日前，银保监会发布《商业银行监管评级办法》（以下简称《办法》），对银行监管评级体系进行了全面升级。值得注意的是，《办法》将“数据治理”及“机构差异化”两项全新要素纳入了评价体系。作为银行基础性建设工作之一，近些年数据治理工作愈加引起银行的关注，也是监管关注的重点。

数据成银行数字化转型要素

行业格局变化带来发展机遇，银行业正在利用数字化转型重塑商业模式。日益严格的监管要求、不断成熟的技术变革、飞速转变的客户行为、不断涌现的新竞争者等外部环境变化，促使银行业态朝着客户获取碎片化、服务渠道网络化、产品运营整合化等趋势变化，这也对银行提出更高要求，比如场景化、个性化的客户服务，自动化、端到端的业务办理，灵活的、方便的数字渠道，强大的风控及定价能力，敏捷高效的管理及经营能力，统一的、开放式的客户管理等等，这些都亟待数据来发挥作用。

银行业属于典型的数据驱动行业。银行业积累了大量客户数据、交易数据、外部数据等。提高数据管理与治理能力、构建数字化经营能力，对提高银行经营质效，增强市场竞争力具有重要意义。

在日前举办的第二届中关村(行情000931,诊股)论坛金融科技平行论坛上，国家外汇管理局副局长陆磊表示，数字化对实体经济和金融业具有不同的影响。陆磊指出，数据的本质是解决两个问题：一是通过有效识别解决逆向选择问题；二是通过实时观测解决道德风险问题。数字化进程和金融行业天然产生交集。在具体的金融科技治理上，管理数字和数字化管理是新时代对于金融科技治理的两大任务。在如何管理数字上，陆磊强调，“根据时间的变化，发生的问题，适时地提出新的规制方案，有可能是未来一段时间必然面对的管理数字的基本要求。” “所以我们永远要问我们的金融基础设施是否完善，是不是还有需要升级换代的地方。”

索信达金融数据治理领域专家赵涵在接受《中国银行(行情601988,诊股)保险报》记者采访时表示，数字化转型的内在需求使得各家银行将建设数据平台、提升数据能力作为落脚点。各家银行转型主要聚焦三个方向：一是能力升级，即端到端数字体验提升业务效率。比如有些银行通过大数据和新技术引领客户精细化经营、建设大数据实验室、通过大数据平台工具，实现标签组合和分析，提升决策效率等。二是流程变革，即以客户为中心推动传统业务变革。比如一些银行通过大数据平台重塑触客渠道，实现智能营销和推荐，数据、模型和平台共同驱动交易银行精细化建设，大数据平台将分析结果嵌入流程，快速支持业务流程决策等。三是模式创新，即深耕业务场景，数字化引领。比如一些银行以机器学习为手段，衍生超高维数据组合基础，提升反信用卡欺诈效率，利用机器学习模型助力信用卡分期产品营销；基于互联网场景，推进大数据风控业务能力；基于交易数据深度挖掘后的差异化定价及全流程风控；整合全链条数据，构建智能供应链金融等。而在这些转型过程中，数据分别发挥着引领、推动或支撑的作用。

传统数据治理向“数据力”转变

在首届“丝路数字经济峰会暨企业数字化转型创新大会”上，国务院国有重点大型企业监事会原主席、丝路产业与金融国际联盟副主席罗汉强调，产业数字化转型既是技术工作，更是一项重大的管理工程，它是一种思维方式的转型甚至颠覆，是企业从整体到核心的全方位变革，而且是一项长期复杂的系统工程。因此，“只有一把手真正重视了，亲自抓了，坚持抓了，才能有所见效。”

此次会议上，中国人民银行原副行长、中国银联原董事长苏宁谈到，数据已经成为数字经济发展的关键，数据价值化要充分发挥海量数据(行情603138,诊股)和丰富应用场景的优势。在数字化治理中，要创新治理模式，完善治理方式，提升治理能力，建立数字化经济相匹配的制度和政策法规体系，完善数字垄断认定法律法规，完善数字化网络和数字要素的安全保障体系，打击不正当的竞争行为。

目前银行业数据治理发展处于哪个阶段？赵涵介绍，从银行业数据治理的发展历程看，第一阶段是数据整合、数据应用阶段，国内多家大型银行都于2005年前后开始并完成数据整合建设；第二阶段是数据标准与数据质量管理阶段，国内多家大型银行在2008年前后均展开了数据标准项目的实施；第三阶段是其他各数据管理领域，目前大行都已经发展到了第三阶段，部分已成为行业的标杆。

在具体业务方面，赵涵认为，银行等金融机构对数据服务能力的需求体现在以下几个层次：一是公司治理与战略决策的要求，包括信息披露、高层决策等；二是公司管理的要求，包括财务管理、风险管理、绩效管理等；三是公司业务运营与发展的要求，包括产品与客户服务的创新、提升管理能力与工作效率等；四是业务生产类IT系统的需求，包括对数据标准、数据管理的需求等；五是管理分析类IT系统的需求，包括对数据标准、数据管理、数据平台的需求等。这些需求的实现均离不开数据治理。

目前，银行业在数据治理方面，普遍存在数据不可知、不可控、不可取和不可联的四类痛点。数据不可知是指业务部门不知道数据有什么用，也不知道业务分析场景要什么样的数据；数据不可控是指业务部门觉得数据部门不亲民，数据部门又不了解业务，发挥不了数据的价值；数据不可取是指内部数据孤岛严重，不同业务部门的数据库各自为政，跨部门使用数据非常困难；数据不可联是指仅仅做数据的收集和统计，变成了KPI系统，数据和数据间没有形成有效的关联。

赵涵指出，银行业传统数据治理正在向“数据力”转变，即数据管控方法论向数据运营服务能力的转变。高质量数据将是提高银行经营管理效率、提升监管效能的重要基础。

构建大数据运营服务闭环

行业人士普遍认为，要做好数据治理，需构建大数据运营服务的闭环。在新一代数字科技的支撑和引领下，以数据为关键要素，以价值释放为核心，将对产业链上下游进行全要素数字化升级、转型和再造。具体来看，首先要构建数据运营服务能力成熟度评价模型框架；其次是依照数据能力评估框架，制定数据服务能力建设任务蓝图，包括渠道、前台、中台、后台、管理层等层面；再次基于业务数据分布，构建价值地图；最后需制定数据供应主体评估框架，对不同部门及分行进行评价，再生成数字能力建设的管理广告牌。也就是说，数据能力评价应完整覆盖数据生命周期的各个环节。

只有真正用好数据，数据才会产生价值。银行业打造数据应用良好生态环境，强化数据分析对决策参考能力，应重点从客户服务营销、风险与欺诈行为管控、产品和渠道优化、运营管理优化，合规与内控等方面加强数据应用，指导经营分析决策，支持业务发展。