优化金融数据治理和应用

当前，金融数字化浪潮席卷全球，数据成为金融行业新的生产要素。 作为服务实体经济的重要支撑，我国金融业正进入数字化转型的关键阶段。 用数据做决策、用数据创新逐渐成为金融行业的共识。 如何加强金融数据治理？ 如何推动金融科技变革？ 记者就相关问题采访了业内人士。

破解关键问题

“银行保险业作为数据密集型行业，需要加强数据治理，加快数字化转型发展。 这不仅是激活数据要素潜力、把数字经济做强做优的使命，也是提高金融服务智能化水平、加强防范的使命。 化解风险的能力是内功。”国家金融监督管理局一级巡视员叶燕飞在日前举行的2023金融街论坛年会上表示。

数据作为金融业的重要资源要素，已成为基础性、战略性资源，融入生产、分配、流通、社会服务管理等各个环节。 叶燕飞表示，在这个过程中，有几个问题需要特别注意。 一是强化顶层设计。 数据治理是一项系统性工作，涉及复杂的工作，包括如何有效地规划和系统推进，如何平衡短期投资成本和长期效益，如何通过内控和审计来规范数据治理工作。 诸如此类的问题应纳入战略规划的制定中。 考虑。 二是做好协调工作。 数据治理成功的关键是建立系统、职责明确的协调合作体系。 权责模糊、缺乏动力，会导致数据治理不善、使用效率低下。 三是强化技术基础。 数据治理不仅需要充分关注元数据、数据标准、数据模型、数据分布等，还需要数据治理与新技术应用的广泛融合，真正体现在数据治理和应用的全过程中，并赋予充分发挥数据与技术的融合。 积极作用。 四是助力业务发展。 数据治理必须与业务发展有效结合。 通过深入的客户数据分析和挖掘，我们可以更准确地了解客户需求，全面提升服务质量和水平。

人民银行等部门联合印发《金融标准化“十四五”发展规划》，提出用标准化引领金融业数字生态建设，特别是稳步推进金融科技建设制定标准，系统完善金融数据要素标准。 专家表示，金融标准建设与金融监管和市场密切相关，金融标准化水平的提高为金融机构深化数据治理指明了方向。

但现有银行数据治理探索也面临标准化意识缺失、管理责任不到位、关键数据标准制定实施流程不完善等问题。 解决这些矛盾亟待推进标准化。 此外，银行业普遍缺乏大数据相关人才，需要尽快推动全行业中高端人才的培养和提升。 否则，数据治理将成为“无源之水、无本之木”。

今年中央金融工作会议强调，要完成科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章。 未来，推动我国金融业数字化转型将是加强金融强国建设、推动实体经济高质量发展的重要组成部分。

中国银行业协会首席信息官高峰表示，近年来，金融科技为银行业数字化转型赋能发挥了积极作用。 但随着转型进入深水区，衡量金融科技对数字化转型的质量和效果，应重点关注数据资产价值。 数据不仅是银行的核心资产，也是数字化转型的创新驱动力。 数据资产尤为重要。 通过评估和衡量数据资产的价值，我们可以发现数据在业务创新、运营优化、客户体验改善等方面所发挥的深远作用。

深化数据治理

近年来，国家顶层设计和基础体系不断推动数据元素化快速发展。 数据元素化的核心内容主要包括数据确认、估值、建表等。 数据治理是支撑数据元素化发展的重要基础。

光大银行党委委员、副行长杨冰冰表示，为做好数据治理，光大银行构建了适应数据要素的企业级数据管理框架，形成了完整的数据治理体系。全生命周期覆盖的数据安全管理体系，强化外部数据管理，积极融入数据要素的生命周期。 同时，光大银行以资本化、价值化的方式管理和运营银行数据资产，积极开展数据资产估值、计入表、金融产品等方面的研究和实践，与大数据开展全面、广泛的合作。各地交易所和大数据局。 双方合作，共同推动数据元市场高质量繁荣有序发展。

拥抱数字化和新技术是银行业的重要选择。 只有充分利用数字金融手段，才更有可能找到新的增长点、新的赛道。 以银行业数据治理为例，推进数据治理还需要充分考虑内外部改革重点。

国家金融与发展实验室副主任杨涛表示，一方面，银行机构可以重点抓好一些关键举措，完善数据治理。 一是完善机制。 银行数据治理是一个系统工程，战略必须先行。 二是科技驱动。 数据治理本质上是管理与技术的结合。 因此，不仅要充分关注各个细分领域，更要把数据治理与新技术应用结合起来，真正释放新技术带来的“正效应”。 三是支持创业。 优化数据治理和应用，有助于破解金融科技场景落地难点，缓解技术与业务的“两张皮”问题。

另一方面，也有必要探索和完善银行数据治理的外部环境保护，推动数据治理规则的完善。 比如，从数据要素在整个社会再生产中的作用来看，离不开数据的生产、交换、分配、消费等环节。 作为一个重要的起点，需要考虑数据元素所有权问题。 又比如，个人信息保护、国家安全信息保护等问题始终落实在数据应用中。

未来，加速数据治理将是金融行业的一大趋势。 金融行业需要从多个方面协调有序推进，特别是数据治理成本投入问题。 民生银行数据管理部总经理沈志勇表示，科技的最终目的是服务经济，而数据治理形成的分工则体现经济。 主数据治理、数据架构等数据治理的具体工作也服务于长期经济，有助于实现资源的优化配置。 在实施数据治理过程中，应注重衡量局部与整体、短期与长期的投入产出。 金融科技是金融与科技两个专业领域的双向衔接。 目前，双方已达到相互理解、协作的程度。 未来，金融与科技将实现更深层次的融合、更大程度的融合。

坚守安全底线

金融数字化浪潮下，大模型的发展前景被寄予厚望。 专家预测，大模型将加速金融行业数据结构优化，加速银行业数字化转型。 当前，银行业推动金融科技变革的期望日益强烈，大模式将成为金融机构数字化转型的重要方向。

拥抱大语言模型技术可以给银行带来多重好处。 沈志勇表示，首先是提高生产效率，可以辅助甚至替代人工生产内容。 二是重塑知识体系。 基于银行自身数据的大规模模型可以更好地满足知识获取的需求。 三是提升用户体验。 通过拟人化的交互和知识获取的便利性，可以改善金融客户的体验。 然而，银行必须关注经济学。 目前使用大型号的成本比较高。 各银行需要紧密结合自身实际，合理组合和选择大模型与传统人工智能技术。

金融行业作为数据密集型行业，数字化需求强烈，成为大模型率先落地的最佳场景之一。 新网银行副行长李秀生表示，通过数字技术的创新应用，新网银行构建了操作标准化、风控智能、处理自动化的信贷业务能力，为个人和小微提供全线上普惠信贷服务。顾客。 实现了智慧驱动普惠金融业务发展。 如今，随着大型模型的出现，人工智能的发展进入了新的阶段。 相信未来几年，智能化应用将在银行业无处不在。

目前，各大银行保险机构在坚守安全运营底线的同时，正在驶上数字化转型的“快车道”。 多位业内人士表示，新技术的应用也给金融行业带来了新的挑战——数据安全成为金融科技发展的基础工程。

从大模型技术作为前沿技术来看，安全合规是金融机构使用大模型的前提。 “大模型新技术给行业带来了很多期待，也创造了很多领域的新机遇，但也面临着安全、合规、算法、生态四个方面的挑战。在讲大模型决策之前“首先我们要保证数据的安全。我们需要弄清楚数据从哪里来，并有效地组织和管理这些数据。” 妈妈消费副总经理兼首席信息官蒋宁表示。

从支付这个金融行业的重要港口来看，支付行业生存的基础是人们对它的信任，而支付安全是支付行业高质量可持续发展的基石。 Visa全球高级副总裁兼大中华区总裁 Yu表示，过去五年来，Visa的技术投入已达100亿美元，目的是不断提高网络安全性，减少欺诈的发生。 为了保护消费者信息和隐私，Visa制定了全球隐私安全计划。 近25年来，Visa利用人工智能、机器学习和其他技术提供分析见解和风险管理解决方案，以及基于信任和道德考虑的忠诚度解决方案。 Visa积极探索新技术与支付安全和创新的结合，确保支付的安全和便捷。

金融业数字化转型要处理好创新与安全的界限，守住防范系统性金融风险的底线。 叶燕飞表示，银行保险业数字化转型也应坚持安全稳健的原则，有效防范各种潜在风险。 例如，不仅要打破数据孤岛，更好地利用内外部数据，还要加强隐私保护，全面提高数据基础质量。 要加强技术安全，更好保障业务连续性。 依托外部技术时，做好外包风险管控。

杨涛表示，安全是永恒的主题，金融业需要高效管理风险。 平衡创新与安全是数字化转型不可避免的话题​​。 （经济日报记者 王宝辉 苟明阳）