中国光大银行数据资产管理部副总经理黄登玺

  当前，数据成为与土地、劳动力、资本、技术并列的生产要素，正深刻改变着各行业的生产方式和社会治理方式。商业银行是数据密集型行业，将数据作为推动自身转型发展的关键抓手和核心引擎。如何加强数据管理能力建设，如何推动新一轮数字化转型以激发“第二增长曲线”，是商业银行无法回避和亟待解决的重大课题。光大银行深耕数据领域数十年，持续在数据标准、数据质量、数据安全、外部数据管理、数据资产运营、数据资产管理平台等方面夯实数据资产管理能力基础。同时，光大银行积极投身国家数据要素市场建设大局，不断探索创新，持续激发数据要素市场活力。

  一、夯实数据资产管理能力基础

  光大银行对数据能力建设进行顶层设计，探索大数据时代数据管理工作的发展路径，以“让数据创造更多财富”为数据战略愿景，并制定数据资产可信化、敏捷化、数智化、货币化的四大目标、十大举措和三大保障，提升数据管理的规范性和效率，拓展数据服务和数据应用的广度和深度，推动数据资产价值转化和创新。

  1.落实数据标准，贯穿数据应用场景

  光大银行构建数据标准2.0体系，启动“灯塔工程”和“基石工程”，提升数据质量和共享效率，使之成为数据资产“全面权威”及数据管理能力建设的重要支柱。基于数据标准2.0体系，光大银行在机制、内容、工具工艺、推动模式四个方面进行了创新实践。

  在机制方面，加强标准执行和质量改进的统筹和协同，以定标和落标一体化、数据质量和元数据质量一体化方式进行推进，直接支持开发、共享、分析、报送等价值场景。在内容方面，覆盖各加工类数据资产的数据标准，通过编制元数据规范，明确元数据设计框架、原则、设计方法、描述方法、扩展方法等，指导数据资产描述和登记的标准化管理。在工具工艺方面，形成数据标准化工艺，主要包括标准准入、定义、自动化命名、对标、差异分析等，并通过“魔豆”和“魔数”工具平台，支撑数据标准在模型设计和落标等方面的应用。在推动模式上，以“专项工程+系统建设”的双轮驱动模式开展工作，专项工程是以工程化和集中力量对基础和指标数据进行标准化，包括“灯塔工程”和“基石工程”，围绕指标和基础数据两项工程的数据标准清单开展专项标准化工作。

  2.提升数据质量，夯实数据应用基础

  数据质量是数据发挥应用效果的重要基础，数据质量的高低将对银行数据价值的挖掘产生基础性影响，即所谓的“基础不牢，地动山摇”。光大银行建立了治理组织、认责机制、管理机制和工作机制相结合的数据质量管理体系，共同推动数据质量管理工作的有效开展和落地。

  一是建立依托监管报送的数据质量认责机制，在当前强监管和严监管的环境下，光大银行遵照EAST、人民银行大集中和反洗钱等监管报送要求，在部分报送数据范围内建立了数据质量的认责机制，定期发布数据认责书，逐步明确相关部门对报送数据质量的责任。二是建立“监测+考评”的数据质量管理机制，在全行平衡计分卡中增加数据质量扣分项，按季度开展数据质量考评;建立数据质量监测机制，重检数据质量监测规则，当前已累计识别6000多个基础类和业务类数据质量检核规则，实现对全行入湖数据表和监管报送层数据表的质量监测。三是建立“日常+专项”的数据质量工作机制，对于全行各部门在使用数据过程中提出的数据质量问题，数据管理部门组织推动整改工作;按需发起数据质量专项整改工作，集中力量专项提升报送数据质量。

  3.筑牢数据安全底线，护航数据资产应用

  光大银行数据安全管理以个人信息保护为核心，开展数据安全工作，通过建立以保护数据主体权益为核心目标的全行数据安全与个人信息保护体系，为启动金融科技伦理治理工作在组织制度、管理机制、技术工具等方面打下坚实基础。

  一是建设常态化数据安全影响评估(PIA)机制，制定300多个评估要点，覆盖事前评估、事后检查的闭环管理，事前常态化开展数据安全影响评估工作，事后针对存量重点应用与系统开展数据处理专项合规检查评估;二是全面梳理数据共享类型、方式、准入资质、协议等，建立数据共享安全影响评估机制;三是创建数据安全分类分级清单，明确相应的数据安全管控要求，并推动在系统中的落地实施;四是定期开展数据安全检查、办公环境敏感文件专项清理行动，通过“部门通报+追责到人”的方式开展办公环境敏感文件专项清理工作;五是加大数据安全技术工具建设力度，自研数据侦探工具，开展全行数据安全检查，建设业内首家多方安全计算平台，保障数据共享安全合规，持续开展数据安全分类分级工具研究、数据安全监测审计应用、办公环境数据安全防护系统建设。

  4.统筹管理外部数据，降本增效促进业务发展

  光大银行外部数据管理依据统一登记、统一采购、统一接入、统一存储、统一共享的“五个统一”原则对外部数据进行统筹管理。统一登记管理——对总分行外部数据资产进行统一登记，建立和维护外部数据资产目录;统一采购管理——对于多部门同质化数据需求，归口管理部门统一采购，避免全行的重复采购，提升采购效率和采购议价能力;统一接入管理——统一接入外部数据管理平台，降低接入成本，减少系统耦合，提升安全管控能力;统一存储管理——将数据进行集中管理，提升使用效率和便利性，并对内外部数据进行统一治理，提升外部数据价值;统一共享管理——统一共享方式和渠道，降低外部数据使用复杂度，发挥银行和供应商的桥梁作用，降低沟通成本。

  光大银行在“五个统一”的管理模式下，建立了统一的管理制度、流程以及系统技术手段，对外部数据进行全流程双重约束，确保数据引入的合法合规以及数据使用的安全;通过建设外部数据管理平台，实现外部数据在全行层面的统一接入，最大限度实现数据共享;同时，通过对外部数据调用情况的统计分析、系统对账、费用监测等，最大程度挖掘外部数据的应用价值。

  5.运营数据资产，激发数据活力

  一是事前落标、事后盘点，践行资产“权威”。光大银行在事前以数据模型设计工具为抓手在开发环节统一规范数据模型设计，建立数据标准金融词库并内嵌到模型设计开发中，实现智能落标;在事后对数据资产建立专家标签和用户标签，进行场景化数据资产盘点，丰富数据资产内涵，让数据资产描述更准确和立体。通过事前智能落标和事后自动盘点，光大银行实现了数据资产“权威”。

  二是数据管理要求融入数据作业模式，提质增效。光大银行依托平台工具，通过将数据管理要求融入数据作业模式，实现数据开发的提质增效。一方面，将模型设计工具与软件开发设计流程相结合，通过将自主研发、支持多人协作的数据模型设计工具嵌入日常的系统开发设计流程中，实现数据标准的有效落地、数据模型的规范检查，提升了开发效率和数据质量;另一方面，将数据资产登记机制与日常数据作业模式相结合，在实现自动化数据资产登记的基础上，通过平台工具规范数据资产命名规范、主题分类、审计流程等环节，实现数据资产与数据作业的贯通，降低开发人员工作量，提高数据资产质量。

  6.构建智能化数据资产管理平台，提升数据管理效率

  光大银行智能化数据资产管理平台基于机器学习、自然语言处理等智能化技术，解决了以往数据资产服务易用性不足、需要大量人工参与的问题，实现了对海量数据资产的快速智能检索、高效自动分类、长效规范管理，有效支撑了贯穿数据全生命周期的数据资产管理体系。

  一是智能搜索，基于ES搜索引擎和金融词库，对用户搜索语句进行分词、向量相似度计算等处理，构建搜索关键词与近义词的词表，以“搜索一下，数据全知道”为目标，降低数据使用门槛;二是智能推荐，采用NLP技术获取搜索语句的关联词，使用关联分析等算法挖掘全量数据资产之间的语义关系，综合找到关联度最高的数据资产排行，实现智能推荐;三是智能盘点，基于专业分类体系和标注少量训练语料，利用深度神经网络构建分类模型，对全量数据资产进行自动分类盘点，同时利用用户对数据资产添加的评论和个性化标签，自动构建数据资产画像;四是智能落标，通过技术手段自动扩充金融词库，采用自动优化迭代的方式，不断提升智能落标的准确性，同时依托模型设计工具实现在模型设计阶段的智能落标，做到标准落标管理前置。

  二、数据要素市场创新探索

  随着数字经济发展的不断深入，如何有效识别、科学计量数据资产价值，数据资产价值如何进行会计核算，以及商业银行如何在数据要素市场发展中进行生态建设等成为商业银行需要重点考虑的课题。光大银行历时近两年，开展了一系列数据要素市场领域的创新探索研究和实践，形成并向社会发布了《商业银行数据资产估值白皮书》《商业银行数据资产会计核算白皮书研究报告》《商业银行数据要素市场生态白皮书研究报告》三本白皮书，为商业银行在数据领域的创新探索和发展提供参考。

  1.数据资产估值，量化数据价值

  当前，“数据即资产”已成为社会共识，数据资产价值量化计量是数据资产价值的显性化，能帮助企业进行决策和促进数据化能力建设。数据资产估值核心方案采用“算什么”“怎么算”“计算”三大步骤。

  “算什么”的关键在于明确数据资产估值的对象和计算颗粒度。基于独立性、整体性、稳定性、成熟度和合理性五大原则，充分考虑数据资产的存在形式、价值来源、生命周期等因素，将数据划分为原始类、过程类与应用类三大类和17个估值对象，明确估值的最小单元。

  “怎么算”的关键是设计数据资产货币化估值计算参数和算法体系。优化传统收益法、成本法和市场法等货币估值方法，将非货币估值方法转化为计算参数，作为因子补充到货币估值方法中，将数据规模、数据质量、数据调用次数、数据覆盖范围、数据应用性能、数据安全性等指标，通过定量或专家法，科学纳入综合调节系数，设计出全面、通用的数据资产估值体系，计算参数共111个。

  “计算”则从实施角度，将方法与估值对象进行适配并最终计算出数据资产价值。将估值对象和估值方法进行适配，确定用于数据估值的198个指标并采集实际数据，代入公式计算，最终得出数据资产的货币价值。数据资产区别于传统资产，具备无消耗性、可加工性及形式多样性等特点，使得同一数据资产既可用于内部管理产生价值，同时也可用于外部交易产生收益。因此，针对不重复计算的数据资产，光大银行采用不同的估值方法，并在货币度量后进行加总。光大银行以数据资产为对象，首次成功计算出数据资产价值已超千亿元。

  2.数据资产会计核算，推动数据要素资本化

  数据资产会计核算能够准确、全面反映出数据生产要素的资产价值，推动数据生产要素资本化核算。一方面有利于盘活现有数据资产的价值，另一方面可以有效激发数据市场供需主体的积极性，为企业深度开发利用数据提供动力和支撑保障，对国家、市场和企业都具有重大意义。

  在计入科目方面，目前，学术界对数据资产会计核算有单列科目、列入“无形资产”科目、编制第四张表三种主流观点。根据国际会计准则理事会(IASB)对无形资产准则的最新修订趋势，以及我国《会计改革与发展“十四五”规划纲要》提出的会计准则修订要主动应对新经济、新业态、新模式等要求，光大银行对数据资产与无形资产的特点进行分析并进行相容性论证，从制度及会计核算合理性角度考虑，认为将数据资产计入“无形资产”科目具有更强的可行性。

  在计入资产方面，会计准则要求下的数据资产需要同时满足主体控制、很可能产生经济利益以及能够可靠计量三个条件。光大银行详细剖析商业银行数据资产加工、流转过程及价值创造过程，将符合会计准则要求的数据资产以清晰的“数据资源持有权、数据加工使用权、数据产品经营权”为前提，根据业务数据化和数据业务化的价值变现过程，将数据资产分为数据使用权资产、数据经营权资产及两权兼具资产三种情况，纳入银行会计核算体系。

  在核算方式方面，光大银行在“无形资产”科目下增设二级科目“数据使用权资产”和“数据经营权资产”，分别对不同权属下数据资产的初始计量、后续计量、终止计量进行差异化处理。同时，为提高会计核算信息的质量，光大银行进一步根据数据形成和使用的不同模式，将数据资产分为衍生性数据和数据工具，通过差异化的会计列报和账务处理，为报表使用者提供更多数据资产参与生产经营、创造经济利益模式的信息。最后，光大银行通过信息披露方案对数据资产会计核算强制披露和自愿披露的部分进行了说明。

  3.数据市场生态培育，加速数据要素市场化

  光大银行借鉴证券市场交易所与券商相分离的经验，建立数据交易所与数据商分离(简称“所商分离”)的市场运行机制，形成交易所、数据商、数据提供方、数据需求方、第三方专业服务机构五大参与主体的数据要素市场架构，并提出“4+2”(四类核心业务+两类合作模式)数据商服务体系和开放创新的第三方专业服务体系设想。

  四类核心业务：一是资产开发类业务，通过为数据提供方提供数据源开发或数据产品开发业务，帮助数据提供方将其拥有的数据资产开发形成具备交易价值的数据资源或数据产品，促进数据资产价值的释放;二是数据发布类业务，为数据源提供方、数据产品提供方提供数据产品的上市辅导、上架保荐、发行报价三类业务，推动数据产品进入市场流通交易;三是数据承销类业务，利用自建、交易所或第三方交易撮合平台，通过多种方式促进数据产品的供需对接，拓展数据产品流通范围;四是数据资产类业务，主要包括数据资产有效性审计、数据成本有效性审计、数据资产创新业务和数据资本创新业务。

  两类合作模式：一是全权代理模式，包括但不限于数据开发、发布、承销和资产类业务，以数据提供方需求为主，强调开发和全程服务，对数据商要求高。二是协作模式，数据提供方与数据商在开发、上市、销售、交付中紧密协作，数据的销售及合同签订由数据提供方、数据商和需求方三方共同参与;数据商以开展发布、承销、资产类业务为主，强调对交易的撮合、监管和服务。

  守正笃实，久久为功。数据资产管理工作是一项需要长期笃行不怠的系统性工程，光大银行将在前期探索的基础上，持续探索区块链、多方安全计算、端上边缘计算等技术在数据资产管理领域的应用，不断加强数据资产管理创新、数据管理平台优化、数据价值创新探索，持续向数据要生产力，促进金融业乃至全社会数据要素的融合。