数据“管”与“用”中的难点与痛点

企业在数据治理与数据应用中面临着许多挑战。首先，数据治理的难度很大，因为这需要技术和业务共同参与，并且每个角色都有明确的职责。其次，用户部门往往关注业务发展，而不是数据管理，因此缺乏动力来执行数据治理措施。此外，缺乏规范性和业务发展及系统开发的灵活性之间的平衡也增加了数据治理的难度。最后，缺乏数据生命周期的管控也会导致数据质量问题，这会阻碍监管统计和挖掘分析等方面的应用。

另一方面，企业在数据整合方面存在许多问题。过去缺乏规划的IT架构和烟囱式的系统建设导致信息孤岛的出现，这使得数据难以整合。此外，缺乏统一的数据模型和标准规范也增加了数据整合的难度。另外，由于数据生命周期各环节管控不足，数据质量也存在问题。这些问题会阻碍数据应用能力的建设和数据的文化培养。

因此，为了解决上述问题，企业需要制定一个合理的策略来实施数据治理和数据应用。首先，需要建立明确的数据管理规则和流程，包括数据标准管理和质量管理的实施、元数据和数据字典的管理等。其次，需要加强用户部门对数据治理的认识和动力，以确保数据治理工作的顺利实施。最后，需要制定平衡规范性和灵活性的策略，以确保数据管理能够适应业务发展的需求。

数据“管”与“用”的有机结合，相辅相成

为了实现数据的“管”与“用”的有机结合，让数据真正“管用”，我们提出了构建以数据应用为导向、业务价值为引领的数据资产管理体系的方案。该体系旨在通过全生命周期数据资产闭环管理，建立各类数据资产的准入、更新等管理机制、流程及办法，促进数据的有效整合，支撑各类数据应用，如营销、风控、运营等，进而保障发展战略和业务价值的实现。

1、借助应用之力，夯实治理之基

• 以“用”促“管”，治必有方

面对数据治理与管控工作的复杂性和长期性，众多金融机构开始采用“小步快跑，急用先行”的数据应用需求驱动策略。这意味着，数据治理的各项工作需要分步骤、分阶段实施，并且与数据应用需求的优先级顺序相匹配。

以数据应用需求和业务发展需要为契机，金融机构首先开展重点业务领域的数据标准化、数据质量提升工作。这可以解决零售和小微业务占比大、但客户数据基础质量较差的问题。通过重建客户主数据管理系统，落实客户主题基础数据标准，完成存量数据清理、补录和整合。同时，积极规划客户数据标签和360视图等应用，以应用需求反推客户主题下各类数据基础标准和指标标准的完善。这样可以逐步提高客户数据的标准化和质量。

• 以“用”带“管”，成果共享

数据治理工作应源于业务、价值回归业务，其成效则是通过技术部门持续整合数据及实施数据项目、业务部门应用数据进行分析的过程中逐步得以显现。在全行培养数据文化，激发应用场景的创新能力，推动数据应用的设计、实施、完善与维护的过程中，让数据治理的参与人员也能充分感受工作带来的价值，而在此之上设置“管”与“用”结合的考核与激励机制也会更加行之有效。

数据治理需要科学的方法，更需要长期的坚持不懈的努力，但毋庸置疑，拥有良好数据治理基础的企业在以数据支撑决策和数据资产价值实现的道路上必会事半功倍。以“用”带“管”，成果共享。

2、乘治理之东风，兴数据之应用

企业数据价值的进化始于数据治理。通过推进数据规划和治理，包括盘点、梳理和规划各类主题数据资产，并对存量数据进行专项治理和质量提升，达到全行统一业务口径、统一标准的数据资产。同时，构建一整套技术平台，包括贴源数据湖、企业级数据仓库和不同领域数据集市等，促进全数据资产跨域融合，为各类数据应用实现和赋能业务发展提供基础保障。

• 数据启智，洞若观火

得益于高质量数据资产的整合以及各类算法模型和数据处理能力的支持，银行可以针对各领域的需求进行数据应用规划和搭建。

管理驾驶舱是一种典型的应用，它基于对管理需求的理解和分析，为管理层提供“一站式”的决策支持。通过多视角、全方位地展示银行各项经营效益、风险分析、业务条线的关键性指标，管理驾驶舱依托全行级整合数据平台以及实时或准实时的计算处理能力。此外，它还依赖于完善的各主题域、各维度和属性的基础数据以及明确的统计分析口径。

例如，信贷资产组合分析模型的应用，基于行内现有数据，对所持有的信贷资产组合进行全面梳理，根据银行需求设计相关资产组合分析模型并对资产组合与风险收益关系进行分析，最终结合内外部环境优化模型参数，得到信贷资产头寸调整方案以获取收益进一步增长。

非现场风险监测平台产品从风险场景出发，基于大量业务交易数据和操作日志数据，建立合规风险监测模型，评估与识别风险状况，并通过监测指标体系和规则库构建，实现风险智能预警和风险报告自动生成。

综上所述，金融机构逐步完善数据治理和数字化转型的关键在于将数据“管”与“用”有机结合。数据管理为数据应用奠定坚实的基础，帮助数据资产价值实现，而数据应用则引导数据管理逐步成熟。两者相互依存，缺一不可。在数据资产的重要性日益凸显的今天，金融机构应加强数据“管”和“用”的实践探索，顺应大势，符合监管要求，规范数据秩序，挖掘数据的价值。