数字经济时代，数据作为国家基础性战略资源和关键生产要素，已成为经济社会发展的基础资源和创新引擎。近期发布的《关于加强数字政府建设的指导意见》中明确提出，要主动顺应经济社会数字化转型趋势，建立健全数据治理制度和标准体系，创新数据管理机制，深化数据高效共享，充分释放数据要素价值，确保各类数据和个人信息安全，到2025年基本形成政府数据资源治理框架体系。金融业是天然的数据驱动型行业，如何更好顺应政策导向，完善数据治理体系、有效发挥数据价值，推动自身转型升级，是金融机构应该重点思考的话题。
银行等金融机构在业务发展中，积累了庞大的客户信息和海量的交易数据。可以说，数据已成为银行业的重要资产，而数据治理的重要性日益凸显。
从银行业来看，做好数据治理已成为行业共识。从2021年开始，六大国有银行年报均提及“数据治理”，体现出对此领域的重视。如工商银行由总行金融科技发展委员会统一领导数据治理工作，金融科技委员会下辖的金融科技部和信息管理部负责数据治理的综合管理；各业务管理部门以及经营机构则负责自身业务线及机构的数据治理。工行高度重视运用大数据、人工智能等技术，提升数据治理效率，满足监管机构数据报送要求及业务用数需求，并在2021年成为国内首家获得DCMM5级认证的银行，数据治理效果行业领先。
建设银行在总行成立“数据治理委员会”，委员会主任由行长担任，制定全行数据标准，并已建成完整的企业级数据逻辑模型、数据标准、业务术语、业务指标等数据规范，共8万余个数据项。同时，按照业务数据化、数据资产化、资产价值化的动态循环，建行构建起业内知名的数据治理价值链。其中，业务数据化，是指用数据来描述业务，用数据形式量化经营管理全过程，形成统一标准、数据计量。数据资产化，是指建立并执行统一的数据规范，打通纵向横向存在的行内数据壁垒，以客户、产品、机构等为维度，实现数据互联互通，集成整合为高品质的可用资产。资产价值化，是指深入挖掘、分析各种类型的数据资产，研发数据产品，从中获得洞察、预测能力，服务客户营销、风险管理、产品定价、资金管理等，支持业务经营和客户服务。值得一提的是，建行依托自身在智慧政务的基础和建信金科的技术优势，创新性的把国家政务服务标准、政务服务数据接口、不动产抵押登记、互联网+监管、公租房数据标准等信息归拢整合，形成建行GSDM（政务服务数据模型），该模型已包含200多个实体，3400多项属性，并协助多地政府开展大数据平台建设和数据治理，为后续银政深度合作和数字化场景金融服务奠定坚实基础。
从监管来看，强化数据治理也成为关注的焦点。早在2008年，银监会就发布了《关于进一步提高数据质量做好非现场监管工作的通知》。2018年，银保监会正式发布《银行业金融机构数据治理指引》，就数据治理架构、数据管理、数据质量控制等五方面明确指导要求。2021年，人民银行发布了《金融业数据能力建设指引》，概括出数据战略、数据治理、数据架构、数据规范等八项能力域。同年9月，银保监会发布《商业银行监管评级办法》，将“数据治理”首次纳入商业银行风险监管的评价指标。2022年以来，央行发布的《金融科技发展规划（2022-2025年）》以及银保监会发布的《关于银行业保险业数字化转型的指导意见》也均提到了数据能力建设、数据治理体系提升等。
在强化制度建设的同时，监管机构也围绕数据治理加大检查力度，并数次对银行开出罚单。如2022年3月，银保监会对政策性银行、国有大型银行、股份制银行等共21家银行机构在监管标准化数据（EAST）数据质量领域违法违规案件作出行政处罚，涉及金额高达8760万元。而据统计，2020年以来数据治理方面处罚金额已经过亿。高额罚单的背后，标志着监管部门已将数据治理管理提升到前所未有的高度。
银行业数据治理，存在几大难点。一是数据规模大，历史包袱重。随着我国银行业快速发展，业务规模的增长伴随着数据数量的几何式增长，商业银行的系统和数据纷繁复杂，来源不一，数据碎片化和数据孤岛问题突出，而近年来由于互联网等新兴业务发展，又引入了大量外部数据，使得治理成本较高。二是标准不统一，质量短板多。虽然金融机构积极探索，但在数据治理方面，往往存在数据采集标准不统一，缺乏内部规范，导致数据异常、错误、失真等“脏数据”频繁发生，极大影响了金融数据的完整性和品质。三是安全挑战多，风险防控难。随着数据的重要性日益凸显，数据滥用和泄露的风险与日俱增，而数据权属界定不清，数据安全保护的技术手段缺乏，以及数据保护与治理的机制不完善等问题，都对银行数据治理带来新的挑战。此外，部分银行在数据治理的顶层设计、组织架构和人才队伍方面也存在不足，制约了实际应用效果。
商业银行要做好数据治理，应在以下四个方面做好探索。一是做好数据顶层规划。数据治理涉及部门多、战线长、投入大、包袱重，必须做好顶层设计，要制定符合监管要求和银行自身特点的数据治理战略和阶段性目标，自上而下推动数据治理工作。二是建立健全统一标准体系。加强业技融合，形成全行统一的企业级数据标准，同时强化数据治理考核评价，确保数据标准执行到位。三是建立统一的数据平台。将分散系统数据统一接入平台，实现数据入湖入港，构建银行全部数据的全生命周期管理体系，为数据整合和赋能业务价值提供支持。四是做好安全防护。对数据分类分级管理，不断升级技术安全防控系统，维护数据安全。
说明：本文作者系CFT50青年学者、光大科技创新总监兼战略发展部总经理王硕、光大科技战略发展部方天，原文刊发于《中国城乡金融报》
厂商征集
大佬观点
