1. 首页
  2. 资讯

金融数据治理的问题与对策

在金融服务实体经济的方针下,基于金融从业机构运营、风控、创新、合规等多重需要,金融数据治理必将成为国内金融从业机构的必修课。未来金融从业机构利用“大数据”的能力,将成为竞争中的关键因素。

零售,大数据,大数据,金融科技,数据治理,科技金融

(原标题:金融科技观察:金融数据治理的问题与对策)

一、大数据时代下金融数据治理的问题

随着《银行业金融机构数据治理指引》(下称《指引》)的发布,2011年发布的《银行监管统计数据质量管理良好标准(试行)》(以下简称《标准》)被明确废止,随之而来的,是传统金融数据管理到现代金融数据治理的巨大转变,这也是适应大数据时代背景和要求的必然结果。大数据时代背景下,现代金融数据治理具有“行为性、内构性、外接性”三个内涵特性,呈现出“目标双核化、结果资产化、手段科技化”三个特征,并且表现出“生态治理、标准治理、中台治理”三个趋势。在《标准》治理成果和经验的基础上,《指引》对银行业金融机构在数据治理架构、数据管理和数据质量控制、全面实现数据价值、加强监管监督四个方面的数据治理规范和要求,为其他领域的金融从业机构数据治理起到了示范效应。金融数据治理在产品创新、市场营销、机构决策等诸多方面的作用开始被重视。但是,在金融数据治理的具体实践和实现治理目的的进程中,还有很多问题亟待解决。

(一)金融数据治理制度体系构建缓慢

根据《指引》规定,金融数据治理需要有一套内外配合的完整制度体系,以实现对于数据全生命周期的覆盖治理。具体来看,金融从业机构应当将数据治理工作和权责落实到每一个部门当中去,应当建设数据文化、完善数据安全策略与标准、将数据治理上升到公司战略层面。同时,《指引》也允许金融从业机构设立首席数据官(CDO)并将其纳入高管成员。一方面,这一系列数据治理体系建设的要求,说明金融从业机构需要在数据治理方面对其整个内部体系进行升级,这是一个漫长的过程,需要较多的时间投入;而另一方面,在大数据的高速发展下,这样的漫长过程无法满足金融从业机构的发展需求。

(二)金融数据治理统一标准工作缺失

长期以来,不同领域(银行业、证券期货业、保险业)的金融从业机构,同一领域的不同金融从业机构,甚至某些金融从业机构内部,都同时运行多套业务系统,这些业务系统之间没有一套有关数据治理各方面的统一标准。由于数据记录、数据语言、数据数值等方面的不统一和滥用,使得金融从业机构的原始数据呈现碎片化分布,来自不同业务、不同时期的数据的用途、结构、价值和质量水平差异很大,为数据的提取、整理、分析、使用造成了很大的困难。

(三)金融数据治理中的数据质量不高

金融数据质量对金融从业机构来说至关重要,在高质量的数据给企业带来业务价值的同时,低质量也会给企业造成风险和负担。具体来看,首先,低质量的数据不能支撑获得正确的分析结果,进而可能导致高层决策失败;其次,低质量的数据不能反应金融业务实际运行状况,无法为内部业务合规和外部金融监管提供真实有效的依据;最后,低质量的数据还会增加金融从业机构的运行成本。金融从业机构的数据质量普遍偏低,具体原因来说有:(1)大数据本身表现出的4V特征之一——价值密度低和稀疏性(value);(2)单一机构的数据来源相对单一、场景不足;(3)金融行业的数据标准化程度低,数据收集、管理过程中缺乏统一标准;(4)金融数据合规性不足导致数据使用价值和可用性大大降低。

(四)金融数据治理行业机构差异较大

我国金融从业机构种类众多,各领域的各机构差异较大。就企业规模来说,大型金融从业机构的因为具有海量大数据,具有较强的数据能力,可以自建数据治理平台和系统;而中小型金融从业机构因为数据库容量小、IT以及财务能力弱,从而缺乏足够的数据治理能力,大多依靠外包和采购来获取数据治理赋能服务。就金融行业领域来说,证券期货业和银行业的数据化和网络化程度更高,那么其金融数据治理的必要性、自觉性和规范性就更为强烈。各领域间、以及同一领域的不同金融从业机构之间的数据治理能力差距较大,这也给统一的金融数据治理标准制定和监管立法造成了困难。

(五)金融数据治理的专业化程度不高

目前,虽然数据已经逐渐得到金融从业机构的重视,但大多数的数据治理工作还处于分散状态,没有形成一个从上到下的专门治理体系,也没有设置不同层面的专职数据岗位和专业数据治理人才队伍,而是由不同部门根据自身需要完成相应的数据收集、整理、分析、使用、安全、保护等工作,专业化程度不高。而《指引》为金融数据治理的专业化作出了详细的规定,如第十一条规定的 “首席数据官”,第十二条规定的“归口管理部门”和“监管数据相关工作专职岗位”,第十四条规定的“数据治理归口管理部门的专职岗”和“其他相关业务部门的专职或兼职岗”,以及第十五条规定的“金融数据治理专业队伍”。

(六)金融企业缺少数据治理文化理念

数据治理文化理念的建立意味着金融从业机构的公司治理和运营的整体观念从“经验主义”向“数据主义”的转变,这就要求金融从业机构真正认识到数据在行业竞争中的价值所在。目前,某些金融从业机构的领导层在决策时缺乏数据运用意识,部门领导对于数据情况、应用场景等并不了解,不同部门间的数据共享和数据流动意识薄弱,这些都是数据治理文化缺乏的体现。而《指引》第十六条就对这一现象和痛点给出了指引性规定, 即,银行业金融机构应当建立良好的数据文化,树立数据是重要资产和数据应真实客观的理念与准则,强化用数意识,遵循依规用数、科学用数的职业操守。

(七)金融数据资产缺少定价规则体系

金融数据的价值被越来越多的强调,但金融数据作为一项资产的变现能力却没有得到太大的提高。如上官鸣和白莎在其文章《大数据资产会计处理探析》中提到的,与传统资产相比,数据的形成基础并不完全基于企业过去的交易或事项,如企业的预算型数据、计划型数据等均基于未来的事件而形成,但其对企业的生产经营活动意义重大,但却难以被评估价值。同时,金融数据价值对技术的依赖程度高,必须要经过加工、整理等程序才可以被使用,这些环节的成本定价也为金融数据资产的定价造成了困难。金融数据资产定价规则的缺失使得金融从业机构在自己使用数据之外难以将其转变为资金流以用于投资其他技术或业务领域。

(八)金融数据孤岛和行业内数据割裂

金融数据,缺乏行业内共享,也缺乏与政府数据打通,这就造成金融数据孤岛和行业内数据割裂的问题,对金融业务创新和开展造成极大障碍。比如,消费金融行业苦于“共债、欺诈”问题,平台之间数据割裂,使得其关键的风控问题得不到很好的解决。并且传统金融机构、互联网金融公司、金融科技公司在进行金融业务创新和提供金融创新服务时,往往需要相互之间进行数据补充,比如,传统金融机构在进行信用评估时,需要互联网金融公司、金融科技公司的多场景的用户数据进行补充,比较典型的是信用画像评分服务。此外,金融行业数据也缺乏和税务、公安、社保、劳动、社会保障、环境保护、安全生产等政府数据的打通。建立在金融行业数据共享以及和政府数据打通基础上的征信系统建设,对于打破金融数据孤岛和纬度割裂,实现金融创新和健康发展至关重要。

二、大数据时代下金融数据治理的对策

(一)采取自上而下的方式

《指引》第五十二条,将数据治理情况与公司治理评价和监管评级挂钩,这是政府监管方面对银行业金融机构数据治理的强力推动。而在公司层面,数据治理推广投入大且见效慢,这也就要求公司的高层对此具备战略眼光以及坚持推行的信心,需要自上而下全体系布局。具体来看,金融数据治理初期,就需要有强有力的顶层设计和专门牵头部门来指导、推动、协调跨部门金融数据治理工作,形成统一规划、统一领导、统一执行的金融数据治理思路和局面。当前多数银行业金融机构数据管理职能分散在不同部门,容易出现职责分散、权责不明的情况。银行业金融机构应当按照《指引》建立从数据采集员、部门负责人、高管层到董事会的所有相关人员进行逐级负责的统一数据治理责任架构体系。

(二)采取标准先行的方法

建立贯穿金融搜集、提取、分析、使用、传输、共享、备份、删除等一系列金融数据行为和金融数据全生命周期的技术和流程标准,是金融数据治理高效开展的基础,是提高金融数据质量的保障,是实现“金融数据资料”上升为“金融数据资产”的必要条件。近两年,数据的统一管理和标准化开始被越来越多地强调。例如,原银监会于2017年7月开始实施的《中国银监会银行业监管数据标准化规范》中对于银行业金融机构的数据治理、数据运用、数据风险防控标准做出了规定。《指引》第二十条、第二十三条、第二十四条规定,银行业金融机构应当从建立覆盖全部数据的标准化规划、统一数据技术标准、明确系统间数据交换标准、制定数据安全标准等几个方面开展金融数据标准化治理工作。证监会于2018年9月颁布的《证券期货业数据分类分级指引》、《证券期货业机构内部企业服务总线实施规范》、《证券发行人行为信息内容格式》、《期货市场客户开户数据接口》四项标准,对证券期货业的数据治理标准进行了详细规定。

(三)采取质量为重的原则

金融数据质量对金融创新和业务开展至关重要。只有保证金融数据质量,才能保证分析结果和金融决策的有效性,精准实现投资者画像,从而发挥金融数据应有的作用。金融数据质量的提升既是金融从业机构开展金融数据治理相关工作的前提,也是其目的。依据《指引》的规定,为有效落地金融数据治理工作并保证金融数据质量,应当建立自我评估机制、问责和激励机制,定期监控数据管理等,建立数据质量考核评价体系,建立数据整改机制,从而使金融数据符合业务规则和数据标准,保障金融数据的完整性、准确性、及时性和一致性。具体来说,应该做到以下几点:(1)拓展金融数据来源,积极寻找多维度、多场景的数据来源渠道;(2)建立数据质量闭环管理机制,将组织、技术和流程三者进行有机结合,对数据进行全生命周期质控;(3)严格满足金融数据合规性以提高金融数据可用性和正当性;(4)提高金融数据标准化和结构化程度,通过建立技术和流程标准规范来对原始金融数据进行提取并建模,从而实现“金融数据资料”上升为“金融数据资产”,最终实现金融数据的质量固化。

(四)采取定制化治理方法

为适应不同机构,《指引》第三十九充分考虑条款的弹性,以底线要求为主,对于部分已有更高标准的银行,如全球系统重要性银行,则明确要求其遵循更高标准。金融从业机构的数据治理目标各有差别,数据运用目的有所不同,当前的数据管理基础也存在差异,这就要求金融从业机构根据自身特点采取定制化的金融数据治理方法。从金融数据系列行为和金融数据全生命周期而言,要想真正解决数据质量问题,应该从不同金融从业机构业务的特殊需求开始,将数据质量服务集成到其特定工作环境中,实现“收集-提取-分析-使用-传输-备份-删除”等全流程的定制化。从机构而言,大型金融从业机构拥有较强的数据能力,应当遵循更高的数据治理要求,应当更加聚焦于“金融数据治理带动业务价值提升”;而中小金融从业机构应当充分考量自身的数据、技术、财务能力,应形成符合自身业务特点的数据治理方法和价值实现路径,如外包和采购数据治理赋能服务,与外部机构进行生态数据合作等。

(五)设置专职数据官制度

目前,部分金从业融机构已经开始设立首席数据官(CDO)一职以确保数据隐私与安全,提升数据质量,充分挖掘金融数据价值,开拓金融业务增长点。首席数据官(CDO)岗位的核心职责应该就是努力实现金融数据治理的双核目标。国外有首席数据安全官(《纽约州金融服务公司网络安全要求》和数据保护官(《一般数据保护条例》)的规定和实践。《指引》之前,商业银行也有首席信息官的设置规定(《商业银行信息科技风险管理指引》)。从前述《指引》第八条来看,首席信息官主要职责在于信息科技,而不在信息或者数据本身,因此与数据官有所差异。此外,基于实践探索和制度借鉴来说,可以考虑在接下来的数据治理实践中,在“数据官”这一职位下下设“数据安全官”和“数据保护官”两个职位。

(六)构建企业金融数据文化

首先,金融从业机构,应当在内部建立以“数据”为驱动的业务导向机制,形成“资产数据化、数据资产化”的“数据价值”实现机制,打造以为“数据中台”为核心的战略机制。其次,金融从业机构,应当在企业内部建立长远的金融数据治理战略,具体包括金融数据治理的愿景目标、指导原则以及战略实施路线。再次,金融从业机构,还应当在内部产品和业务端建立遵循设计保护隐私(privacy by design)和默认保护隐私(privacy by default)机制理念。并通过在内部建立金融数据安全管理规范、分类分级标准、分类分级授权流程规则、提取管理规范等将数据文化标准化和制度化。最后,金融从业机构,应当在企业内部员工之间形成统一的数据治理认知,让员工人人数据治理有责的理念深入每一个员工内心,并提高“金融数据充分挖掘利用”以及“金融数据安全与保护”两个意识,进行定期金融数据治理培训和考评。

(七)形成数据资产会计规则

首先,应在“企业沉淀数据整理、数据行为创新、虚拟财产形成与获得”三条数据资产化路径上,遵循“数据行为投、数据可控量化、数据经济利益”三个数据资产化条件的框架内建立数据资产会计规则体系。如上官鸣和白莎在其文章《大数据资产会计处理探析》中提到的,金融从业机构内部应当逐步建立起数据初始计量和后续计量的一系列会计准则,在计量时应在现有会计资产下单独设置“数据资产”科目,可以首先选择对价值较大、较为明确的数据成本项目进行计量,对于其他一些价值较小、难以识别、较为分散的数据成本项目可采取定期集中处理的方法进行计量。此外,金融数据治理呈现治理手段科技化的特征,而其中区块链是金融数据治理的“天然工具”,是打开“数据资产化,资产数据化”之门的金钥匙。所以可以利用区块链技术对“数据资产”进行计价,将数据资产会计规则转化为区块链代码规则来表示,例如,京东云旗下京东万象数据服务,其大数据交易平台运用区块链技术,实现了数据的溯源、确权,把数据变成受保护的虚拟资产。

(八)促进金融数据共享流动

要使得金融服务创新健康发展,发挥金融真正服务实体经济的功能,至关重要的是,实现金融行业内部跨领域、跨机构之间,金融行业与其他行业数据以及政府数据的有效共享互通,最后建立包括企业征信和社会征信在内的社会信用系统。由政府机关、或第三方机构、或大型企业平台方,通过新型技术(人工智能、区块链、云计算、大数据、物联网)打造企业数据、金融从业机构数据、政府数据共享互通的大数据平台基础设施,可以实现企业社会信用信息与金融服务之间的关联打通,例如香港金融管理局2018年推出区块链贸易融资平台。企业、金融从业机构、政府之间的生态数据治理合作将成为小微企业融资信息瓶颈的破解之道。金融治理不仅需要金融从业机构内部积极主动推动以及外部监管压力促进,还需要行业内协同达成数据治理共识和标准。早在2007年,全国金融标准化技术委员会证券分技术委员会就组织有关单位启动了《证券期货业与银行间业务数据交换消息体结构和设计规则》行业标准的制订工作,意在提高商业银行和证券期货经营机构之间业务往来中的数据处理和数据交换的效率。

三、小结

总之,在金融服务实体经济的方针下,基于金融从业机构运营、风控、创新、合规等多重需要,金融数据治理必将成为国内金融从业机构的必修课。未来金融从业机构利用“大数据”的能力,将成为竞争中的关键因素。金融数据之争就是金融未来之争,实现金融数据洞察,进行金融数据高效利用,提高金融数字化水平,方能赢得“核心竞争能力”。正如普元大数据治理平台所提及的“玉不琢不成器”,对于金融企业来说,海量的金融原始数据就像是一块没有经过雕琢的美玉,需要经过琢磨打造之后,才能显现出它的真正价值,而金融数据治理正是这一“琢磨”过程。大体量的金融原始数据若不经过数据治理这一“雕琢”过程,将呈现无序、无价值的混乱状态,极大可能沉淀在金融从业机构内部而一文不值。所以唯有对金融数据进行有效治理,才能对金融数据进行价值发现并形成金融信息资源,最终实现“金融数据资料”上升为“金融数据资产”,同时也可以形成精准化和个性化的金融服务能力。

本文来自亿欧,内容仅供参考,不构成投资建议,本文观点不代表 FN资讯(FN.com)立场,转载请联系原作者。
如有侵权 请联系删除。

原创文章,作者:笨笨猪,如若转载,请注明出处:https://www.onepaces.com/20181228/38716.html

QR code