、保險業）的金融從業機構，同一領域的不同金融從業機構，甚至某些金融從業機構內部，都同時運行多套業務系統，這些業務系統之間沒有一套有關數據治理各方面的統一標準。由于數據記錄、數據語言、數據數值等方面的不統一和濫用，使得金融從業機構的原始數據呈現碎片化分布，來自不同業務、不同時期的數據的用途、結構、價值和質量水平差異很大，為數據的提取、整理、分析、使用造成了很大的困難。
（三）金融數據治理中的數據質量不高
金融數據質量對金融從業機構來說至關重要，在高質量的數據給企業帶來業務價值的同時，低質量也會給企業造成風險和負擔。具體來看，首先，低質量的數據不能支撐獲得正確的分析結果，進而可能導致高層決策失敗；其次，低質量的數據不能反應金融業務實際運行狀況，無法為內部業務合規和外部金融監管提供真實有效的依據；最后，低質量的數據還會增加金融從業機構的運行成本。金融從業機構的數據質量普遍偏低，具體原因來說有：（1）大數據本身表現出的4V特征之一——價值密度低和稀疏性(value)；（2）單一機構的數據來源相對單一、場景不足；（3）金融行業的數據標準化程度低，數據收集、管理過程中缺乏統一標準；（4）金融數據合規性不足導致數據使用價值和可用性大大降低。
（四）金融數據治理行業機構差異較大
我國金融從業機構種類眾多，各領域的各機構差異較大。就企業規模來說，大型金融從業機構的因為具有海量大數據，具有較強的數據能力，可以自建數據治理平臺和系統；而中小型金融從業機構因為數據庫容量小、IT以及財務能力弱，從而缺乏足夠的數據治理能力，大多依靠外包和采購來獲取數據治理賦能服務。就金融行業領域來說，證券期貨業和銀行業的數據化和網絡化程度更高，那么其金融數據治理的必要性、自覺性和規范性就更為強烈。各領域間、以及同一領域的不同金融從業機構之間的數據治理能力差距較大，這也給統一的金融數據治理標準制定和監管立法造成了困難。
（五）金融數據治理的專業化程度不高
目前，雖然數據已經逐漸得到金融從業機構的重視，但大多數的數據治理工作還處于分散狀態，沒有形成一個從上到下的專門治理體系，也沒有設置不同層面的專職數據崗位和專業數據治理人才隊伍，而是由不同部門根據自身需要完成相應的數據收集、整理、分析、使用、安全、保護等工作，專業化程度不高。而《指引》為金融數據治理的專業化作出了詳細的規定，如第十一條規定的 “首席數據官”，第十二條規定的“歸口管理部門”和“監管數據相關工作專職崗位”，第十四條規定的“數據治理歸口管理部門的專職崗”和“其他相關業務部門的專職或兼職崗”，以及第十五條規定的“金融數據治理專業隊伍”。
（六）金融企業缺少數據治理文化理念
數據治理文化理念的建立意味著金融從業機構的公司治理和運營的整體觀念從“經驗主義”向“數據主義”的轉變，這就要求金融從業機構真正認識到數據在行業競爭中的價值所在。目前，某些金融從業機構的領導層在決策時缺乏數據運用意識，部門領導對于數據情況、應用場景等并不了解，不同部門間的數據共享和數據流動意識薄弱，這些都是數據治理文化缺乏的體現。而《指引》第十六條就對這一現象和痛點給出了指引性規定， 即，銀行業金融機構應當建立良好的數據文化，樹立數據是重要資產和數據應真實客觀的理念與準則，強化用數意識，遵循依規用數、科學用數的職業操守。
（七）金融數據資產缺少定價規則體系
金融數據的價值被越來越多的強調，但金融數據作為一項資產的變現能力卻沒有得到太大的提高。如上官鳴和白莎在其文章《大數據資產會計處理探析》中提到的，與傳統資產相比，數據的形成基礎并不完全基于企業過去的交易或事項，如企業的預算型數據、計劃型數據等均基于未來的事件而形成，但其對企業的生產經營活動意義重大，但卻難以被評估價值。同時，金融數據價值對技術的依賴程度高，必須要經過加工、整理等程序才可以被使用，這些環節的成本定價也為金融數據資產的定價造成了困難。金融數據資產定價規則的缺失使得金融從業機構在自己使用數據之外難以將其轉變為資金流以用于投資其他技術或業務領域。
（八）金融數據孤島和行業內數據割裂
金融數據，缺乏行業內共享，也缺乏與政府數據打通，這就造成金融數據孤島和行業內數據割裂的問題，對金融業務創新和開展造成極大障礙。比如，消費金融行業苦于“共債、欺詐”問題，平臺之間數據割裂，使得其關鍵的風控問題得不到很好的解決。并且傳統金融機構、互聯網金融公司、金融科技公司在進行金融業務創新和提供金融創新服務時，往往需要相互之間進行數據補充，比如，傳統金融機構在進行信用評估時，需要互聯網金融公司、金融科技公司的多場景的用戶數據進行補充，比較典型的是信用畫像評分服務。此外，金融行業數據也缺乏和稅務、公安、社保、勞動、社會保障、環境保護、安全生產等政府數據的打通。建立在金融行業數據共享以及和政府數據打通基礎上的征信系統建設，對于打破金融數據孤島和緯度割裂，實現金融創新和健康發展至關重要。
二、大數據時代下金融數據治理的對策
（一）采取自上而下的方式
《指引》第五十二條，將數據治理情況與公司治理評價和監管評級掛鉤，這是政府監管方面對銀行業金融機構數據治理的強力推動。而在公司層面，數據治理推廣投入大且見效慢，這也就要求公司的高層對此具備戰略眼光以及堅持推行的信心，需要自上而下全體系布局。具體來看，金融數據治理初期，就需要有強有力的頂層設計和專門牽頭部門來指導、推動、協調跨部門金融數據治理工作，形成統一規劃、統一領導、統一執行的金融數據治理思路和局面。當前多數銀行業金融機構數據管理職能分散在不同部門，容易出現職責分散、權責不明的情況。銀行業金融機構應當按照《指引》建立從數據采集員、部門負責人、高管層到董事會的所有相關人員進行逐級負責的統一數據治理責任架構體系。
（二）采取標準先行的方法
建立貫穿金融搜集、提取、分析、使用、傳輸、共享、備份、刪除等一系列金融數據行為和金融數據全生命周期的技術和流程標準，是金融數據治理高效開展的基礎，是提高金融數據質量的保障，是實現“金融數據資料”上升為“金融數據資產”的必要條件。近兩年，數據的統一管理和標準化開始被越來越多地強調。例如，原銀監會于2017年7月開始實施的《中國銀監會銀行業監管數據標準化規范》中對于銀行業金融機構的數據治理、數據運用、數據風險防控標準做出了規定。《指引》第二十條、第二十三條、第二十四條規定，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。證監會于2018年9月頒布的《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》、《證券發行人行為信息內容格式》、《期貨市場客戶開戶數據接口》四項標準，對證券期貨業的數據治理標準進行了詳細規定。
（三）采取質量為重的原則
金融數據質量對金融創新和業務開展至關重要。只有保證金融數據質量，才能保證分析結果和金融決策的有效性，精準實現投資者畫像，從而發揮金融數據應有的作用。金融數據質量的提升既是金融從業機構開展金融數據治理相關工作的前提，也是其目的。依據《指引》的規定，為有效落地金融數據治理工作并保證金融數據質量，應當建立自我評估機制、問責和激勵機制，定期監控數據管理等，建立數據質量考核評價體系，建立數據整改機制，從而使金融數據符合業務規則和數據標準，保障金融數據的完整性、準確性、及時性和一致性。具體來說，應該做到以下幾點：（1）拓展金融數據來源，積極尋找多維度、多場景的數據來源渠道；（2）建立數據質量閉環管理機制，將組織、技術和流程三者進行有機結合，對數據進行全生命周期質控；（3）嚴格滿足金融數據合規性以提高金融數據可用性和正當性；（4）提高金融數據標準化和結構化程度，通過建立技術和流程標準規范來對原始金融數據進行提取并建模，從而實現“金融數據資料”上升為“金融數據資產”，最終實現金融數據的質量固化。
（四）采取定制化治理方法
為適應不同機構，《指引》第三十九充分考慮條款的彈性，以底線要求為主，對于部分已有更高標準的銀行，如全球系統重要性銀行，則明確要求其遵循更高標準。金融從業機構的數據治理目標各有差別，數據運用目的有所不同，當前的數據管理基礎也存在差異，這就要求金融從業機構根據自身特點采取定制化的金融數據治理方法。從金融數據系列行為和金融數據全生命周期而言，要想真正解決數據質量問題，應該從不同金融從業機構業務的特殊需求開始，將數據質量服務集成到其特定工作環境中，實現“收集-提取-分析-使用-傳輸-備份-刪除”等全流程的定制化。從機構而言，大型金融從業機構擁有較強的數據能力，應當遵循更高的數據治理要求，應當更加聚焦于“金融數據治理帶動業務價值提升”；而中小金融從業機構應當充分考量自身的數據、技術、財務能力，應形成符合自身業務特點的數據治理方法和價值實現路徑，如外包和采購數據治理賦能服務，與外部機構進行生態數據合作等。
（五）設置專職數據官制度
目前，部分金從業融機構已經開始設立首席數據官（CDO）一職以確保數據隱私與安全，提升數據質量，充分挖掘金融數據價值，開拓金融業務增長點。首席數據官（CDO）崗位的核心職責應該就是努力實現金融數據治理的雙核目標。國外有首席數據安全官（《紐約州金融服務公司網絡安全要求》和數據保護官（《一般數據保護條例》）的規定和實踐。《指引》之前，商業銀行也有首席信息官的設置規定（《商業銀行信息科技風險管理指引》）。從前述《指引》第八條來看，首席信息官主要職責在于信息科技，而不在信息或者數據本身，因此與數據官有所差異。此外，基于實踐探索和制度借鑒來說，可以考慮在接下來的數據治理實踐中，在“數據官”這一職位下下設“數據安全官”和“數據保護官”兩個職位。
（六）構建企業金融數據文化
首先，金融從業機構，應當在內部建立以“數據”為驅動的業務導向機制，形成“資產數據化、數據資產化”的“數據價值”實現機制，打造以為“數據中臺”為核心的戰略機制。其次，金融從業機構，應當在企業內部建立長遠的金融數據治理戰略，具體包括金融數據治理的愿景目標、指導原則以及戰略實施路線。再次，金融從業機構，還應當在內部產品和業務端建立遵循設計保護隱私(privacy by design)和默認保護隱私(privacy by default)機制理念。并通過在內部建立金融數據安全管理規范、分類分級標準、分類分級授權流程規則、提取管理規范等將數據文化標準化和制度化。最后，金融從業機構，應當在企業內部員工之間形成統一的數據治理認知，讓員工人人數據治理有責的理念深入每一個員工內心，并提高“金融數據充分挖掘利用”以及“金融數據安全與保護”兩個意識，進行定期金融數據治理培訓和考評。
（七）形成數據資產會計規則
首先，應在“企業沉淀數據整理、數據行為創新、虛擬財產形成與獲得”三條數據資產化路徑上，遵循“數據行為投、數據可控量化、數據經濟利益”三個數據資產化條件的框架內建立數據資產會計規則體系。如上官鳴和白莎在其文章《大數據資產會計處理探析》中提到的，金融從業機構內部應當逐步建立起數據初始計量和后續計量的一系列會計準則，在計量時應在現有會計資產下單獨設置“數據資產”科目，可以首先選擇對價值較大、較為明確的數據成本項目進行計量，對于其他一些價值較小、難以識別、較為分散的數據成本項目可采取定期集中處理的方法進行計量。此外，金融數據治理呈現治理手段科技化的特征，而其中區塊鏈是金融數據治理的“天然工具”，是打開“數據資產化，資產數據化”之門的金鑰匙。所以可以利用區塊鏈技術對“數據資產”進行計價，將數據資產會計規則轉化為區塊鏈代碼規則來表示，例如，京東云旗下京東萬象數據服務，其大數據交易平臺運用區塊鏈技術，實現了數據的溯源、確權，把數據變成受保護的虛擬資產。
（八）促進金融數據共享流動
要使得金融服務創新健康發展，發揮金融真正服務實體經濟的功能，至關重要的是，實現金融行業內部跨領域、跨機構之間，金融行業與其他行業數據以及政府數據的有效共享互通，最后建立包括企業征信和社會征信在內的社會信用系統。由政府機關、或第三方機構、或大型企業平臺方，通過新型技術（人工智能、區塊鏈、云計算、大數據、物聯網）打造企業數據、金融從業機構數據、政府數據共享互通的大數據平臺基礎設施，可以實現企業社會信用信息與金融服務之間的關聯打通，例如香港金融管理局2018年推出區塊鏈貿易融資平臺。企業、金融從業機構、政府之間的生態數據治理合作將成為小微企業融資信息瓶頸的破解之道。金融治理不僅需要金融從業機構內部積極主動推動以及外部監管壓力促進，還需要行業內協同達成數據治理共識和標準。早在2007年，全國金融標準化技術委員會證券分技術委員會就組織有關單位啟動了《證券期貨業與銀行間業務數據交換消息體結構和設計規則》行業標準的制訂工作，意在提高商業銀行和證券期貨經營機構之間業務往來中的數據處理和數據交換的效率。
三、小結
總之，在金融服務實體經濟的方針下，基于金融從業機構運營、風控、創新、合規等多重需要，金融數據治理必將成為國內金融從業機構的必修課。未來金融從業機構利用“大數據”的能力，將成為競爭中的關鍵因素。金融數據之爭就是金融未來之爭，實現金融數據洞察，進行金融數據高效利用，提高金融數字化水平，方能贏得“核心競爭能力”。正如普元大數據治理平臺所提及的“玉不琢不成器”，對于金融企業來說，海量的金融原始數據就像是一塊沒有經過雕琢的美玉，需要經過琢磨打造之后，才能顯現出它的真正價值，而金融數據治理正是這一“琢磨”過程。大體量的金融原始數據若不經過數據治理這一“雕琢”過程，將呈現無序、無價值的混亂狀態，極大可能沉淀在金融從業機構內部而一文不值。所以唯有對金融數據進行有效治理，才能對金融數據進行價值發現并形成金融信息資源，最終實現“金融數據資料”上升為“金融數據資產”，同時也可以形成精準化和個性化的金融服務能力。
上一篇：科技巨頭殺回P2P，是走投無路？還是布局未來？
下一篇：明年物流降成本仍是改革“重頭戲”
