导读

随着以数字化转型推动银行业高质量发展成为共识，商业银行对数据治理的需求愈发迫切。数据治理是一项长期、复杂的系统工程，要将数据从“石油”加工成“汽油”再供给到“发动机”，让数据由资源变成资产，商业银行必须对数据治理中存在的问题做“减法”、所需的能力做“加法”，真正向数字化银行转变。

1、数据治理四大挑战

根据银保监会《银行业金融机构数据治理指引》（以下简称《指引》），商业银行的数据治理是指通过建立组织架构，明确董事会、监事会、高级管理层及内设部门等职责要求，制定和实施系统化的制度、流程和方法，确保数据统一管理、高效运行，并在经营管理中充分发挥价值的动态过程。当前，我国商业银行数字化转型中，数据治理主要存在四点挑战。

《指引》明确数据治理要义

数据治理架构不清晰

商业银行数据治理架构不清晰主要体现在顶层设计和组织架构方面。顶层设计方面，大多商业银行并未制定明晰清楚、具有全局性的战略规划；组织架构方面，在我国商业银行传统的金字塔型组织架构中，管理以条线为主，各部门之间相对独立，不能适应以科技为推动力的现代化流程，不利于全行一体化推进数据治理工作。

数据质量管理体系不健全

 数据质量管理是数据治理工作开展的重要保障。目前，由于缺乏对数据来源、数据获取方式的规范、统一管控，导致数据的及时性、真实性、准确性、完整性有待加强。多家银行就因数据报送存在违法违规行为而被处罚。同时，由于分散于不同系统的数据标准不一，数据传输、存储、模型设计方面存在技术错配，导致数据与模型处理分析结果的一致性、关联性有待提高。

数据标准不统一

数据标准化是数据治理的基础。目前部分银行或缺少全行统一的数据标准，或虽已建立了数据标准，但贯彻执行不力，不能及时、同步更新。数据标准不统一容易产生“数据孤岛”，极大影响了数据的有效融合与价值的实现。

数据安全存在隐患

数据安全是数据治理的关键，也是商业银行发展的前提和保障。商业银行面临的数据安全问题主要体现在数据、特别是核心数据的泄露。如交易金额、还款记录、资金流等商业信息，由于银行数据保护策略失当、数据价值定义不明确等原因，存在违规操作及敏感数据泄露的风险。

2、有的放矢提升数据治理能力

今年年初，银保监会《关于银行业保险业数字化转型的指导意见》明确，应健全数据治理体系，到2025年数字化转型取得明显成效。结合我国商业银行数据治理研究与实践现状，基于上述挑战分析，本文就提升商业银行数据治理能力提出五项建议。

优化数据治理路径

 处于不同数据治理阶段的商业银行应选择不同的数据治理路径。因此，首先要建立数据治理能力成熟度等级评价机制，对银行自身数据治理的现状、能力和发展路径等进行认知和定位。在此基础上，才能探索并选择合适的数据治理路径。

对处于数据治理起步阶段的商业银行，要在总行层面建立全行数据治理体系；在战略上加强顶层设计，制定全行数据治理战略规划；积极推进各项数据治理工作，引进最新技术。

对处于数据治理发展阶段的商业银行，要进一步完善数据治理体系，有步骤、按顺序地开展数据治理工作，对于发现的短板和问题查缺补漏。

对处于数据治理领先地位的商业银行，要发挥数据驱动决策、数据引领业务发展的优势，巩固已有的数据治理成绩，继续探索引进最新技术，将数据转化为成果。

完善数据治理架构

 其一，顶层设计方面，要提高统筹规划能力，制定符合监管要求和商业银行实际情况的数据战略，设计阶段性治理目标，将数据治理融入银行的公司治理、运行体系和业务流程，自上而下推动数据治理工作。

其二，组织架构方面，应当加强组织领导，优化组织架构，建立由董事会、监事会、高级管理层、归口管理部门、业务部门各司其职、分工明确、职责清晰的数据治理组织体系，设置专门的数据中心或数据部门，负责数据治理工作，并适时设立首席数据官。

 比如工商银行于2000年成立数据中心，负责全行信息系统的生产运维管理、基础架构技术研究，以及全集团信息安全防线等工作。建设银行成立了总行领导挂帅的工作领导决策机构，强化总行数据管理部作为大数据建设牵头部门，与大数据指挥中心一体化协同运作，加强大数据工作的体系化统筹管理。

持续提高数据质量管控

 根据数字化转型的要求，秉持“以客户为中心”的发展理念，加强数据质量管理。首先，接入分散设立的各个系统，建立一个一体化的、覆盖全部数据的、全生命周期的数据平台，从而为数据整合和数据治理提供系统支撑。其次，在保障个人隐私的前提下，完善对客户个人信息、金融行为、账户特性等方面的数据采集。再次，制定全面、有效的数据管理、数据应用和数据质量管控规章制度。

建立健全数据标准体系

站在全局角度，根据业务发展、风险防控、内部管理和监管合规的需要，设置全行统一的企业级数据标准。尤其是技术部门，在系统设计和建立时要将数据标准贯彻其中，用技术手段确保数据标准得到贯彻执行。此外，积极推动并参与跨行业数据交互标准体系建立，促进跨行业数据交互、共享及整合，实现数据价值的最大化。

平衡数据安全合规与价值实现

一方面，根据安全等级，对数据进行分级分类管理，规范信息使用权限和程序，加强信息安全保护，防止信息泄露和非法使用。另一方面，利用隐私计算、数据脱敏等先进技术，在保障数据安全合规的前提下规范开展数据共享应用，确保数据交互安全、使用合规、范围可控。最终，实现数据管理安全合规和数据价值实现之间的有效平衡。

总 结

 可以预见，商业银行的数据治理将迎来突飞猛进的发展。作为一家懂金融的科技公司，聚均科技深刻理解金融机构需求，基于数据脱敏、隐私计算等技术，发挥数据资产采集、价值挖掘、安全保障等方面的优势能力，赋能金融机构健全数据治理，实现数字化转型。

参考文献：
   【1】刘凯，于天：《商业银行数字化转型中的数据治理策略研究》
   【2】李旭东：《浅谈商业银行数据治理的难点与应对策略》
   【3】卞雨茗：《商业银行数字化转型下的数据治理》
   【4】艾瑞咨询：《中国数据中台行业白皮书》
   【5】赛迪智库网络安全研究所：《数据安全治理白皮书》