摘要: 深化数字化能力建设、推动数据治理已成为各家银行金融科技下一步发展的重点。本文分析当前金融业数字化转型趋势，综合描述先进同业在数字化转型重点行动，概括中小银行与先进同业在数字化管理上的差距，指出中小银行在规模、认识、技术上的不足，建议通过改革监管机制、优化人才机制、落实重点等策略，从数据架构、数据意识、数据互通、数据风险等方面进行改进。
Abstract:
Deepening the construction of digital capacity and promoting data governance have become the focus of the next step in financial technology for banks. This paper analyzes the current digital transformation trend of the financial industry, comprehensively describes the key actions of advanced banks in digital transformation, summarizes the gap between small and medium-sized banks and advanced banks in digital management, points out the shortcomings of small and medium-sized banks in scale, understanding and technology, and suggests that through the reform of regulatory mechanism, optimization of talent mechanism, implementation of key strategies, etc. to improve data architecture, data awareness, data exchange, data risk, etc.
1. 引言
2022年初，中国人民银行印发了《金融科技发展规划(2022-2025年)》，提出要“强化金融创新的科技武装、数据加持，加快金融数字化转型步伐”。2022年1月，银保监会发布《关于银行业保险业数字化转型的指导意见》，提出金融机构数字化的总体要求、规划与流程、业务与技术目标。深化数字化能力建设、推动数据治理已成为各家银行金融科技下一步发展的重点。但对大多数中小银行来说，信息化系统建设相对滞后，特别在数据治理方面，组织体系不够敏捷，管理体系制度有缺失、技术体系相对落后、执行人员数据质量意识淡薄，导致出现了业务数据关键要素不完整、数据标准缺失、数据修改补录等工作常态化、重要业务指标统计口径和规则定义不一致等问题 [1]，较大地影响了数据的准确性和及时性。
2. 中小银行与先进同业数字化转型的差距
2.1. 先进同业的数字化转型趋势
目前在宏观经济形势更加复杂、金融行业竞争持续加剧、技术创新应用不断加快的大环境下，数字化成为近年来金融业发展的大趋势 [2]。综合先进同业的近期年报等材料可归纳重点行动如下：
一是数据管理战略及架构上，先进同业均有明确的战略及落地规划。如工商银行战略委员会推动全行战略规划与国家战略的协同联动，审议通过了集团数据治理与智能应用等四个子规划。建设银行金融科技与数字化建设委员会召开4次会议，讨论加强数字化经营相关事项的顶层设计、组织推进和资源配置，下设数据治理工作组，召开6次会议，强化数据质量、数据安全管理，推动解决数据问题，落实数据责任。农业银行围绕科技支撑、智慧渠道建设、企业级架构与大数据应用四个关键领域，实施数字化转型“十大工程”，提出以提升数字经营能力为目标，从渠道建设、大数据应用、业务基础、IT基础四个方面，积极推进数字化转型。
二是数据应用上，先进同业均强调内外部数据的融合创新。如工行运用数据突破生态合作创新，全面推进政务数据融合，在全国分支机构落地300多政务合作场景；深度参与数据交易所建设，加强与地方政府数据市场合作。建行与全国二十九个省市政府部门建立了阳光透明的“跨省通办”服务平台，提供千余项地方政务的快捷办理，并关联整合了金融机构与非金融企业的生态数据资源，以大数据产品形式在企业数字化营销、数字化经营等场景中发挥数据价值。
三是数据技术架构上，先进同业逐步从数据仓库向数据湖或湖仓一体演进。如工行已建立起以“一湖两库”为基础的大数据框架，形成了同业领先、独立控制、分布式架构的大数据智能云系统，已实现了整个企业数据的全面入湖，向经营管理部门提供了千余项企业级大数据服务。建行大数据平台实现了同业最大的存储与计算分离的数据库处理集群，计算节点数量18,000个，通过全量数据入湖，实时信息收集、大数据分析与可视化展现等功能能力大大提升，有效支撑了客户旅程的一百多种实时服务场景运用。农行完成数据湖新技术架构落地和企业级全域数据入湖，数据总量超过19个PB，构建上百亿级关系知识图谱，为风险防控、电信诈骗专项治理等提供图谱支撑。
2.2. 中小银行数字化能力有待提升
对标先进同业来看，一是中小银行数据管理有“散”的表现。如缺乏行内统一的数据战略及数据规划，行内的数据资源往往散落在多个系统中。业务人员无法快速通过系统找到符合自己需求的数据，只好提出取数需求；而技术人员也疲于应付手工统计，难以集中精力于业务功能与系统的优化。数据采集功能不足，如未对部分渠道的用户行为、用户地点、作业行为等进行收集；重点数据管理不善，缺少全行统一产品目录；非结构化数据的存储和管理不足，影像系统主要着重记录扫描文件内容，忽略内容分析及提取等。
二是中小银行数据质量有“差”的地方。在中小银行系统建设过程中，往往缺少相应的数据标准管理，缺乏统一的数据字典管理。例如部分系统缺失数据字典或数据字典更新不及时，指标缺乏统一定义，导致在进行数据分析时查找数据困难，工作开展效率较低。中小银行当前针对数据质量的监控体系不完善，在数据录入时缺少校验，录入后缺少复核，数据质量主要靠人工事后发现，缺少前置系统的数据质量检测。基础文档的欠缺，导致数据质量问题被发现时，查找和反馈需进行多轮沟通。推动整改时往往有运动化的趋势，对基层人员压力较大。
三是中小银行数据工具与数据价值有“缺”的现象。例如缺少数据驱动的风险监测预警模型，对营销和运营数据的分析模型缺失，导致难以进行客户360画像、支撑客户差异化定价；系统精细化程度有待提高，数字业务化的理念和数字化管理的思维没有深入人心，有效管理和应用数据的模式尚不清晰，还在探寻数据服务业务的合适路线等。
3. 中小银行数字化差距原因分析
一是发展不平衡，利润规模有差距。我国地域广大，地区间发展仍有差距，各地中小银行管理水平差异也较大。部分欠发达地区的中小银行信息基础设施建设相对落后，缺乏应用大数据及人工智能的基础；同时大部分中小银行的数字化转型尚处于起步阶段，经营范围和产品线相对不够丰富，非息收入占比较低。特别在利率下行阶段，大型银行的资金优势，对中小银行的利润空间进一步挤压。
二是认识有局限，资源投入较欠缺。数字化浪潮浩浩荡荡，但部分中小银行对其认识仍有所欠缺 [3]。大部分中小银行都对线上产品开展了积极探索，但或者是简单将线下产品和业务复制到线上渠道，对于数字化闭环运营一知半解；或者是侧重于各类助贷业务，自身无意识地退化为管道，表面光鲜的同时将自身的数据拱手相让，忽略了自身能力建设。特别无论是购买外部数据或是新建大数据平台，“麻雀虽小，五脏俱全”，基础的启动成本对于大多数银行从财务层面来看几乎是相同的，大型银行能够承受的试错成本移到中小银行可能就是一个“巨坑”，导致中小银行难以下决心投注在新技术上。
三是技术能力不足，缺乏数据标准。大部分中小银行自主创新能力相对缺乏，在业务和产品方面选择了跟随先进同业的思路。但由于自身技术基础薄弱，中小银行往往难以很好协调新老业务的替代及并行工作，因此倾向于选择简单模仿大行的产品和业务，缺乏对整体企业架构的把控能力，信息化建设往往采用“拿来主义”，建设了一个个“烟囱系统”。还有数据标准更新不及时，未能紧跟业务发展及时更新；缺乏系统工具的支撑，数据标准变更流程在线下进行效率较低，数据标准的维护很难跟上频繁变更的数据需求；新产品、新业务、新系统建立时，并未严格参照数据标准执行，在系统建设或数据产生的源头上忽视数据质量问题的预防和控制 [4]。
4. 中小银行应对策略与具体手段
4.1. 建议的应对策略
一是探索推进改革监管体制。在风险可控的前提下，推广“监管沙盒”机制，鼓励中小银行不断开展经营区域内的业务创新，平衡金融创新与金融风险。同时要推动完善自身治理体系建设，不断提升治理能力，防范关联交易风险，规范实控人行为。
二是加强数据人才培养和引进机制。中小银行应该深入贯彻落实“人才兴行”的战略方针，高度重视人才规划工作，在做好识别人才、发掘人才、凝聚人才等工作的同时做好培养人才工作。利用多种形式举办大数据应用讲座，鼓励跨领域专业分享，打造学习型团队，发掘优秀大数据讲师。加强员工教育培训体系创新，建立良好的知识共享机制，打造一支专业、团结、高效的数据治理团队，结合实际推进数据治理工作。
三是聚焦重点，脚踏实地。中小银行首先要提高认识，将数据治理提升到全行战略的高度，由行领导牵头“一把手工程”。其次制定相关政策和流程指引，并在关键领域先行实施。再次制定可量化的数据质量评价标准以及数据应用评价监督机制。建立数据治理审计机制，是为了监控数据治理的规范、制度等体系的相关执行情况，同时评估数据资产的完整性、准确性、一致性、规范性、实时性 [5]。特别短期可聚焦业务收益较显著的场景，比如围绕个人存款客群、小微客群，不断寻找有成长性的客户，从而让数据治理工作真正创造价值、产生效果，以点带面推动全行数据文化的贯彻。
4.2. 建议的具体手段
一是参照各先进同业，明确数据组织架构及对应职责。例如可在高管层下设置对应的金融科技委员会或数据治理委员会负责全行数据治理相关议题的顶层决策，对数据治理的战略、政策、流程等规划及重要问题进行审批。设立数据管理部门负责建立数据治理框架，制定数据治理制度，协调落实数据治理运行机制，组织推动数字化转型。各业务条线在日常工作中负责数据录入及保障数据质量，提出数据改造需求。各分支机构指定数据治理专岗，负责监督一线员工的数据政策执行，对录入的数据质量负责。各技术部门配合相关系统改造，负责基础数据质量的检查，参与数据质量提升项目的实施。由数据管理部门牵头组织行内各部门业务、技术骨干形成数据专家组，按照“谁提供谁负责、谁加工谁负责、谁使用谁负责”的原则开展跨部门数据治理协作工作，避免数据治理工作上的各条线部门各自为政、缺乏统筹等情况。
二是在行内建立数据资产意识，提高对数据价值的认识水平和应用意愿。如按需启动数据治理项目，建立数据管理平台，清理行内存量数据，推动数据标准化，改善数据质量，提升数据价值，让经营数据转化为数据资产；打通沟通渠道，鼓励全行员工甚至客户提出数据创意并与之分享结果。定期或按需召集跨部门、跨分行的员工进行经验交流，形式上包括走上来和深入基层，可线上也可线下，对良好的数据应用实践和结果在行内进行公开表扬或给予奖励等。
三是打通数据孤岛，实现数据互联互通，集成整合为高品质的可用资产。通过数据资产管控平台建设数据标准管理模块、主数据管理模块、数据质量管理模块、数据地图模块等常用数据治理功能，让沉淀的知识能够落地到平台上，结合数据治理流程制度进一步开展数据治理工作。将数据标准管理、指标管理、元数据管理等流程线上化，提高工作效率，减少重复人工操作；加大培训力度，让相关人员充分了解流程；制定覆盖全面的数据标准化规划，推广相关标准。推动数据分析挖掘工具的落地，支撑业务部门自助查数、用数的需求，不断丰富风控、营销、运营管理等分析场景，让业务人员能安全、高效、便捷地进行数据分析和应用。
四是树立风险意识，建立数据服务备份机制，明确业务应急流程预案。可参考各服务业务域范围，整合相似数据服务，对调用量大或影响范围广的重要数据服务实现技术热备。组织识别重要业务所需关键数据资源，分析研判数据资源特点，结合业务场景制定适当的风险防控措施，保障业务连续性。定期实施应急演练，针对数据服务中断等潜在风险完善应急事件场景及处置方案，加强与外部数据服务提供商的协作联动与考核后评估，提高综合处置能力。
5. 结论
对照监管要求和先进同业情况，中小银行的数字化能力还有待提升。在银行传统业务高度同质化、市场竞争愈发激烈的情形下，通过数字化转型寻求新的增长点对中小银行来说已是迫在眉睫的现实需求。中小银行需要对标先进同业，集中力量推进数据管理体系和数据管理能力建设，补齐数据管理短板，不断提升数据治理与管控水平，推动金融服务提档升级。