如何加强金融数据治理?如何推进金融科技变革?

发布时间:2024-12-23 21:17:32 来源: sp20241223

  优化金融数据治理和应用

  目前,金融数字化浪潮席卷全球,数据已经成为金融业新的生产要素。作为服务实体经济的重要支撑,我国金融业正步入数字化转型的关键阶段。用数据决策、用数据创新逐渐成为金融业的共识。如何加强金融数据治理?如何推进金融科技变革?记者就有关问题采访了业内人士。

  破解关键问题

  “银行业保险业作为数据密集型行业,强化数据治理,加快推进数字化转型发展,既是激活数据要素潜能、做强做优做大数字经济的使命担当,也是提升金融服务的智能化水平、增强防范化解风险能力的内在动力。”在近日举行的2023金融街论坛年会上,国家金融监督管理总局一级巡视员叶燕斐表示。

  作为金融业重要的资源要素,数据已经成为基础性和战略性资源,融入生产、分配、流通和社会服务管理等各环节。叶燕斐表示,在这个过程中,尤其需要关注几个问题。一是加强顶层设计。数据治理是一项系统性工作,涉及工作繁杂,如何有效规划、体系化推动,如何平衡短期投入成本和长期收益,如何通过内控和审计来规范数据治理工作,诸如此类的问题应该纳入战略规划制定中考量。二是做好协同配合。数据治理是否成功,关键是建立系统化、职责分明的协调配合体系。权责模糊、动力缺失等会导致数据治理不佳、低效利用。三是强化技术基础。数据治理不仅需要充分关注元数据、数据标准、数据模型、数据分布等,更需要把数据治理与新技术应用广泛融合在一起,真正体现在数据治理与应用的全流程,发挥数据与技术融合的正效应。四是助力业务发展。数据治理必须与业务开展有效结合,通过深入的客户数据分析挖掘,更精准了解客户需求,全面提升服务质量和水平。

  中国人民银行等部门联合印发《金融标准化“十四五”发展规划》提出,以标准化引领金融业数字生态建设,尤其是稳步推进金融科技标准建设、系统完善金融数据要素标准等。专家表示,金融标准建设与金融监管、市场紧密相关,金融标准化的完善为金融机构深化数据治理指明方向。

  然而,现有银行数据治理探索也存在标准化意识缺失、管理职责不到位、关键数据标准研制和贯彻流程不畅等问题,亟待以推动标准化来解决矛盾。此外,银行业普遍缺乏大数据相关人才,需要尽快在全行业推动中高端人才的培育和提升,否则数据治理就成为“无源之水、无本之木”。

  今年中央金融工作会议强调,做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章。未来,推动我国金融业数字化转型是加强金融强国建设和推动实体经济高质量发展的重要一环。

  中国银行业协会首席信息官高峰表示,近几年,金融科技在赋能银行业数字化转型方面发挥了积极作用,但是随着转型进入深水区,衡量金融科技对数字化转型的质效,应聚焦在数据资产价值。数据不仅是银行的核心资产,也是数字化转型的创新驱动,数据资产尤其重要。通过对数据资产进行价值评估和衡量,能够发现数据在业务创新、运营优化、客户体验改善等方面发挥的作用,意义深远。

  深化数据治理

  近年来,国家顶层设计和基础制度不断推进数据要素化快速发展,数据要素化核心内容主要包括数据确权、估值、入表等方面,而数据治理是支撑数据要素化发展的重要基础。

  中国光大银行党委委员、副行长杨兵兵表示,为做好数据治理工作,光大银行构建适应数据要素化的企业级数据管理框架,形成全生命周期、全覆盖的数据安全管理体系,并加强外部数据管理积极融入数据要素大循环。同时,光大银行以资产化和价值导向管理运营全行数据资产,积极开展数据资产估值、入表、金融产品等方面的研究和实践,并与各地大数据交易所和大数据局开展全面广泛的合作,共同促进数据要素市场高质量、繁荣、有序发展。

  拥抱数字化与新技术是银行业的一个重要选项,只有充分利用数字金融手段,才更有可能找到新增长点与新赛道。以银行业数据治理为例,推进数据治理还需要充分考虑内部和外部的改革重点。

  国家金融与发展实验室副主任杨涛表示,一方面,银行业机构完善数据治理可关注一些重点举措。一是完善机制。银行数据治理是一项系统性的工程,战略要先行。二是技术驱动。数据治理本质上是管理与技术的相结合,因此既需要充分关注各细分领域,更需要把数据治理与新技术应用广泛融合在一起,真正发挥新技术带来的“正效应”。三是助力业务。优化数据治理和应用,有助于打破金融科技场景落地的难题,缓解技术和业务“两张皮”的问题。

  另一方面,还需探索完善银行业数据治理的外部环境保障,推动数据治理的规则完善。例如,从数据要素在整个社会再生产中发挥作用来说,离不开数据生产、交换、分配、消费等环节,作为重要起点就需要考虑数据要素确权问题。再如,个人信息保护、国家安全信息保护等问题,也始终贯彻在数据应用中。

  未来,金融业加快数据治理是大趋势,金融业需要从多方面统筹把握、有序推进,尤其是数据治理成本投入问题。中国民生银行数据管理部总经理沈志勇表示,技术的最终目的是为经济性服务,数据治理形成的分工体现了经济性。主数据治理、数据架构等数据治理的具体工作也都是为长远经济性服务,帮助实现资源的优化配置。在执行数据治理的过程中,要注意衡量局部与整体、短期和长远的投入与产出。金融科技是金融和科技两个专业领域的双向奔赴,当前已经达到互相了解和协同的程度,未来金融和科技将实现更加深度地融合、更加地一体化。

  守住安全底线

  在金融数字化浪潮下,大模型的发展前景被寄予厚望,专家预测,大模型将加快优化金融业数据结构,加速银行业数字化转型。目前,银行业推进金融科技变革的期望愈加强烈,大模型将成为金融机构数字化转型的重要方向。

  拥抱大语言模型技术能为银行带来多方面价值。沈志勇表示,一是提高生产效率,可辅助乃至替代人工生产内容。二是重塑知识体系,基于银行自身数据强化的大型模型,可以更好地满足知识获取的需求。三是提升用户体验,通过拟人化的交互和知识获取的便利,可以带来金融客户体验的提升。但是,银行要关注经济性,当下大模型的运用成本较高,各家银行需要紧密结合自身实际情况,对大模型和传统AI技术合理地组合和选择。

  金融业作为数字化需求强烈的数据密集型行业,已成为大模型率先落地发力的最优场景之一。新网银行副行长李秀生表示,通过创新应用数字技术,新网银行打造标准化作业、智能化风控和自动化处理的信贷业务能力,为个人、小微客户提供全在线的普惠信贷服务,实现了智能化推动的普惠金融业务发展。如今,随着大模型的出现,人工智能发展已进入新的阶段,相信在未来几年,智能应用在银行业将无处不在。

  目前,各大银保机构在守好安全运营底线的前提下,数字化转型驶入发展“快车道”。多位业内人士表示,新技术的应用同时也为金融业带来新挑战——数据安全已成为金融科技发展的基础性工程。

  从作为前沿科技的大模型技术看,做好安全合规是金融机构运用大模型的前提。“大模型新技术给行业带来了很多期望,使很多领域出现新机会,但同时也面临着安全、合规、算法和生态四个方面的挑战。在谈大模型决策之前,首先要保证数据安全。我们要解决数据从哪里来,并有效地组织管理起这些数据。”马上消费副总经理兼首席信息官蒋宁表示。

  从金融业重要端口支付领域看,支付行业赖以生存的基础就是人们对它的信任,而支付安全则是支付产业高质量、可持续发展的基石。Visa全球高级副总裁、大中华区总裁于雪莉表示,过去5年中,Visa的技术投资达到了100亿美元,目的就是不断提升网络的安全性、减少欺诈的发生。为保护消费者信息和隐私安全,Visa设立了全球隐私安全计划。近25年,Visa利用人工智能、机器学习等技术提供有关分析洞见和风险管理的解决方案,以及基于信任和道德考量的忠诚度解决方案。Visa积极探索新技术与支付安全和创新的结合,从而确保支付的安全性和便捷性。

  金融业数字化转型必须处理好创新与安全的边界,守住不发生系统性金融风险的底线。叶燕斐表示,银行业保险业数字化转型也应该坚持安全稳健原则,有效防范各种潜在风险。如,既要打破数据孤岛,更好利用内外数据,也要加强隐私保护,全面提升数据基础质量。要强化技术安全,更好保证业务连续性。在借助外部技术时,做好外包风险管控。

  杨涛表示,安全是永恒的主题,金融业需要高效管理风险,平衡创新与安全在数字化转型当中是始终绕不开的话题。

(责编:王震、陈键)