商业银行数据资产体系建设实践——以上海银行为例
原创 金融数字化实战找 鑫知课堂 2024-04-08 12:02 北京
本文来源上海银行/数交所，德勤企业咨询,从数字中国战略，到数据要素市场布局，再到企业数字化转型实践和数据资源“入表”探索，数字经济和数据要素驱动千行百业创造了新的业务模式、新的产业生态和新的认知洞察。数据作为新型生产要素，是我国在数字经济时代一项重要的制度创新。
一、数据资产化是企业数据治理向上演进的必经之路
1.先行开展数据治理的企业，数据治理工作步入深水区
银行业作为全面实施数据治理工作的行业，监管指引的发布使得数据治理成为银行业的刚需。数据治理的复杂性日益提升，主要体现在以下几个方面：
●数据治理与银行数字化转型战略紧密结合，数据治理的自我驱动力增加
●数据治理由面向数据对象转化为面向数据应用，数据治理的复杂度提升
●数据治理广度和深度增加，需要更加自动化和智能化的工具支持
●数据安全在数据治理中的比重增加
数据管理自动化与智能化应用场景
2 当前数据治理工作的局限与困境
如何做到“神形兼备”
数据治理的“神”在于将数据管理活动贯穿于数据应用开发的全流程中，建立起从数据源头到数据应用空间链路，数据从生成到销毁全生命周期的时间链路的伴随式数据管理机制，数据在时空链路上的流动变换，数据治理中的需求分析、模型设计、标准建设、质量监控、血缘追溯、安全管理等各项具体工作依次展开，如图 3 所示。数据治理与数据应用的融合，并不是在时空各环节依次叠加数据管理的各项工作，而是分析拆解数据应用的需求，提取需求中基础数据和数据加工的共性部分，以数据模型为核心，以数据血缘关系为连接，整合数据标准和数据质量检核规则，在数据应用开发过程中，保障时空链路中的数据规范有序，加工逻辑准确无偏，及时识别数据质量问题并有效纠偏。
时空全域数据治理
如何避免“孤军作战”
数据治理之所以称其为“治理”，与企业上下层级间的统一共识、跨部门的协作配合密切相关。企业设置数据归口管理职责，通常存在三种模式。一种是单纯行使数据管理职责，另一种是整合数据，应用研发与数据管理职责，第三种是数据底座建设、数据应用研发与数据管理职责三合一。这三种模式各有优劣，企业可根据自身数据能力成熟情况与资源分配进行排列组合。
根据“数据二十条”数据确权原则可以包含以下内容，如图所示：
数据确权原则
如何体现“物有所值”
企业可以从“数据质量改善、数据研发效能提升、数据产品业务价值”三个维度建立数据治理成效评估体系，以可视化的方式定期生成数据治理综合看板，在管理层和业务部门宣传数据治理成效，也接受同仁对数据治理工作的监督，形成众人拾柴火焰高的数据治理文化。
3.数据资产管理是企业数据治理向上演进的必经之路
当前，数据治理工作中存在的困境，都是推动数据治理走出单一管理或者技术的局限，以数据治理为基础，面向应用数据的业务场景，以服务业务决策、提升业务认知、创造业务价值为目标，实现数据资源向数据资产的转变。
2023 年中国数据分析和人工智能技术成熟曲线
数据管理能力成熟度第 3 级稳健级到第 5 级优化级能力提升的路径，反映了企业对数据价值从有意识、到可量化、再到持续创造更多价值。数据资产在企业中发挥的作用逐级提升，从实现绩效目标，到获取竞争优势，再到成为生存发展的基础。
数据管理能力成熟度
在数据资产体系中，数据治理仍然占据着基础性的地位，并且贯穿数据资产的全生命周期。数据资产研发、运维和业务运营的过程，各项具体细致的数据管理工作将保障数据资产从业务需求到达预期可使用状态的数据基础。
二、数据资产体系发展阶段
在于数据要素流通，数据资产增值。该时期数据资产仍是核心，属于资本增值阶段，旨在完成数据资产交易流通，通过数据资产价值提升促进银行在资本市场的市值提升。
1.国内外数据资产标准概述
国内外已发布的数据资产标准
三、“三位一体”数据资产体系的构思
1 “三位一体”数据资产体系的构成与工作机制
“三位一体”数据资产体系
数据资产体系以数据资产运营为中心，形成“运营融合管理、价值驱动运营”的理念，让“三位一体”形成相互循环。
2 “三位一体”数据资产体系的相互作用关系
“三位一体”的数据资产体系之间的关系，可以从“运营融合管理、价值驱动运营”两个角度来阐述，如图：
“三位一体”数据资产体系的相互作用
3 .“三位一体”数据资产体系的构建
数据资产体系与 5 大支撑
“三位一体”数据资产体系在组织团队、制度流程、平台工具、安全合规、文化建设等五大方面需要企业建立支撑能力。数据资产的管理、运营和评价离不开有效的制度体系指导、职责分明的组织团队协作，更需要平台和系统工具实现其自动化、智能化的各项工作。
四、商业银行数据资产体系建设实践
1.商业银行开展数据资产体系建设的背景和目标
背景
《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》发布了以数据为中心的二十条政治措施，对银行的数据资产管理提出了要求，也为数据资产管理提供了条件。
目标
上海银行开展数据资产体系建设工作，致力于在全行范围内建立并运行数据资产管理、数据资产运营和数据资产评价的相关工作。行内最终形成以数据资产为依托，数据价值文化为导向的数字生态，实现数据推动业务，业务反哺数据的良性运作体系。
上海银行数据资产体系建设实践目标
2.商业银行数据资产体系建设的工作步骤
●厘清数据资产的范围
●建立数据资产体系
●数据资产体系落实
●数据资产价值实现规划
3.上海银行数据资产体系建设实践的主要成果
根据商业银行数据资产体系建设，上海银行构建了数据资产管理、数据资产运营和数据资产评价三位一体的数据资产体系。在数据资产管理的建设过程中对数据资产的分类目录体系进行了设计，分为“三层七域一管控”，除了对行内的存量数据资产进行盘点和梳理之外，还对数据资产的注册登记流程进行设计，保障数据资产有效管理。在数据资产运营的建设过程中通过数据资产门户对数据资产服务的内容进行全流程管理，持续提高运营效率。
上海银行根据行内现状，建立“三层七域一管控”数据资产目录分类框架，明确数据资产类型与应用领域分类，如图所示。
“三层七域一管控”数据资产目录分类
数据资产的盘点是开展数据资产管理的首要工作。上海银行结合对数据资产不同形式的定义，明确了各类数据资产所需的管理属性，包括基本属性、业务属性、管理属性、技术属性、安全属性、评价属性、关联属性等，用于统一对不同数据资产类型的属性进行管理。
具体的盘点路径优先从面客的视角，对各类数据服务的内容进行识别，按照图18所示的步骤，结合数据资产的范围、血缘追溯的内容、资产要素信息的补全等，纳入到全行的数据资产管理工作中。
上海银行数据资产盘点实施步骤
针对数据资产目录属性和数据血缘工作的可行性问题，上海银行以监管报送数据作为试点，对金融基础数据和人行大集中的指标、报表类数据资产进行目录的重构和盘点工作，完善资产目录属性，同时完成贴源层到集市层、集市层到应用层的数据血缘穿透分析。
试点期间，上海银行在金融基础数据模块优先完成报表类数据资产的梳理工作；在人行大集中模块，从报表类数据资产和指标类数据资产着手开展梳理工作。
上海银行在实践过程中主要选取了“基金销售”与“反电诈”两个场景作为数据资产价值评估试点。在本次数据资产价值试点评估实践中，除了对两个应用场景进行了探索性评估，在应用层面还凝结形成了数据资产评估的初步模板，包含针对不同价值评估目标的《活动数据收集表》，用于统计采用数据资产或未采用数据资产的活动下，投入资源及获得收益的差异；以及《产品数据收集表》，用于统计采用数据资产的情况下，未来每天的应用覆盖规模及开发运维成本；同时还有《基本假设表》，用于获取价值评估模型核心参数，例如税率、WACC等指标，为未来行内全面推广数据资产价值评估夯实基础。
五、全国多层次数据要素市场的建设
目前，我国数据要素交易市场的探索仍然处于起步阶段。以上海数据交易所为例，目前场内挂牌产品1500个左右，这些产品呈现行业多元化、主体多元化、交易方式多元化的特点。
我国数据要素市场建设情况
数据要素市场互联互通指的是国家数据交易所、地方数据交易中心和行业数据交易平台之间的互联互通，主要通过统筹建设国家级数据交易所、合理布局区域性数据交易所、有组织有计划推进行业性数据交易平台来构建全国多层次、互联互通的数据要素市场。