商业银行数据资产管理现状

从2005年开始，银行业的数据管理从局部管理发展到统筹管理，再到管理运营。银行在数据管理向数据资产管理与运营的转型中，其数据政策、管理手段、运营模式在大数据时代的浪潮下不断修正与重塑，已经从简单的支持经营分析与业务决策向推动业务创新、资源整合应用以及数据价值变现方向跨越，并根据自身特色开展数据资产管理与运营实践。随着银行业与各行业融合度不断加深，银行数据规模急剧增大，数据不断衍生，数据类型不断丰富，银行加速向数字金融、网络金融、智能金融方向推进。在此环境下，商业银行以管理驱动的数据战略导向亟待转变，寻求可持续、价值型的数据发展成为必然选择，以价值为导向的数据资产运营正是实现这一转型的有力工具。

目前国内银行对数据资产的管理和应用还处于初步阶段，在不断探索实践过程中碰到了诸多困难，可以总结为五大痛点。

缺乏整体规划，持续迭代能力较弱，造成的结果是投入大、产出小。目前大多数银行缺少明确可落地的数据资产管理与运营整体规划，采用“头痛医头，脚痛医脚”的方式开展数据资产管理工作。运营的理念较为薄弱，往往依靠数据咨询项目出具顶层规划产物来驱动数据资产管理，如制定数据标准、建立数据模型、开展数据质量提升等方式。但是数据资产管理与运营是一个系统化工程，数据标准或者数据质量相互独立又互相依存，需要 用全局的角度和统筹的方法，实现数据资产管理与运营生态。

缺乏统一的数据资产视图，用户“不知、不懂、不会”问题显著。随着业务发展，银行堆积着大量数据，但不同种类的数据散落在各系统和平台中，数据使用者面对海量的数据，不知道有多少可利用的数据，并且数据含义或在文档中体现，或口口相传，解释不够权威，用户难以懂得数据真正的含义，同时传统的数据服务多为被动式服务，只是单纯地汇总并展示数据，专业性强，使用门槛高，用户获取和使用数据需要较多的数据背景，知道数据在哪里才能抽丝剥茧般地找到，效率较低。

部分银行过于追求大而全的数据标准，难以落地。部分银行对于数据标准过于依赖，追求构建全行适用、全业务可落地的数据标准，造成数据标准越做越多，落地工作量越来越大。如某城商行制定全行数据标准，标准从1000条逐渐增加到20000条，扩充了20倍，但是数据质量并没有提升，反而因为标准过多，难以落地，造成数据孤岛化，数据质量参差不齐，阻碍了业务和金融科技的快速发展。

数据应用发展缓慢，单点发力，缺少统一的运营管理。受限于数据规模和数据源种类的丰富程度，多数银行的数据应用刚刚起步，主要集中在精准营销、舆情感知和风险控制等单点场景，并且由于没有统一的数据资产运营规划，应用场景深度不够，且不成体系，发展缓慢，难以全面发挥数据价值。

数据价值难以估算，无法准确衡量数据效能。由于数据的价值很难评估，银行难以对数据的成本及其对业务的贡献进行评估，导致难以像运营有形资产一样管理数据资产，无法有针对性地进行数据效能评估，从而精准地进行资源倾斜，快速发挥数据资产价值。