中国民生银行数据管理部总经理沈志勇

  人民银行《金融科技发展规划(2022—2025年)》和银保监会《关于银行业保险业数字化转型的指导意见》都强调了银行作为经营高度依赖数据同时又产生大量数据的机构，需要加强数据的管理与应用。顺应行业发展趋势，民生银行在2021年底成立了数据管理部。数据管理部集中承担数据基础设施建设、数据治理、数据资产管理、数据智能分析应用、监管统计报送等职能，以“数据能用，数据好用，用好数据”为目标，坚持以数据驱动实现业务价值为指导原则，以企业级视角统筹各项数据工作，赋能智慧银行与生态银行的数字化转型。

  一、数据：银行的战略资产

  数据的应用价值在各行各业的数字化转型中得到了充分体现，数据已经成为商业银行的战略资产。依据加工与应用成熟程度的不同，在不同语境和视角下数据可被视作数据资源、数据资产、数据资本和数据要素。通过在业务开展过程中有意识地采集数据，即“业务数据化”形成了最基础的数据资源;数据资源通过规范化和共享，并明确应用价值后，形成数据资产;数据资源和数据资产通常是企业内部视角下的概念，当数据资产超越企业的边界，在市场上获得定价后可称为数据资本;而在更宏观的视角下，当数据已成为与土地和劳动力一样的社会生产函数的一个要素时，就形成了数据要素。本文侧重银行内部的数据管理与应用，围绕数据资源与数据资产管理介绍民生银行的探索与实践。

  二、大数据管理与应用：特点与挑战

  当前，银行业大数据的特点以及所面临的挑战已经超越舍恩伯格在十年前所著《大数据时代——生活、工作与思维的大变革》一书中提出的“四个V”(Volume大量、Velocity高速、Variety多样、Value价值)。而在如今的大数据时代，可以将大数据的特点及面临的挑战归纳为“六个度”——广度、复杂度、速度、深度、准确度、易用度。

  广度：为了对客户等实体进行全方位刻画以及还原业务过程，需要对交易过程、用户行为等数据应存尽存，相对于数据仓库时代，无论是在规模上还是在数据类型上的覆盖广度均有大幅提升。

  复杂度：除了传统的以表格形式存储的结构化数据，非结构化数据如语音、图像、自然语言文本，以及复杂结构数据如图谱、序列数据、时空数据等均被纳入存储和处理的范畴。以上数据通常需要专门的存储与处理组件，也需要更加智能化的方法来提取其中的有效信息。

  速度：业务敏捷性要求的提高对数据的时效性提出了更高的要求，除了批量数据处理的链路优化和处理速度提高之外，实时数据服务与流式数据处理能力已经成为普遍要求。

  深度：数据分析的深度可以向两个方面拓展——一是显式的，对组织架构等可见数据进行归并，提供逐级下钻的看数功能;二是隐式的，从归因分析的角度，洞察数据背后隐含的驱动因素，从而辅助决策。

  准确度：一是数据本身的准确性，包括基础数据和加工后指标或者标签数据的质量;二是利用数据和算法模型所做预测的准确性。

  易用度：一是提升数据探源与获取的便利性;二是降低数据加工和分析的门槛和难度。

  为应对以上挑战，商业银行必须要达到“数据能用”的基本要求。一方面需要建设能高效集成和处理异源异构数据，且低门槛易用的数据基础设施;另一方面需要通过数据治理提升数据质量以及数据标准化程度，保证数据的准确性和一致性。

  三、数据能用：基础设施建设与数据治理

  数据应采尽采且有地方存储和处理，数据遵循标准且质量可靠是管好数据，是数据能用的前提。

  1.做好数据基建，筑牢数据底座

  民生银行打造了湖仓一体的数据平台，以“一体化开发、一体化运维、一体化应用、一体化管理”为建设目标，加速湖仓融合，兼取数据湖灵活、兼容性与数据仓库的规范、成长性，为数据资源和资产的统存统管提供基础设施。

  民生银行以湖仓一体平台为基础，以“应入尽入”为原则将数据接入湖仓，提升数据资源与资产管理的覆盖广度;提供图数据库等专用数据组件，应对不同复杂度的数据，包括对多媒体、文本等非结构化数据，以及图谱、序列、时空等复杂结构数据的存储与处理。在应对大数据的“速度”挑战方面，民生银行除了不断优化数据批量处理链条，还将在流式数据上构建高时效性的数据链路，依据Lambda等技术架构建设实时数仓，提升数据服务的时效性。

  2.贯彻数据标准，提升数据质量

  数据标准建设是确保数据准确度的前提，也是数据分析横向关联广度和纵向下钻深度的保证。民生银行参照国际、国家、行业及监管部门的标准和指引，构建了数据标准体系框架，统筹管理、制定并发布全行基础数据和指标数据标准，建立健全各干系方共建共治的管理机制，在全行上下形成数据有标准、知标准、守标准、用标准的共识。

  一方面，加大标准制定和供给力度，对各类数据应用场景形成良好的支撑，保障业务系统和经营管理过程产生的关键数据项具备统一定义与解释能力;另一方面，不断完善数据标准的落地实施和管控机制，在落地管控的相应节点自动对比、筛选出贯标不一致的数据问题并反哺标准制定，最终实现智能建标与智能落标。

  提升数据质量是数据治理的目标，是保障数据分析和模型预测结果准确度的基础。民生银行横向对齐数据处理链条与流程规范，健全事前、事中、事后关键环节校验;纵向对数据任务、数据监控进行多级别划分和精准保障，支撑数据在各领域的有效应用。

  在数据质量管理方面，民生银行遵从全覆盖、匹配性、持续性、有效性等数据治理的基本原则。一方面以问题为导向，开展数据质量检核及问题收集，全方位多层次持续发现数据质量问题;另一方面全面推动数据质量问题治理，建立覆盖数据质量监测、整改、评估的管理机制，形成跨部门、跨业务数据质量管理闭环。

  四、数据好用：数据能力中台化与数据资产化

  数据基础平台建设和数据治理工作的有序开展保证了数据能用。为了进一步提升数据的易用度，民生银行在数据基础平台的基础上构建了中台化的数据服务能力，同时将数据资源转化为数据资产，更高效地发挥数据价值，产生经济效益。

  1.多元中台服务，加速数据应用

  数据中台将数据内容、应用和其他能力服务化，通过三种方式提升各个业务场景数据的易用度——数据内容服务以API形式开放，供业务流程调用;数据应用服务将可信数据能力算子化、工具化，帮助下游系统快速构建数据应用;其他能力包括结合容器化技术对推荐、搜索、图谱等通用共性能力进行API封装和PaaS化，以供各类场景调用。

  除了基于数据中台的基础能力服务化，也可通过平台化的方式提供AI和BI能力，实现高效规模化运用。民生银行一方面构建了全行AI资产的集中探索、开发、交付、纳管和开放应用的平台;另一方面基于DataOps理念构建了BI平台，融合AI深度分析能力，形成敏捷化、过程化、智能化、易用化的数据能力。

  2.促进资产共享，发掘数据潜能

  为进一步提升数据探源与应用的易用度，民生银行构建了统一的数据资产管理体系：以数据湖仓为底座建立数据资产管理平台;落实数据资产管理办法和保障机制，结合数据资产盘点优先级矩阵，明确数据资产认定基本原则和特征，形成数据资产目录卡片，绘制数据资产地图。

  此外，民生银行还丰富了数据资产运营和服务场景，落实数据资产的管理、共享和价值评估机制，并在全流程贯穿争议处置和文化宣贯;建设数据资产地图，基于数据资产自身、供给流转、开放共享的三种视角，形成多维度的数据资产分析和价值评估系统，促进数据价值的实现。

  元数据管理是做好数据资产管理的基础，是快速查找数据、精确定位数据、准确理解数据和快速使用数据的关键。民生银行通过AI、数据分析等技术加强元数据的生产与管理。一方面，不断丰富元数据内容和内涵，将元数据的管理融合在数据管理的各个流程和环节，促进生成规范化的元数据，高效识别非结构化数据，全面提升元数据采集能力、存储能力与服务能力;另一方面，不断提升元数据的分析应用服务能力，构建元数据关系图，支持元数据快速追根溯源与发现数据问题。

  五、用好数据：数据工作的保障与价值评估

  数据能用和好用是做好数据工作的基本内容，数据管理工作的最终目标是用好数据，真正发挥数据在业务中的价值。而用好数据离不开相应的保障措施与价值评估机制。

  1.保障数据安全，兼顾企业全局

  数据能用和数据好用需要兼顾数据安全这个大前提，明确数据安全管控机制和分类分级保护策略，落实数据安全与个人隐私保护措施。民生银行不断增强数据安全预警监测、评估和处置能力，形成可视、可管、可溯、可审的数据安全风险感知能力，避免数据泄露、数据滥用等风险，守住数据安全底线，切实防范数据风险。此外，民生银行正致力于综合运用安全多方计算、沙箱机制、联邦学习、数据脱敏、多用户隔离等技术手段，逐步建立依法合规、“数据可用不可见”的数据流通与合作生态。

  数据架构管理是企业级数据能力建设的重要一环。在新的科技规划中，民生银行采用企业级架构的方法论规划数据架构有关数据模型、数据分布、数据集成的蓝图，同时确定实施路径和工艺。随着新规划相关工作的推进，全行数据模型将越来越规范，数据分布、数据流转也将越来越合理，数据应用的效率和效能必将大幅提升。

  2.坚持价值导向，追求业务实效

  数据管理工作以解决业务痛点、提升业务效益为目标。工作成果与价值应有系统科学的评估机制，数据基础设施建设与数据治理等基础工作也应清晰地体现对业务的间接价值。成功的数据项目应该能助力银行提高作业效率、规范业务流程、提升业务效益、节约运营成本、降低业务风险。

  针对不同类型的数据项目以及成果，应根据不同的场景对效益进行评估。一是业务数字化程度，包括业务流程的线上化、自动化程度，形成某个业务场景的闭环;二是作业效率和质量的提高程度，包括提高业务场景的特定事件识别准确率，降低业务场景中的风险误判率等;三是用户体验，包括用户平均使用时长、用户回访率等;四是终极目标，即业务效益，不仅包括业务收入、利润等财务指标，也包括整体业务规模的提升、客群结构的优化等其他管理指标。

  银行的数据资产管理是一项复杂而长期的工作。为保障各项工作的有效开展，商业银行需要进一步落实与完善数据安全、基础设施建设、管理治理制度、组织团队建设、评价体系建设等方面的措施。民生银行数据管理部将进一步加强数据能力建设，在数字化营销、数字化风控、数字化决策、数字化产品与服务、数字化运营和数字化生态等重点业务领域提供更好的服务，有力推动智慧银行和生态银行建设，助力民生银行数字化转型与发展。