数据治理是解决银行业数字化转型效率的重要着眼点

　　“加强数据治理工作势在必行，完善数据治理是金融机构数字化转型和高质量发展的坚实基础。”在日前召开的“数据治理与

　　数字经济时代，数据是新的生产要素，也是重要生产力。对于金融行业而言，数据治理的必要性、难点以及突破点何在？就上述相关问题，《金融时报》记者采访了国家金融与发展实验室副主任杨涛、中国信通院产业与规划研究所人工智能与数据治理中心副主任王强。

　　《金融时报》记者：近年来，随着“数据二十条”“数字中国建设整体布局规划”“组建国家数据局”等重要政策与改革措施密集落地，进一步提升了金融机构数据治理的行动力。您认为，金融机构数据治理有何必要性？

　　杨涛：业、证券业等金融机构和其他实体企业一样，需要持续运营、不断发展，就要充分考虑投入与产出的匹配如何更加有效。众多研究表明，大中型因其规模比较大，资源比较多，组织方式比较完备，因此新技术对其全要素生产率的贡献度相对来说比较高一些；但是多数中小银行由于规模有限，人才不足，组织架构和商业模式可能存在一些短板，使得数字化与新技术对其全要素生产率的提升似乎并不明显。数据治理事实上为改变整个银行业全要素生产率的不均衡带来了新机遇。

　　未来对中小银行来说，可以通过数据治理变革，弥补发展中的短板和不足，优化自身的投入产出结构；对于大型银行来说，用数据治理把整个组织模式、流程进一步改良，也有助于改善投入产出的效率、效益与效果。因此，数据治理是解决整个银行业数字化转型效率的重要着眼点。

　　《金融时报》记者：一些金融机构在数据治理中会用到SaaS系统，据了解，该服务是科技外包的一种方式，如何确保其在数据治理中应用的适用性与合规性？

　　王强：第一，适用性方面，SaaS系统在各行业的应用是IT系统架构发展的大趋势，SaaS系统能够将上层的业务应用模块跟中台以及底层的平台相剥离，助力于实现更加专注的数据治理。第二，合规性方面，SaaS平台可以内置一些行业特有的数据清晰方面的规则，从而满足所融入的行业需求。此外，SaaS平台与行业数据进行融合，可以通过包括隐私计算、多方安全计算等技术方式，实现行业的数据不出域，依托于第三方的SaaS平台来推动相关应用。

　　《金融时报》记者：您认为，金融业数字化转型的核心是什么？如何在数字化转型过程中更好地释放数据要素价值？

　　杨涛：加强数据治理，释放与资产价值，促进数字化转型，是目前金融业亟待攻破的难点。应该说，银行业数字化转型是整个金融业数字化转型的核心，归根到底要处理好三方面的关系：第一，供给与需求。从需求侧来看，适应经济社会数字化演变对金融带来的要求，构成了银行业数字化转型最核心的动力之一；从供给侧来看，金融业是一个特殊的信息处理行业，当信息技术发生重大的演变与迭代时，金融要素、功能、组织方式、业务边界都在发生深刻变化。第二，生存与发展。伴随着愈发突出的新技术挑战，银行业将面临前所未有的生存压力，如何拥抱数字化与新技术，从而维持基本的功能，是众多机构首先面临的挑战。在此基础上才是发展问题，即如何充分利用数字金融手段，找到新的增长点与新赛道。第三，创新与安全。一方面，金融只有通过不断的创新，才能提升服务效率、降低成本、拓展服务能力，从而更好地跟实体经济融合；另一方面，安全是永恒的主题，金融业需要有效管理风险，而不是消灭风险，因为风险天然就是金融活动最重要的资源之一。因此，平衡创新与安全在数字化转型当中是始终绕不开的话题。

　　数据治理是处理好上述三方面关系的核心抓手，即通过提升行业治理的综合能力，促进银行业投入产出模式的优化。

　　王强：将数据资源形成高质量、标准化、可交易的数据要素是数据治理的核心目标，继而实现激活数据要素的潜能，从而释放价值。这是金融业数字化转型的难点，而大数据技术创新能够更好地激活数据要素。

　　对此，可以从三方面来看，第一，提升数据要素系统性。基于的采集、存储、处理的相关技术，提升数据资源维度的丰富性。第二，提升数据资源融合性。通过的相关流通、交易、共享技术，实现数据资源在更多主体间流动，融合多元异构数据。第三，提升数据资源先进性。基于AI、大数据智能分析技术，能够从数据资源中提炼更深层次的内涵及价值。

　　从数据到数据要素，最后成为数据资产是数据成为生产要素的重要形式，未来，数据资产一定是社会化大生产的重要推手，非常期待银行业能够成为引领数据资产化进程的重要领域。

　　杨涛：随着时代的变迁，数据治理也从局部数据管理、统筹数据治理，发展到如今以释放数据价值为核心的数据资产运营，内涵和重要性在不断提升。

　　数据要在银行业变革中真正发挥作用，需要实现数据要素链、数据资产链与数据价值链的三链融合。第一，数据要素链。要使数据真正成为要素，需要把数据产业的基础架构做好，意味着从整个行业角度，需把数据的采集、存储、处理、交易、保障等这一系列环节做得更完备、更顺畅。第二，数据资产链。从数据到数据要素，从数据要素到数据资产，是不断升级的过程。数据资产体现了数据要素里面最有价值的部分，意味着更加标准化、更加可识别。如何通过价值评估和财务计量，真正把一部分数据要素提升到数据资产，对银行业的未来发展影响巨大。第三，数据价值链。数据价值链则是强调从数据要素到数据资产的演变，必须要对银行业务活动带来真正的价值，并且最终改善银行服务能力，真正助力于中央提出的科技、产业、金融良性互动与融合，这也给理论与实践提供了极具价值的创新领域。