“站在風口上，豬都會飛”，這是最近幾年廣為流傳的一句創業金句。它很好地形容了互聯網、大數據、人工智能、5G等新技術給商業創新和社會變革帶來的巨大推動。我們也看到，近些年新技術的迭代升級產生了一波一波的行業紅利，不少企業確實抓住機遇完成了短期快速發展。

　　與此同時，無論是企業老板、創業者，還是普通大眾會有一種感受，單靠行業紅利賺錢越來越難，在信息大爆炸的時代想要形成壁壘阻止后來者的進入，幾乎不可能。因此，靠技術驅動走穩健發展之路才是企業立身之本，且不會錯過真正的紅利期。

　　這一現象在金融科技領域表現得十分明顯。金融科技從進入中國到日漸成熟，是傳統金融機構創新發展漸入佳境的過程。一開始，傳統金融機構在互聯網金融創新中相對落后，但是隨著其成熟的機制體系、運營管理、資本雄厚等優勢凸顯之后，由金融科技帶來的業務創新迅速擴大了市場份額，并因此持續獲得了豐厚的紅利。

　　如今，金融科技進入下半場，到了真正拼技術、拼實力的時候，以銀行代表的傳統金融機構該如何實現技術驅動業務創新和發展呢？比如面向不同客群定制產品，以更低成本打造多樣化的金融產品；面向不同客群，風險管理要求提供精準的模型。我們發現，不管是互聯網、大數據、人工智能還是5G技術，均指向數字化，這意味著金融業務創新必須建立在對用戶數據深度挖掘、分析評價的基礎之上。可以說，完善的數據管理體系將會成為技術驅動之基礎、業務創新之源頭，那么以搭建完善的數據管理體系為目標的數字治理工作必須提上日程。

　　對數據治理的認識不足

　　目前，很多銀行機構還遠未認識到數據治理的重要性。據埃森哲發布的《中小銀行金融科技發展研究報告（2019）》統計，91%的中小銀行沒有建立完善有效的數據管理體系。其中，27%的中小銀行缺乏公司級數據規范，數據多頭管理，部門數據互通靠自發或人工傳遞；46%的中小銀行初步搭建公司級數據管控體系和基礎規范，但應用尚未下沉到業務，數據互通程度不理想；僅18%的中小銀行初步建立數據管理體系和管控工具，進行了平臺整合，各部門基本落實公司數據規范體系；僅9%的中小銀行實現有效數據治理，數據管理體系完善，全面實現大數據應用。

　　為保證金融數據的安全規范使用，2018年5月，銀保監會發布《銀行業金融機構數據治理指引》，從數據治理架構、數據管理、數據質量控制、數據價值實現、監督管理等方面規范銀行業金融機構的數據管理活動。這次是銀保監會首次將數據治理提高到銀行常規管理的戰略高度，明確要將銀行數據治理工作常態化、持久化。

　　然而，在執行過程中，部分銀行機構并沒有按照監管要求進行落實。2019年底，某農商行因“未能根據要求有效開展數據治理工作，數據治理存在嚴重缺陷，嚴重違反審慎經營規則”被銀保監會處罰，側面反映出了銀行數據治理暴露的問題。

　　對此，百融云創風控專家魯靜分析表示，銀行機構忽視數據治理的根本原因在于沒有真正把握住數據治理的目標。開展數據治理無非有四種目的：第一是滿足業務發展需求，第二是符合監管要求，第三是技術發展的需要，第四是遇到問題不得不進行。綜合四種目標的治理效果，顯然，在監管的要求下以業務驅動為出發點的銀行治理才能帶來實效，“臨時抱佛腳”或“頭痛醫頭，腳痛醫腳”的數字治理最終流于失敗。（具體如下圖）

　　數據治理的具體好處

　　兼顧監管驅動和業務驅動的數字治理，對銀行機構究竟能產生哪些好處呢？

　　第一，數據已經是銀行的重要資產之一，銀行需要安全地保管自身及客戶的信息。各類涉及商業秘密和敏感數據信息在處理、使用過程中面臨被違規、非法使用或信息泄露的風險，會給銀行帶來不可估量的損失。在良好的數據治理環境下，可以規范數據的管理和使用，更好地適應經營過程中的不確定性因素。

　　第二，隨著金融科技的發展應用，商業銀行運用大數據、數據挖掘、機器學習、反欺詐、區塊鏈等技術來對風險進行綜合評估。但這些都有賴于數據能夠良好地運用于數據模型。數據的一致性、完整性可以保障銀行風險管控的良好運作，有效地管理和降低風險。

　　第三，隨著市場競爭的加劇，在客戶、產品、渠道、營銷等方面都面臨巨大挑戰。在大數據環境下，銀行需要對歷史和現有的業務數據進行挖掘、分析，在傳統的業務運營基礎上推出各種創新業務，提高客戶體驗、提升銀行競爭力。

　　從實踐效果看，部分意識超前的銀行機構已從數據治理中嘗到了甜頭。根據百融云創為合作機構提供的數據治理服務來看，通過與百融云創合作，合作機構實現了階段性的數據治理，有效促進了業務的創新和發展。這些機構客戶包括國有大行、股份制銀行、農商行、持牌消費金融機構、汽車金融等，在特征庫項目、決策引擎系統、數據集市等方面成功實現了數據治理工作。

　　日前，在疫情期間，百融云創與蘇州農商銀行簽署本地化決策引擎服務協議，依托“數據+模型+系統”一體化服務為該行提供服務。由此，農商銀行已將數據治理納入基礎建設的一部分，為數字化全面轉型提供有力支撐。

　　邊建設，邊治理，邊使用

　　百融云創風控專家魯靜認為，數據治理是一項長期性、系統性的工程，耗時長、耗資大，但并不意味著回報必須等到治理全部完成之后才能看到。因此，銀行進行數字治理，實現監管與創新的雙重目標，應當采取“邊建設，邊治理，邊使用”的標本兼治的總體策略。

　　針對數據不一致、冗余、不完整、不真實，關聯關系混亂，數據及時性等問題，找出對應的具體癥狀，再給出具體的解決方案。比如數據不一致，可以包括業務含義不一致、名稱不一致、編碼不一致、數據模型不一致、分類層次不一致等細分問題。先盤點數據，切入數據治理，形成全局數據觀，進而形成全局可引用的數據標準，搭建起系統化的數據治理結構。這便是數據治理之標和之本的有效結合。

　　魯靜是百融云創數據治理架構師，負責異構大數據分析、數據自組織治理平臺、數據中臺產品研發。曾任亞信集團大數據實驗室數據科學家、亞信集團大數據產品部首席架構師，AMDOC中國區CRM首席分析師等職務。擁有15年電信行業數據倉庫從業經驗，5年金融大數據語義網絡研發經驗，熟悉數據倉庫規劃和消費行為分析，在數據資產管理、數據治理和信用卡、行為分析和語義網絡模型等領域具有長期實踐經驗。領導設計研發的自組織式數據治理協作平臺、對標美國軍方情報分析系統的國產探索式語義分析工具、非結構化數據分析框架等產品在電信、安全情報、政府等多個行業獲得廣泛應用。

　　如何標本兼治？魯靜在百融云課堂特別分享的《數據治理的敏捷之路》一講中，詳細闡述了這一思路，聽課即可快速獲取相關內容。