【德勤数据治理2.0】

过去的十余年间，金融行业数据治理工作从起步到茁壮成长。伴随着这一过程，德勤提供了多样化的数据治理专业洞察与服务。我们于2019-2020发布的《银行业数据治理实践难点及应对系列》共18篇文章，紧扣监管要求与银行实务操作，系列文章涵盖了顶层设计、建章立制、考核体系、数据标准、数据质量等各领域的专业工作，得到业界的广泛好评。

2020年4月中央出台的《中共中央 国务院 关于构建更加完善的要素市场化配置体制机制的意见》将数据作为生产要素之一，提出加快培育数据要素市场，推进政府数据开放共享、提升社会数据资源价值、加强数据资源整合和安全保护的要求。2021年是国家十四五的开局之年，《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中明确提出“打造数字经济新优势”，将数字经济发展和数字化转型的目标与作用提高到了国民经济的高度，并提出充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合。作为数字化转型的基础，数据治理工作将有效促进企业实现“准确识变、科学应变、主动求变”的要求。

对金融行业而言，当全行业数据治理基础体系的构建初步完成后，实现数据赋能业务的目标还有多远的距离，数据治理工作下一步路在何方？这是数据治理2.0阶段所需要回答的问题。

监管先声：数据管理政策演进

这一问题的答案，或许可以从监管要求的演进中寻找端倪。最近一年，监管机构密集出台与数据管理相关的管理政策，监管要求朝着完善规范、全面覆盖、趋向明细、服务业务的方向发展。

2020年岁末，银保监会向各金融机构征求关于《银行保险机构数据治理指引》的修订意见，旨在贯彻中央精神，衔接落实《中华人民共和国数据安全法（草案）》等要求，为解决银行业和保险业在数据治理各领域与数据价值实现等方面的问题和困难提供指导方向，体现金融业数字化经营和数据治理工作的未来发展趋势。该指引作为2018年银保监会《银行业金融机构数据治理指引》的修订与完善，将数据治理的规范要求向保险行业延伸。

同步延伸的还有EAST监管报送。最近一年，银保监会陆续下发《保险业监管数据标准化规范》人身保险公司版、财产保险公司版、再保险公司版等，从各类保险业务的业务流程出发，要求保险业经营机构报送包括产品设立、客户维护、承保、收付费、再保险、理赔、投资等全流程明细信息。同时，监管对EAST报送质量也提出了更高的要求。通过校验规则的更新、数据分析模型的构建，深入分析金融机构报送数据的质量，从业务与风险管理等多样化视角出发，基于数据挖掘金融机构在经营管理过程中潜藏的隐患。

中国人民银行对监管报送也提出了新要求。中国人民银行于2020年9月起分步实施金融基础数据统计制度，以金融机构的会计科目与账户信息为基础，加强统计监测，促进金融统计标准化。人行利率报备监测分析系统将于2021年9月24日完成系统试运行，以进一步提升利率管理能力，满足货币宏观调控需要。此外，2021年2月，中国人民银行制定并发布《金融业数据能力建设指引》标准，覆盖数据战略、数据治理、数据架构、数据规范、数据保护、数据质量、数据应用、数据生存周期管理等8个能力域，29个能力项，要求金融机构将数据能力建设纳入自身的中长期发展战略，并进行定期评估。

上述监管要求的演进，进一步提升了对金融机构数据管理的要求，体现在流程机制的有效运转、技术能力的持续建设、管理防线发挥作用、服务各类应用场景，而实现这些要求的基础，是金融企业必须具备高可信的数据资产。

德勤数据治理2.0：构建高可信数据资产体系

德勤认为，构建高可信数据资产是数据治理2.0工作的目标。高可信数据资产指企业所拥有的来源清晰、操作合规、质量可靠、安全可控的数据、模型、算法。

构建高可信数据资产，需做到以下“五个可信”：

1. 来源可信：明确黄金数据

高可信数据资产必须具备数据来源明确清晰，定义准确，标准统一，流向可追溯，链路可查可控，获取过程合法合规。

2. 操作可信：遵循规范流程

高可信数据资产的建设，要求参与数据操作的业务人员、数据科学家、开发人员等各类角色需遵循可落地、易执行的数据治理操作规程要求，执行数据开发、模型建设、数据操作等一系列工作，确保规范被执行，流程持续运行。

3. 内容可信：数据质量达标

数据质量反映了数据对业务场景描述的准确性，直接决定了使用方对数据的信任度。高可信的数据资产必须满足各参与方针对数据质量的管理要求，并将数据质量作为数据资产评估及估值的重要维度进行治理。

4. 安全可信：数据安全可控

采用技术与管理措施，保障数据不因偶然和恶意的原因遭到破坏、更改和泄露，保障数据安全可控，是数据资产可信的必要条件。

5. 防线可信：构筑治理防线

建立可信数据资产管理的三道防线，在现有内控自查、定期审计等工作中嵌入来源核验、规范遵循、有效性检验、安全检查等可信数据管理进阶要求。

信以致用：高可信数据资产赋能业务发展

数据治理是企业开展数字化转型的基础工作，数字化赋能企业前、中、后台的各类业务场景，需要高可信的数据资产作为核心驱动因子。在数字化浪潮下，企业发展对数据资产可信度的要求将日益提升，具体体现在数据资产的可用性、有效性、准确性和及时性，而这对于数据治理工作提出了更高的要求。深化数据治理工作，以企业高可信数据资产建设作为目标，其目的在于提升企业的数据资产可信度，让数据资产从“能用”走向“好用”，盘活企业存量数据资产。

高可信数据资产体系的建设，将赋予数据资产 “开箱即用”的能力，减少不同数据使用者对数据开展重复验证的工作，提升企业整体的数据使用效率，以赋能百花齐放的各类数据应用场景。

随着数据资产可信度的提升，企业应用数据赋能业务发展的场景也将不断涌现。

1. 满足日常经营分析，赋能决策：在企业内部构建一套统一的数据语言，保证数据口径一致、质量可靠，从而使经营分析和决策有据可依；
2. 丰富数据分析场景，发展业务：充分识别并构建企业数据分析应用场景蓝图，依托高可信的数据资产进行数据分析，充分赋能业务分析场景；
3. 优化数据模型管理，完善服务：保障算法与模型的完备性、有效性，优化模型管理，并进一步构建数据服务能力；
4. 开展数据资产估值，创造价值：高可信的数据资产可以为数据资产估值提供可靠的依据，支撑数据资产的价值创造。

结语

随着数据治理工作的持续推进，思考数据治理下一步的工作方向正当其时。从本期开始，德勤将推出数据治理2.0系列文章。此次系列文章将以“高可信数据资产”为核心，介绍高可信数据资产的概念、方法工具与数据应用场景，结合实践案例，向各位读者介绍德勤在数据治理领域的创新思考与尝试。

为更深入地阐释数据治理领域的理论体系与实践成效，探索数据治理进阶之路，德勤将邀请国际数据管理协会中国（DAMA - CHINA）与业内理论与实践应用专家参与此次数据治理2.0系列文章的编撰，邀请微众银行的数据及建模专家分享在数据模型应用、算法实践等领域经验。DAMA作为专注数据管理的专业组织，其出版的《DAMA 数据管理字典》、《DAMA数据管理的知识体系指南》已成为从事数据管理工作的经典参考和指南¹。微众银行是国内首家民营银行、互联网银行，具备丰富的数据模型应用、算法实践经验。数据管理协会中国与微众银行将同德勤一道，在此次系列文章中分享精彩的观点。

雄关漫道真如铁，而今迈步从头越。数据治理漫漫征途，德勤将继续与您携手同行。

文章作者：德勤中国副总监何向飞，德勤中国副总监张华，国际数据管理组织协会中国理事郑保卫

注：
1. 来源：参考网址http://www.dama.org.cn/drupal620/zh-hans/node/1