近日，爱分析在京举办了2021爱分析·产业数字化峰会。爱分析邀请御数坊创始人及CEO刘晨进行了题为《金融机构如何实现协同化与智能化数据治理能力跃迁？》的主题演讲。近年来，大数据重塑了金融行业，给金融领域带来了巨大变革近年来，同时数据治理越来越受到银行、监管机构乃至国家层面的重视。刘晨先生分析了国内金融机构近几年数据治理的现状和行业痛点，然后针对性的阐述了协同化与智能化数据治理能力建设要点，最后对数据治理行业的未来做出展望。刘晨：非常高兴可以来到爱分析·产业数字化峰会金融分论坛里面分享一下御数坊这两年对于数据治理能力进阶上的一些思考，我们今天提出来的是协同化和智能化的两个理念，稍后我们会进一步阐述。
金融机构数据治理现状与挑战
1.1.御数坊介绍
先来简单介绍一下御数坊，御是指统御，从名字上就能看得出来我们是专于做数据治理的。御数坊在2014年底成立，到现在接近7年的时间，是国内第一批获得国际数据治理认证的专业团队，参与过三项国家标准的编写。
我们的客户包括央行、商业银行、证券公司、保险公司、能源类企业和汽车制造类企业等，遍布金融、能源、制造等各个行业。这也体现了我国现在各行业在数字化转型过程中对数据治理的广泛需求。各行各业都迫切希望提升自身数据的质量，增强数据的可用性，体现数据的价值。
我们今天主要谈三个问题，第一个问题是目前金融机构数据治理存在哪些挑战。金融机构是国内数据治理的先行者，部分头部银行在十五六年前就开始着手数据治理，银监会也在十年前就做了行业性的推动。近几年银监会对于数据治理的要求越来越高，银行业或者金融业所走过的数据治理实践道路对于很多行业有借鉴意义，同时其他行业的实践经验也可以帮助金融机构在进入数据治理深水区的时候提升自身的能力。因此，我们要谈的第二点就是实现数据治理能力协同化和智能化的建设要点，我们讲的内容不仅仅适用于金融行业，在其他行业也有广泛的落地应用。最后是简单的建议和总结。
1.2.数据治理，数据价值金字塔的底座
我经常在演讲中提到这个图，这是数据价值的金字塔，上午在主论坛的时候很多嘉宾都提到我们的数据治理工作要可以结合业务、结合场景实现公司的业务的降本增效和开源节流，产生数据的价值。这些是数据价值的上层部分，大家都希望通过数据治理获取业务价值。然而业务价值的体现离不开数据智能平台的搭建，数据智能平台包括数据中台、大数据平台、人工智能平台和以前的数仓。除此之外，对于包括金融机构在内的很多企业来说，底层的数据基础还有很大的提升空间：
数字资产不清晰：有哪些数据资产，数据资产怎样分布和使用。数据的责任不清楚：现在都讲数据的确权，但是数据确权的前提是清楚界定数据的管理职责。数据质量低下：在长时间信息化的建设中积累下来的数据资产存在着诸如数据孤岛、数据不一致、数据不准确的等问题。数据安全风险：刚才的嘉宾讲到，以前强调网络安全和信息安全，现在则更关注数据安全。数据安全法、关键基础设施条例等法规的出台标志着国家对于数据安全的重视程度越来越高。底层的种种问题制约着包括金融在内的所有行业的数字化转型全过程，导致企业投入时间长，投入的资金和人员成本很高，却很难快速见到价值。这时候我们通过数据治理的工作就可以让数据价值金字塔的底座打得更扎实。
从理论上来看，大家在讨论数据治理时都会提到DM。DM体系下的数据治理包括了架构、安全、质量、元数据等。DM知识体系是国际上的理论，在2009年推出了1.0版本，在2017年更新了2.0版本，已经比较成熟了。在国内的理论研究方面，工信部的标准院和信通院都发布了一系列的白皮书，形成了中国自己的知识体系，我们也参与了部分国家标准的编写。这其中认知度比较高的应该是DCMM模型（数据管理能力成熟度评价模型），这个模型从数据战略、数据治理、数据应用等8个核心能力域和28个能力项对一家企业的数据管理能力进行全面的评价。这项内容是在2018年作为国标发布，到现在已经有接近4年的时间，也算是比较成熟了。
无论是国际还是国内的理论体系都趋于成熟，为大家在实践当中提供了很多可以借鉴的理论方法。
1.4.金融机构高度重视数据治理，数据质量、安全、价值成为数据治理的多重目标
金融行业一直以来都非常重视数据治理工作。首先从国家的法律法规层面来看，原来有网络安全法，最近又出台了数据安全法和个人信息保护法。就行业而言，银监会从2009年开始就开始发布数据标准和治理的专项研究报告，在2018年发布了参照了DCMM设计模型的《银行业金融机构数据治理指引》。除此之外，近两年还有《金融业数据能力建设指引》、《金融数据安全 数据生命周期安全规范》、《金融数据安全 数据安全分级指南》等一系列的金融行业数据规范密集出台，对金融机构自身的数据治理和数据安全能力的做出了要求。同时金融行业也有很多因为数据治理、数据的报送不符合要求而被罚款，像几大行在去年的三四月份被罚了300万到500万不等，这说明金融行业一直以来都非常重视数据治理的工作。
1.5.数字化实践困惑重重：建设有余，见效不足
在经历多年的实践之后，数据治理还存在着很多困惑，对此我们总结了四个方面，总体上来说就是大家对于数据治理的能力建设有余，而见效不足，就是效果的落地和价值体现并不清楚。可能现象是这么几方面，比如说上午也提到了领导和人才，公司可能会很重视企业的数据治理或者数字化转型，成立了高层的领导小组，但是成立了之后人员到位了，究竟下一步做什么不是很清楚。或者做了很完整的顶层设计，可能找大的咨询公司做千万级的规划，做完了这个规划之后，真正落地的时候可能不知道怎么和业务结合，这就是顶层设计和实施路径之间存在着一个脱节的情况。
除此之外因为数据治理的工作往往由IT部门发起，IT部门自身主导很强，但是业务部门可能会因为对数据治理工作不理解或者觉得和业务场景结合不紧密，从而造成业务部门的参与度比较低。通常在数据治理工作初期业务部门会在一定程度参与进来，但是如果之后业务价值体现不明显，业务部门的参与度就会降低。另一方面，从IT团队的角度来说，他们参与数据治理的主动性很强，既找人做了咨询，又尝试了构建数据资产目录、数据质量检查和数据治理平台等各种各样的手段，但是收效甚微，也会觉得很困惑。现在包括数据资产盘点、数据质量分析、数据安全分类分级在内的很多数据治理工作还是由乙方的顾问或者甲方发工作人员通过手工的方式开展，工作效率很低。IT部门和业务部门都认为数据治理很重要，但是如何发挥价值同时工作得更有效率是很大的痛点。
发布时间：2022-03-24 09:20:58
发布人：管理员
