李伟：做好数据治理 更快更好地推进数字化转型

中国青年网北京市12月2号来电 由新华通讯社瞭望智库、财经国家周刊举办的“第四届中国新金融业峰会2019”1日在北京隆重举行，中央人民银行科技司厅长李勇发布中心思想演说。他表达，当今，以人工智能技术、区块链技术等为意味着的电子信息技术层出不穷，迅速向社会经济各行业结合渗入，以数据为关键的企业战略转型已成必然趋势；金融行业是数据劳动密集型制造行业，在企业安全生产全过程中累积了大量的数据資源，只能做好数据治理，才可以迅速、尽快推动企业战略转型。

数据治理之“困”

在提到当今的数据治理之“困”时，李勇表达，关键有四方面：

第一，存有信息荒岛，了解不可以用。当今，金融行业数据治理全过程中普遍现象“不肯、害怕、不可以”共享的难题，造成大量数据撒落在诸多组织和信息系统软件中，产生一个个“数据烟筒”。一是不肯共享，大部分组织都将数据做为战略資源，觉得有着数据就有着客户资料和竞争能力，主观性上不想要共享数据；与之相近，组织內部数据所有权切分，数据使用权和事权息息相关，单位宁可将数据“置若罔闻”，也不肯随便拿出去共享。二是害怕共享，一部分金融业数据具备一定敏感度，涉及到客户私人信息、保密信息乃至国防安全，数据共享将会存有法律纠纷，客观性上给组织间共享数据产生阻碍。三是不可以共享，因为各组织数据插口不统一，不一样组织的数据无法数据共享，比较严重阻拦数据对外开放共享，造成数据财产互相扭曲、独到见解。

第二，数据品质不高，了解不太好用。互联网金融背景图下，高品质数据变成金融信息服务与自主创新的关键基本，都是大数据提高金融业精准施策能力的重要前提条件。殊不知，当今金融行业总体数据品质不高状况仍然突显，给数据充分挖掘与高效率运用产生艰难。在详细精确性层面，因为缺乏统一的数据治理管理体系，一些金融企业在数据收集、储存、解决等阶段将会存有不合理、不标准等难题，造成不正确数据、出现异常数据、缺少数据等“脏数据”造成，没法保证数据的一致性和精确性。在一致性层面，因为业务流程条线复杂、业务流程类型多种多样，好几个单位通常数据收集规范不一、统计分析规格各不相同，同一数据源在不一样单位的描述将会彻底不一样，看起来同样的数据具体含意也将会截然不同，数据一致性无法确保。这给全局性数据模型、解析、应用导致阻碍，数据发掘实际效果受到非常大影响。

第三，结合运用艰难，了解不容易用。金融业数据来源于诸多、规模巨大、构造各不相同、关联繁杂。从这般复杂的大量金融业数据中发掘高使用价值、联动性强的高品质数据，必须高效率的信息技术性支撑点和靠谱的基础设施建设确保。殊不知，一部分金融企业高新科技产品研发资金投入相对性不够、科研人员占有率失衡，运用数据模型解析处理具体难题的能力尚需提升。信息資源运用大多数滞留在表层，数据运用尚未深层次、主要用途相对性窄小、数据与情景结合不足，造成数据之“沙”无法聚集成“塔”，大量数据資源没法做大做强，数据发展潜力无法得到充足释放出来。

第四，整治管理体系缺少，了解不灵活运用。人们常说，“技术性自身是中性化的，技术性应用的善与恶彻底在于人”，这一依据对数据一样可用。高新科技要善行，数据也一样要善行。殊不知，因为相关法律法规尚未完善、数据治理管理体系还不健全、组织合规管理观念不够，数据“不灵活运用”的难题比较突显。从事组织违反规定违反规定低成本，为努力实现商业利益而置目前管理方法要求于不管不顾，过多收集数据、违反规定应用数据、非法行为数据等难题司空见惯。比如，一些APP、企业网站，客户不受权出示手机号码、手机通讯录、所在位置等信息，就没法再次应用和预览，根据“服务项目威逼”来达到“数据绑票”。除此之外，一部分组织数据防范意识、内控管理、技防能力基础薄弱，数据泄漏恶性事件层出不穷，客户变成“隐形人”，电信网诈骗、电话骚扰、催债等层出不穷，比较严重损害客户利益。

数据治理之“道”

应对所述艰难和挑戰，金融行业怎样解困绝地反击、保持数据井然有序整治和高效率运用，是必须深入探讨的重中之重议案。对于，李勇觉得，数据治理应遵照四大基本要素。

最先，依规合规管理，确保安全性。数据做为关键的规模经济，保证数据安全性应是自始至终遵守的道德底线。金融行业是对信息安全性高宽比比较敏感的制造行业，应不断完善数据安全工作常态化和安全防护对策，坚决杜绝数据泄漏、伪造、毁损与不善应用，依规依规维护数据行为主体个人隐私在数据治理全过程中不会受到损害，不可以因进行行政人事管理数据结合运用而提升目前相关法律法规与管控标准。

次之，物理学分散化，逻辑性集中化。因为历史时间缘故，许多组织通常存有“N”个数据管理中心（数据源），展现出好几个业务流程条线数据分散化储存、分散化运作的局势，若选用“推倒重来”的方法显而易见成本费太高、摩擦阻力很大。因而，应在维持目前数据管理中心职责不会改变的前提条件下，保持当今数据物理学储放部位和运作行为主体不会改变，灵活运用各数据管理中心IT设备与人财資源，搭建“1个数据互换管理系统+N个数据管理中心（数据源）”的数据构架布局。在这个基础上，制订执行统一的数据管理方法标准，保持数据的规范化管理。

再度，最少够了，用而不在。数据治理的一大难题就是说怎样在确保数据使用权基本上保持数据的结合运用。应清除数据全部方因信息“使用权让渡”导致“事权迁移”的顾忌，标准数据应用个人行为，严格控制数据获得和运用范畴，保证数据专事专用型、最少够了、未经审批同意不可存留，避免数据被错用、乱用。在考虑多方有效要求前提条件下，较大程度确保数据全部方利益，保证数据应用合规管理、范畴可控性。

最终，一数一源，一源要用。当今，不论是商务管理单位還是金融企业，各业务流程条线数据分散化状况多多少少存有，数据双头搜集层出不穷。这不仅提升信息申报、收集、储存成本费，也造成数据义务行为主体模糊不清，数据安全性、数据品质无法确保。应确立源数据管理方法的唯一行为主体，确保数据一致性、精确性和一致性，降低反复搜集导致的資源奢侈浪费和数据数据冗余。另外，创建数据标准共享体制，提高数据利用率和运用水准，保持数据多方位颠覆式创新。

数据治理之“术”

就怎样做好数据治理工作中，李勇也论述了自身的四点建议。

其一，做好统筹规划，把数据整体规划好。数据治理是一项长期性、繁杂的自动化控制，要在机构、体制和规范等层面提升统筹谋划。一是提升组织结构。清醒认识数据的关键战略地位，将数据治理列入公司中远期建设规划，立即调节组织结构，确立內部数据管理职责，梳理数据所有权关联，由上而下促进数据治理工作中。二是健全运用体制。在确保多方数据使用权不会改变前提条件下，统筹协调全局性数据构架，健全跨组织、跨行业数据结合运用体制，保持数据标准共享和高效率运用。三是搭建体系。创建包含金融业数据收集、解决、应用等全步骤的体系，打造出金融业数据的“通用性語言”，提高金融业数据品质，为数据相通、信息共享和业务流程协作确立夯实基础。

其二，完善整治管理体系，把数据管理方法好。一是做好数据投资管理。依据统一的数据体系，创建全局性数据实体模型和科学规范的数据构架。在这个基础上，管理方法维护保养全局性数据财产文件目录，保持对数据财产的全方位整理和合理监管，处理数据品质不高、数据运用不够等难题。二是做好数据分类管理。综合性国防安全、群众利益、私人信息和公司合法权益等要素，制订数据等级分类规范，根据全局性数据财产文件目录将数据开展等级分类。对于不一样级别数据采用多元化的控制方法，保持数据精益化管理。三是做好数据共享管理方法。标准数据共享步骤，保证数据应用放在依规合规管理、确保安全性前提条件下，依据业务流程必须申请办理应用数据。数据全部方按标准审批明确数据应用范畴、共享方法等，根据数据互换体制保持数据井然有序土地流转和安全性运用。

其三，提升安全性监管，把数据维护好。要遵照“客户受权、最少够了、全线安全防护”标准，充足评定潜在性风险性，把好安全性口岸，提升数据项目生命周期安全工作，坚决杜绝客户数据的泄漏、伪造和乱用。在收集阶段，要向被收集客户开展明确，确立告之收集和应用的目地、方法及其范畴，在获得客户受权侧后方可收集。在储存阶段，根据特征提取、标识化等技术性将初始信息开展皮肤过敏，并与联动性较高的比较敏感信息开展安全性防护、分散化储存，严格控制访问限制，减少数据泄漏风险性。在应用阶段，依靠实体模型与运算、多方面安全性测算等技术性，不在核算、不共享初始数据前提条件下，仅向外出示皮肤过敏后的数值。

其四，加强高新科技颠覆式创新，把数据运用好。数据治理的关键阶段是数据运用，要从算率、优化算法、储存、互联网等层面提升技术性支撑点，不断加强数据运用能力。在算率层面，加速分布式架构转型发展，充分运用云计算技术等技术性性能、成本低、可拓展的优点，考虑大量数据解析解决对计算资源的极大要求。在优化算法层面，根据深度神经网络、神经元网络等技术性设计方案数据实体模型和解析优化算法，提高数据洞悉能力和根据情景的数据发掘能力，为数据插上羽翼，让数据在金融行业展翼展翅翱翔。在储存层面，探寻与互联网技术买卖特点相一致、与金融业信息安全性规定相符合的数据储存计划方案，平稳促进分布式系统数据库金融业运用，保持数据高效率储存和延展性拓展。在互联网层面，应用物联网丰富多彩数据收集层面，运用5G技术性网络带宽大、速度更快、廷时劣等优点提高数据土地流转高效率，打造出金融业数据“高速路”。

最终李勇说，当今互联网金融迅猛发展，金融行业正处在以高新科技颠覆式创新保持大发展趋势、大转型的关键期。要充分认识数据資源对金融行业企业战略转型的关键实际意义，坚持把金融业数据整体规划好、管理方法好、维护好、运用好，深入分析数据使用价值、释放出来数据潜力，促进金融业保持高品质发展趋势。