商业银行的数据资产曲线是怎么跑出来的( 三 ) 来源|零壹财经作者|彭佳焱19

可管：通过体系化活动职能来识别、度量、监控和预警数据在生命周期的每个阶段里可能发生的数据可用性问题，通过模型管理、标准管理、质量管理等管理手段保证和提高数据质量，确保数据资产质量符合规范性、完整性等质量评价标准。通过数据安全管理活动，确保数据处于有效保护和合法利用的状态。
可估：数据资产管理通过构建囊括数据经济效益、业务效益、投入成本等衡量指标的价值评估体系，评估数据资产价值，为数据资产合理定价及市场流通奠定基础。
可以说，这每一项指标，商业银行都具备了一定的条件，但又都不完全满足。比如，数据价值的识别，可用性的标准化和开放规则，数据资产规范性的评估，目前都取得了丰富的成果，但体系化还不够。而数据资产价值的评估和定价，则依然是学界和业界争论不休的问题。
这些问题的解决，依赖于商业银行建立完整的、系统性的数据资产管理体系。杜啸争表示，当前商业银行建立数据资产管理体系，除了理论、规则、标准等，还面临几个具体的痛点：
第一，部门数据管理难。大型银行的数据管理体系都是逐步建立的，因为历史原因和缺少长期规划，大部分银行的数据都散落在不同数据管理平台。各类平台有不同的采集、加工、应用体系等内容，在全行数据资产一盘棋的情况下，数据管理部门需要耗费大量的精力来管理这些复杂的平台。
“如果从2000年算起，中国商业银行的数据管理已经走过了20多年。有的银行数据管理做得早，所以它今天的数据管理体系不是一蹴而就的，它系统内就存在很多相关联的小数据平台。 ”杜啸争说， “今天各个银行都在建设企业级数据平台、企业级的数据管理，但是如果你进去细看，基本上里头都还是一个个的小模块，这是我们要解决的第一个痛点，它需要有一个统一管理的模式。 ”
这就引发了架构迁移的难题。银行现有架构中有很多老的、旧的结构，如何在新的形势下，在云原生的架构下，逐渐迁移过来，这是一个难题。
第二，数据需求统一难。数据需求的多样化导致数据需求的管理方式也很多样，数据需求方往往缺乏技术部门和数据管理部门持续迭代的匹配体系支撑，导致已推进的很多数据应用并未取得预期成效，造成了管理成本巨大，业务需求也没有被很好的跟踪。
第三，源头数据治理难。大部分金融机构已经进行了多个波次的数据治理工作，从最初的全行数据标准建立、数据治理工具上线、再到数据质量问题的专项处理等，但从源头推进的数据治理工作在银行依然是举步维艰。
杜啸争说，让数据治理前置，才能更便捷地由场景化驱动业务发展， “如果只是把数据治理放在数据仓库，或者说大数据平台里头去做，其实是很难满足业务需求的。 ”
他介绍，中电金信现在跟某股份制银行合作，在企业架构建模的时候，数据治理团队会作为重要的一个分支参与进去，这样客户的数据需求在前期整个业务系统设计的时候就能够考虑进去。
第四，数据价值释放难。数据作为生产要素，如何从数据资源到数据资产，如何对数据资产进行自动化获取，如何通过价值评估让数据变成资产是各个金融机构面临的难点和痛点。
所以，商业银行需要全新的数据资产管理平台。它既能打通20年的历史数据积累，重整层层叠叠的小数据库，又能满足新形势下数据治理、数据资产化和价值流通的新需求。它既要不断改进商务智能的决策效率，又要持续提供数据价值化带来的新的利润增长点。