贵州省农村信用社联合社数据管理部总经理助理 李立志

  当前，金融行业数字化转型进程不断提速，大型金融机构凭借在数据领域的领先优势，实现业务的跨越式发展。与之形成鲜明对比的是，农村中小银行受限于数据基础、技术投入、人才储备等因素，在数据管理上举步维艰。在此背景下，贵州省农村信用社联合社(以下简称“贵州农信”)积极探索数据管理能力建设的创新路径，聚焦数据质量、数据安全、数据应用等数据管理核心环节，构建具有自身特色的数据管理能力体系，为数据赋能业务高质量发展筑牢根基。

  一、农村中小银行数据管理困局

  近年来，金融科技浪潮汹涌而至，数据驱动已然成为金融机构迈向高质量发展新纪元的核心战略。相较于大型银行在信息化、数字化建设方面具备的雄厚基础与先进能力，农村中小银行尚存在较为显著的差距。

  一是数据基础薄弱。农村中小银行数据来源广泛且分散，标准不统一，数据产生、录入环节把控不严，数据流转加工过程不透明、不规范，严重影响了数据的准确性、完整性、一致性、可靠性。

  二是技术投入不足。农村中小银行资金有限，在数据处理、存储设备、系统建设及相关技术研发等方面的投入不足，导致数据处理效率低，难以满足大数据分析等业务需求。

  三是数据安全存忧。农村中小银行在网络安全、数据加密等方面的技术和设备相对落后，容易受到网络攻击，可能导致数据泄露等安全事件。同时，农村中小银行数据安全制度流程不健全，数据访问控制和权限管理不严格，数据安全审计机制不完善，员工安全意识不强，存在内部数据泄露风险。

  四是数据人才匮乏。开展数据管理工作需要既懂业务又懂技术的复合型人才，而受地域和薪酬待遇限制，农村中小银行难以吸引和留住此类人才，现有员工数据管理专业知识和技能不足，制约了其数据管理能力的进一步提升。

  五是应用场景有限。一方面，农村中小银行对业务需求的挖掘不足，对数据价值和应用场景认识不深入，缺乏从海量数据中挖掘业务需求和市场机会的能力，数据应用多停留在生成报表等基础层面;另一方面，其场景应用与业务融合不够，数据管理与业务流程、产品创新等环节融合不紧密，数据未能有效转化为业务决策和创新的依据，未能发挥对业务的赋能和引领作用。

  鉴于此，农村中小银行需要持之以恒推动数据管理能力建设，精准探寻数据赋能的关键突破口和发力点，以实现自身竞争力的切实提升与可持续发展，并在激烈的同业竞争中占据有利地位。

  二、贵州农信数据管理能力建设实践

  近年来，贵州农信积极开展数据管理能力建设，针对自身数据管理困局，精准施策、多点发力，从数据质量、数据安全、数据应用等核心维度进行破题，搭建起科学且具有特色的数据管理体系，取得了良好成效。

  1.多措并举提升数据质量，确保数据真实可用

  贵州农信精准把握“监管驱动”这一核心导向，以监管数据治理牵引全系统数据治理工作，构建数据质量问题从识别、分析、整改到评价的闭环。

  一是主动发现数据质量问题，聚焦重要业务领域和重要业务系统，梳理出200余条数据质量检核规则，常态化检核、批量化发现数据质量问题，从特定的应用需求或具体问题切入，精准圈定数据治理的边界和范畴。

  二是坚持“谁主管谁负责”的数据源头治理准则，清晰界定数据权属，敦促源头系统优化改造，杜绝数据质量问题“边清边冒”等情况的发生。

  三是借助综合流程平台构建线上化数据问题反馈和纠错流程，建立数据质量问题台账，依托数据分析平台的数据明细查询功能，开发数据治理明细报表和汇总监测报表，将每一批次需要治理的问题数据向各级机构分权限展示，提高治理的针对性和有效性，实现数据质量问题的动态分析和完成情况的实时监控。

  四是持续解决数据质量问题，制定专项数据治理方案，组织全省农信各级机构限时开展治理，将治理成效纳入绩效考核评价体系，并与薪酬绩效和评先选优挂钩。2022年以来，全省农信各级机构共计开展36个批次的专项治理，完成核心系统中账户名与客户名不相同、一人多户、非真实账户等46个数据问题的治理;完成信贷系统中同一证件号对应不同核心客户号、证件类型和证件号不正确、贷款投向编码为空、贷款用途描述不规范、客户名称不规范及无效客户等14类问题共600余万笔贷款的清理和治理;完成银行客户信息系统(ECIF)中同一法人下不同系统间客户名称、证件类型、证件号码3要素不一致，同一法人下不同系统间个人客户关键要素不一致，不同法人下公司信贷中单位客户信息不一致，同一法人下不同系统间单位客户信息不一致等三类问题的治理。通过各批次治理，客户信息、产品信息、管理信息和内部人员信息数据质量得到明显提升，有效支撑了各类数据运用。

  五是开展EAST数据问题整改。截至2024年6月末，系统检核问题类型39项、问题明细50余万条，较2022年5月首期报送批次减少检核问题类型246项、问题明细4.5亿余条。

  六是加强统计报送管理，上线统一报送平台，完成1104、EAST、手工报表等系统的新老系统迁移整合工作;同时，推进报表减负工作，对历年存量360余张手工报表进行全面清理和动态评估管理，经治理，现有手工报表120余张，打造了手工报表智能纠错、自动校验、自动汇总、指标复用等功能，有效减轻了基层负担。

  2.点面结合开展数据安全建设，实现数据可管可控

  一是将数据安全管理纳入数据治理体系，调整了组织架构，明确理事会是数据安全管理的决策机构，理事长为数据安全负责人，对数据安全工作负主体责任。

  二是制定《数据安全管理规程》《数据分类分级操作细则》《数据全生命周期管理细则》《数据安全应急预案》等数据安全系列制度。

  三是对数据进行分类分级，完成7个主要业务系统约4.2万个字段的分类分级，构建数据安全分类分级资产目录;完成数据安全分类分级工具采购，全面推动全行数据分类分级工作。

  四是开展数据安全现状评估，识别行内数据安全风险，对黔农云、大零售以及数据分析平台三个典型信息系统的数据采集、数据传输、数据存储、数据使用、数据删除、数据销毁等全生命周期处理活动进行重点评估，并对省联社整体的数据安全组织架构、数据安全管理制度体系、数据分类分级以及数据安全技术能力进行全方位评估。

  五是实施数据安全应急演练，制定数据安全应急预案，设立数据安全应急组织架构，明确数据安全应急处置流程，按年组织全省农信机构开展数据安全应急演练，通过演练提高数据安全事件应急处置能力。

  六是组织开展数据安全培训，在“高管学治理”专栏提供“数据安全每日一学”等内容，组织省联社各部室、各审计中心数据管理专员开展专题培训，在统计培训上向各行社高管及统计条线宣讲数据安全相关知识，实现培训全覆盖。

  七是开展数据安全审计、数据安全现场检查及数据安全问题整改活动，将数据安全纳入专项审计范围，根据审计结果完善数据安全管理工作;同时，制定数据质量现场检查方案，将数据安全作为重要检查内容，随机到所辖行社开展现场检查，指出数据安全管理问题，督导其限期整改。

  3.用治结合强化数据应用，实现数据赋能

  贵州农信坚持“以治促用，以用带治”理念，基于数据治理成果，不断强化数据应用，充分发挥数据价值。

  一是赋能经营决策。建成经营分析室，完成质量、规模、市场占有率、效益及专项分析等共380个指标的梳理、口径确认、可视化开发和系统上线，搭建完整的经营分析指标体系，利用移动端进行可视化展示，开展机构画像，有力赋能各级机构数据分析、经营决策、财务管理和风险管理。

  二是赋能监管报送。持续推进监管报表口径梳理工程、自动取数提升工程、监管数据治理工程、锁表工程和系统间横向校验工程五大工程实施，有效提高监管报送质效。

  三是赋能业务管理。建设指标和标签管理平台，并基于该平台打造客户、风险、财务等数据集市，增强数据中台的数据服务能力，提供企业级指标和标签服务，支持客户画像、精准营销、绩效考核等业务场景建设，快速响应前台业务及应用请求，赋能客户经营管理。

  四是赋能财务管理。基于财务指标，构建成本收入比指标变动监测模型，提炼重要影响因子，模拟计算影响程度，为各级机构压降成本收入比，为推进降本增效提供模型支持，支撑财务精细化管理。

  五是赋能电信诈骗防范。多部门协同开展联合建模分析，基于涉诈账户数据，提炼电信诈骗发生场景和业务规则，制定相应的防诈措施，提高打击电信诈骗的有效性。

  三、贵州农信数据管理能力建设发展思路

  为持续强化数据管理能力，提升数据赋能业务发展的质效，贵州农信明确了一系列清晰且具有针对性的发展思路。

  1.防治并重，优化数据质量管控机制

  贵州农信秉持预防为主的数据质量管理理念，从事前预防、事中监控、事后补救等多个维度加强数据质量管控，让数据质量管控形成闭环。

  一是事前预防，拓展数据标准管理维度，强化数据质量业务控制规则，通过设置数据录入校验、组织数据录入培训等手段，从系统源头管控上防止脏数据进入;推进企业级基础数据标准贯标，将数据标准管理嵌入系统开发流程，严格执行数据标准落标工作流程，在需求、开发、测试和上线等阶段全面进行数据标准管理，确保新建系统全面落标、存量系统逐步落标，提高源头系统落标率;扩大客户主数据标准的管理范围，逐步推动ECIF等系统的数据标准化工作。

  二是事中监控，从数据标准落标情况检查、监管统计报送反映问题溯源检查、应用数据满足情况溯源检查等维度全面梳理数据质量检核规则，动态监控和分析数据质量问题，对数据质量进行系统化体检。

  三是事后补救，通过抽丝剥茧的方式，逐一分析数据质量问题形成的原因，找到其背后的业务本质，定期组织业务部门讨论优化方案，组织制定整改措施，分批次推进数据质量问题整改，按照“控新治存”的原则，螺旋式提高数据质量;建立数据质量自我评估优化机制，定期对行内整体数据质量进行评估，确定短期和长期的数据质量提升目标。

  2.内外兼修，提升数据赋能业务质效

  一是构建企业级指标、标签管理体系，实现指标、标签的全生命周期管理，为客户管理、产品创新、风险管控等业务场景赋能。

  二是加大数据服务供给，推进数据分析平台、数据仓库的融合，打造一站式数据服务管理平台，统一归口数据服务需求，完善临时取数机制，提升各级机构自助分析能力，积极开展联合建模，充分发挥数据赋能业务经营管理的作用。

  三是加强外部数据管理和运用，完善外部数据管理机制，统筹各类外部数据需求，加快推进已立项外部数据的采购和引进，主动开展外部数据产品推荐，做好外部数据使用后评估，建立供应商退出机制，在安全合规的前提下充分、高效地挖掘外部数据资产价值。

  3.场景驱动，落实数据安全管控要求

  贵州农信结合各类业务场景，不断完善数据安全管理体系、技术体系和运营体系。

  在管理体系方面，落实数据安全主体责任，按照“谁管业务、谁负责数据安全”的原则，明确各业务条线的数据安全主体责任，推动数据安全保护管理要求贯彻执行。

  在运营体系方面，打造数据安全分类分级动态运营能力，结合业务场景，把分类分级结果运用到外部数据采集流程、数据外发和共享流程、用户权限申请流程、临时数据提取流程等;持续推进数据安全评估和问题整改，推动数据安全文化建设，开展数据安全应急演练，做好数据安全风险监测，确保数据的有效保护和合规利用，实现数据“管”与“用”的有机结合，进一步提升数据安全精细化运营水平。

  在技术体系方面，部署数据分类分级工具，全面开展数据分类分级，扩大数据分类分级范围，对登记在册的数据资产进行安全定级;综合采取数据脱敏、数据匿名化、数据加密、数字水印等多种措施保护客户隐私，积极探索联邦学习、安全多方计算等前沿技术的应用场景，筑牢数据安全防护壁垒。

  4.训战合一，加大数据分析人才培养力度

  一是制定系统的人才培养规划，精心设计培训课程，通过培训持续提升数据分析人才的知识及技能水平。

  二是建立数据实验室，让人才参与实际项目，在实战中积累经验、提升能力。

  三是探索建立数据分析人才库，通过设立考核与激励机制，依据项目成果、技能提升程度给予奖励与晋升机会，激发员工学习热情，促进人才持续成长，为银行数据管理能力提升筑牢人才根基。

  展望未来，农村中小银行在数据管理领域机遇与挑战并存。随着金融科技的蓬勃发展，贵州农信将顺势而为，持续深化数据管理与应用，大力培养专业人才，以数据驱动实现自身高质量发展，为建设金融强国贡献更多农信力量。

作者：贵州省农村信用社联合社数据管理部总经理助理 李立志

   贵州省农村信用社联合社数据管理部 潘兴凤

   贵州农信数据管理部总经理助理李立志