1、从生产资料到生产力商业银行数据资产及业务价值实现白皮书十九届四中全会明确提出健全数据作为生产要素由市场评价贡献、按贡献决定报酬的机制。银保监会为加强政策引导，即将发布关于银行业保险业数字化转型的指导意见，鼓励引导机构制定大数据发展战略，推动数据资源向数据资产转化。作为银行业数据资产管理的先行者，在中国互联网金融协会互联网银行专业委员会的指导下，普华永道联合南京银行，通过系列的研究、分析与实践，发布从生产资料到生产力-商业银行数据资产及业务价值实现白皮书，以全面分析商业银行数据价值实现面临的挑战，探索应对策略与数据资产价值化建设的有效实施路径。白皮书遵循国家数据层面宏观规划、银行数字化战略、金融
2、科技发展、法律法规和监管政策等对数据的全新资产化的建设要求，结合南京银行数据资产管理的有效实践，对银行如何开展从数据资源的治理到数据资产的管理，最大化数据资产的业务价值给出全新的解决方案，帮助银行构建全新数字化时代的数据资产管理能力，通过详尽的案例阐述与分析，为商业银行数据资产业务价值的建设提供行之有效的借鉴。2前言3目录前言前言2一、数据在数字化时代扮演越来越重要的角色一、数据在数字化时代扮演越来越重要的角色41. 政策：数据已成为国家和政府层面的基础性战略资源52. 经济：数据已成为数字经济下的核心资产，释放数据生产力是银行数字化转型的核心成为行业共识63. 社会：全社会都在关心数据普惠和
3、数据隐私84. 技术：技术体系关键在于解决数据安全共享和可信计算10二、商业银行数据实现价值的意义与挑战二、商业银行数据实现价值的意义与挑战121. 过去时代数据管理工作的总结132. 新时代、新形势下面临的困难与挑战14三、三、数据资产管理实践案例数据资产管理实践案例161. 建设银行数据资产管理172. 平安集团数据资产管理173. 中国光大银行数据资产管理184. 阿里巴巴数据资产管理185. 华为数据管理196. 南京银行数据资产管理20四、商业银行开展数据资产的价值与策略四、商业银行开展数据资产的价值与策略221. 什么是数据资产、数据资产管理，与数据治理的关系是什么232. 开展数
4、据资产管理的主要价值283. 商业银行数据资产管理解决方案30五、商业五、商业银行数据资产管理的银行数据资产管理的发展路径建议发展路径建议361. 数据管理能力发展的四个阶段372. 重点实施举措39六、商业银行数据资产化的未来展望六、商业银行数据资产化的未来展望421. 自动化、智能化的数据资产管理能力432. 数据资产化与数据开发生命周期深度融合443. 数据资产定价与市场化45鸣谢鸣谢46与我们联系与我们联系474数据在数字化时代扮演越来越重要的角色数据治理背景PEST分析政策经济社会技术国家战略助力数字中国建设。中国共产党十九届四中全会明确提出数据成为生产要素，表明数据是未来社会数字化
5、、信息化发展的重要基础。十九届四中全会提到“鼓励勤劳致富，健全劳动、资本、土地、知识、技术、管理和数据等生产要素按贡献参与分配的机制，健全再分配调节机制，重视发挥第三次分配作用，发展慈善等社会公益事业，扩大中等收入群体，规范收入分配秩序，形成橄榄型的收入分配结构。”为落实十九届四中全会精神，中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见中明确提出应推进政府数据开放共享、提升社会数据资源价值和加强数据资源整合和安全保护, 加快培育数据要素市场。在国家层面，数据作为新型生产要素，可参与产出和分配。数据要素市场化制度建设的方向和重点改革任务进一步明确，我国正式进入数字经济“红利”大规模
6、释放的时代。从政策的角度看，基于数字中国的国家战略，各地不断推进政府数据开放共享。2020 年7月，广东省政府发布广东省数据要素市场化配置改革行动方案。2020年9月，上海试点国企数据资产化、数据资产纳入国资保值增值考核 -上海市促进城市数字化转型的若干政策措施。2020年7月，深圳发布了深圳经济特区数据条例（征求意见稿），运用特区立法权率先展开地方数据立法，首提数据权。从法律的角度看，国家相继出台数据安全有关法案，加强数据资源整合和安全保护。十三届全国人大常委会第三十次会议表决通过中华人民共和国个人信息保护法，已于2021年11月1日起施行。中华人民共和国数据安全法正式通过并公布，自2021
7、年9月1日起施行。该法涵盖了数据安全与发展、数据安全制度、数据安全保护义务、政务数据安全与开放及相关法律责任等具体规定。作为中国首部针对数据安全领域的立法，本法明确了国家对数据安全的监管范围，确立了相关监管机关对数据安全的监管地位，阐明了维护数据安全的核心意义。从合规的角度看，数据治理的监管政策逐渐收紧，银行保险监管机构越来越重视金融机构的数据管理。2018年5月21日中国银保监会正式发布的银行业金融机构数据治理指引，强调了数据治理架构的建立，明确了数据管理和数据质量控制的要求，还明确了全面实现数据价值，要求加强监管监督，与银行的监管评级挂钩。至此，数据治理工作不再仅仅是监管报送部门、或者信息
8、科技部门的工作，而是全行性的、上至董事会高管层、下至数据采集人员、录入人员，需要做到人人有责，层层把关。2019年发布的银行业金融机构监管数据标准化规范进一步扩大了数据范围，提出明确的数据标准和更为严格统一的报送要求。监管报送数据作为监管当局对金融机构数据质量情况的直观了解，势必是金融机构数据治理工作首要抓手。仅2020年5月，银行业因为数据质量问题导致的罚款金额已接近2000万元，对此情况，银保监会发布了中国银保监会办公厅关于开展监管数据质量专项数据治理工作的通知，监管数据质量专项治理，控制数据源头，监管报送数据，建立业务制度与管控机制，以加强对银行监管数据治理的要求。5政策：数据已成为国家
9、和政府层面的基础性战略资源6经济：数据已成为数字经济下的核心资产释放数据生产力是银行数字化转型的核心成为行业共识全球和中国数据规模快速扩大，预计到2025年全球数据达175ZB，我国数据规模达48.6ZB。预计到2025年我国人均数据产量为3TB，行业机构数据产量3ZB，占总产量76.9%。数据体量与质量的飞速增长，正驱动各行各业对“数据”概念进行重新认知与战略解读，数据作为社会经济生态中的空气与水，具有取之不尽、用之不竭的压倒性优势。在大数据时代，谁能率先认识到数据的重要性、对丰富的数据资源加以合理运用，谁就能迅速把握时代风口、抢占行业先机，并创造惊人的经济利益。经济学人杂志提出：“世界最有
10、价值的资源不再是石油，而是数据”。我国正式进入数字经济“红利”大规模释放的时代。近年来，中国数字经济规模保持快速增长，占GDP比重持续上升；预计到2025年，我国数字经济总量将达到32.67万亿元，占GDP比重高达35.8%。此外，数字经济的增速显著高于GDP增速，成为带动经济增长的核心动力。一方面，数字经济提供产业进步的新抓手，通过数字技术加速与经济社会各领域深度融合，成为引领经济社会发展的先导力量。数字技术是后金融危机时代推动产业变革升级、促进经济社会转型、培育经济新动能、构筑竞争新优势的重要抓手。7另一方面，数字经济提供经济发展新动能。世界经济论坛的分析表明，数字化程度每提高10%，人均
11、GDP增长0.5%-0.62%。全球经济增长乏力，数字经济被视为撬动全球经济的新杠杆，根据中研普华研究报告预测，到2025年全球经济总值的一半来自于数字经济。释放数据生产力是银行数字化转型的核心成为行业共识。银行的金融发展模式经历了不同的时代变迁，归根结底，是银行数字化不断转型，是对数据更深层次的价值挖掘。上世纪八十年代之前，是银行1.0 网点时代，该时代注重传统物理网点服务，以账户为中心，客户服务差异化小。上世纪八十年代至二十一世纪初，是银行2.0网银时代，银行扩展自助、电话、网络等电子服务渠道，形成以客户为中心，满足差异化的客户需求。 二十一世纪开始，进入到银行3.0 移动互联时代，银行开
12、始基于智能手机、移动终端技术为客户提供金融服务，体现随时、随地的金融服务。全渠道的客户服务体验成为新常态，基于场景和生态，以客户综合服务为中心，满足长尾需求，实现普惠金融。而如今，银行进入4.0 数智金融时代。科技金融是银行发展的主旋律，银行的金融发展模式转变成依托于大数据，综合利用AI等多种新兴技术手段，通过数据赋能业务，全面打通数据壁垒，使得整体金融服务水平再上新的台阶。这个阶段的行业特点是“有监管、无边界”，即政策鼓励挖掘数据价值，同时监管趋于严格，对数据质量的要求持续提升，但是对于数据的开放共享提倡多元化、无界化、一体化，期望科技驱动业务创新，将数据服务和日常业务深度融合，优化用户体验
13、，提升银行运营效率。整个社会的数字化发展促使着银行的金融发展模式不断改革，谁能够把握好当今数据潮流，实行数字化转型与变革，谁就是下一个弯道超车的赢家。随着数字化社会的不断演进，中国民众对隐私数据使用的容忍度经历了漠视、被教育、关注、担忧几个阶段，移动互联网时代的成熟与Z世代话语权的增强，最终导致社会各阶层对数据权属的观念愈发接受。而欧盟通用数据保护条例乃至中国数据安全法的推出与完善，引起了社会层面对个人数据保护的和使用的巨大关注。由中国计算机学会计算机安全委员会开展的2019年网民网络安全感满意度调查活动总报告表明，37.4%的受访者认为网络个人信息泄露非常多和比较多，2020年爆发的新冠肺炎
14、疫情从某种程度上催化了个人数据容忍度的关注，在享受自身安全的保障之余，大量民众推动了疫情期间数据使用的透明化程度，并将持续关注后疫情时代的数据管理。另一方面，尽管相关法规陆续出台，明确了数据收集、匿名化处理、定向推送等行业实践的保护需求，但从立法到执行依然需要时间的累积及后续执行管理办法的落地。在立法明确到执行到位的过渡期内，广大民众容忍度将面临更大挑战，并催生对于个人数据信息透明化的呼吁。8社会：全社会都在关心数据隐私和数据普惠数据隐私数据隐私如今数据资产价值的不断释放不仅形成了新的经济推力，也从侧面重塑社会关系，形成全新的社会问题认知。随着数据成为具有市场价值的资产，中国社会应重新思考个人
15、对于数据使用的容忍度、数据价值的反歧视及数据应用的普惠目标。9随着数据丰富性与多元性的不断提升，数字经济内的各类政府与企业开始将数据应用至日常运转的方方面面。从另一个角度来看，大量个人数据的应用导致企业与个人的商业关系被重构，企业在使用用户数据的同时也将为用户提供相应价值。因此从社会共识的角度，消除歧视以确保数据价值被公平衡量并造益更多人群是社会发展的重要方向。从客观意义上看，不同人群的数据价值在部分行业场景下天然存在差异。以零售消费数据为例，对需要通过数据分析用户购买行为以提升业务体验的电商网站而言，富裕人群的日常消费数据价值相较于工薪阶层和乡村群体更高。本质上，此类数据的价值差异与人群的社
16、会和商业属性差异息息相关，且在未来长期较难发生改变。但从另一方面来看，部分行业场景的数据价值歧视并非来自于人群数据的天然价值，而是由可获取价值导致的。以医疗、教育等全面普适性行业为例，高收入与低收入人群形成的行业数据均具备较高的分析与应用价值，但由于部分低收入人群在数据可触达手段上较为局限，无法形成完整的数据资产。因此，数据价值歧视的问题在短期内依然客观存在，但部分数据基础设施完善的全民性产业将逐步消解该社会问题。认识到当前社会数据应有的局限性，中国也在弥补数字鸿沟方面做出了一系列努力，而加快解决发展不平衡和不充分问题，促进数据普惠包容的关键正式弥合数字鸿沟。中国目前致力于弥补网络设施的“介质
17、鸿沟”、群体及个体间的“使用鸿沟”，以及数字化技术先行者和民众间的“知识鸿沟”，部分地方已经开始通过先行举措，在金融等领域探索数据普惠的实践。2020年以来，新冠肺炎疫情严防严控情形下，全球人流、物流、商流近乎停滞，而数字经济特征显著的电子商务、网络金融的信息流、资金流则呈现强势逆转。比如，京东生鲜从除夕至初九，十天销售额同比增长215%；企业使用“钉钉”办公软件进行在线会议的数量，单日突破2000万场、超1亿人次；青岛通过5G网络和云视讯系统，完成12个重点项目“网上签约”；“央视主播男团”带货3小时营业额高达5亿；董明珠“牵手”快手主播销量高达3.1亿等等。其背后逻辑是数字化经济的转型升级
18、，虚拟经济与实体产业的深度融合。随着抗击疫情的持续深入，全社会的数字化将步入更高水平，数字经济新动能持续培育壮大，数字经济已经进入了新一轮发展拐点。上海市为推动普惠金融真正扶持大量企业发展，并降低银行的业务风险，于2019年10月组织各政府部门公共数据资源，通过制度与技术的双重管理，将公共数据安全、合规、高效向社会企业有条件开发，形成了普惠金融试点应用。参与试点的银行将公共数据作为普惠金融中小微企业风控的信息资源，提升了自动化风控能力，有效降低了中小微企业信贷业务过程中的成本，提升了业务效率，形成了公共数据资源的社会化利用价值。数据歧视数据歧视数据普惠数据普惠搭建数据资产管理和应用的技术体系，
19、关键在于解决数据安全共享和可信计算，从而形成数据资产生态技术体系。数据安全共享数据安全共享 链上与链下结合链上与链下结合在互联网和数据化时代，数据的量级在飞速增长，全球每天增加的数据已经接近ZB量级，数据生态中的各个主体在采用各种模式进行数据本地储存，将数据生态中的各个主体的数据打通和连接，目前看没有必要也不可能把所有数据进行整合，因此迫切需要一种技术，既可以支持当前海量数据的本地储存，又能够实现打通与共享，可以考虑采取区块链“链上”和“链下”结合的机制来处理，即仅将数据签名、交易摘要数据和轻量化智能合同逻辑放到“链上”，将数据本身放到“链下”本地数据平台。数据可信计算数据可信计算 多方安全计
20、算与可信计算多方安全计算与可信计算当利用区块链技术实现数据安全存储后，要解决数据在不可信环境下的数据协作生产的问题，通过不转移数据和转移计算能力的逻辑，可以解决这个问题。从技术上可以采用机密技术或安全多方计算或是有公信力的可信计算环境。机密计算机密计算机密计算是一个新兴的多方计算方式，能够对使用中的数据进行保护。它建立在由硬件直接支持的可信计算环境（TEE）之上为计算中的数据提供保密支持。基于机密计算的多方计算解决方案，不但可以保护数据的保密性，还可以防范外部侵袭和内部泄露，同时还能保护算法的知识产权。10技术：技术体系关键在于解决数据安全共享和可信计算11安全多方计算安全多方计算安全多方计算
21、是指在分布式网络中，没有可信的第三方，多个参与实体持有秘密输入，共同完成一个计算并得到结果，但各参与实体除其本身外，不得知悉其他参与实体的输入信息。在安全多方计算过程中，每个数据持有者可以发起协同计算任务，通过集线器节点路由地址，并选择其他数据类相似的数据持有者进行安全协同计算。参与协同计算的多个数据持有者的参与节点根据计算逻辑从本地数据库中查询所需数据，并在密集数据流之间联合进行协同计算，以实现安全的多方计算任务。整个过程中各方的明文数据存储在本地，不会提供给其他节点。在保证数据隐私的前提下，中心节点将计算结果输出给整个计算任务系统，使各方都能得到正确的数据结果。可信计算可信计算可信计算指的
22、是对计算行为的信任，及平台实现特定目标的计算行为与预期一致，不受各种恶意行为的干扰可信计算的主要标准是由可信计算组织（TCG）定义的TPM2.0，国内有中国可信计算工作组（TCMU）及自主可信计算体系TCM（Trusted Cryptography Module）。TMP（Trusted Mobile Platform，可信移动计算平台）和TCM的目标都是建立一整套体系，保证数据从存储、计算到传输的安全性。政府公信机构可以基于可信计算平台建立一套可信的数据计算环境，将经数据属主认可的、有明确使用权属性的数据放入该环境中进行计算、计算结果按权属分发给参与方，并按使用权属性的要求定期销毁相关数据。
23、基于上述数据，可以建立起“三位一体”的数据资产管理和应用的体系架构，实现个人数据的确权和安全使用。12商业银行数据实现价值的意义与挑战长期以来，数据都是作为信息化系统过程中的附属资源而存在的，是系统处理的“对象”。数据的存储和备份需要耗费大量成本，加上银行业务的专业化分工越来越细，因此，数据一直是相互孤立地在系统中存在，而银行对数据存储也是以成本中心定位的。直到有一天，互联网的兴起使全球数据海量汇聚，算法和算力得到了大幅提高，加之人工智能的飞速发展，使得我们对于图像、声音等非结构化数据的处理能力与以往已不可同日而语。由此，数字世界已渐渐成为实体世界的“倒影”，人们发现，数据不再是成本而是资产，
24、现有数据可以产生价值。这时，各行各业开始成立专业的数据采集、加工和应用部门，开始了数字化转型的步伐。但是，由于长期烟囱式的数据存储、只关注业务关键数据而忽视描述性数据、信息系统的快速迭代，以及监管政策的变更等诸多原因，人们对于不完整、不准确、不统一的数据的使用举步维艰，而要有效利用现有数据，则需人们付出极大努力对其进行治理。数据治理是一项长期而系统的工程，既涉及到数据标准、质量、元数据、数据共享等诸多方面，也涉及到大量源系统的分析和改造。另一方面，业务条线对于数据应用的深度、广度和时间紧迫性要求越来越高，这就带来了数据治理工作与数据应用工作的冲突。近年来，关于数据湖概念的引入越来越得到行业的认
25、可，在数据湖基础上提炼出的数据资产，即企业拥有或控制的，能够为企业带来经济利益的数据资源成为为业务重点关注的内容。以数据的价值程度划分，数据资源包含数据湖中的所有内容，而数据资产代表了其中价值度较高的部分，也是业务条线重点关注的部分，对这部分的数据治理和资产管理也就成为了各方共同的工作重点。如果用石油产业比喻，数据就是新时代的石油，数据治理就是在石油加工中剔除杂质，数据中台好比一个“炼油工厂”，对数据存储、整理、加工，提取出高价值的数据，这样形成的数据资产好比“汽油”，再借助分析、建模、标签管理、数据沙箱等工具充当“发动机”，就可以直接应用于客户画像，精准营销，风控和运营等各项业务流程。这个过
26、程中数据由资源变成资产，实现了价值提升。未来，数据治理会逐渐向数据资产管理转化。13过去时代数据管理工作的总结随着数字化转型的深入发展，银行在业务办理的过程中累积了大量的数据，形成了银行的另一类资产数据资产。数据资产的管理对银行来说是一个全新的课题，也带来了新的挑战。具体表现为以下几个方面：1数据资产管理文化与意识未能形成数据资产管理文化与意识未能形成数据资产形成是伴随着信息化的过程逐渐累积形成的，银行对于数据资产的范围、价值的认识也是一个逐步的过程。数据资产的管理是在对数据进行管理的基础上对数据资产的全面识别、梳理和应用的全过程，跨接银行多个业务条线和业务处理的多个节点。目前绝大部分银行只是
27、停留在数据本身的管理阶段或单个节点阶段，如数据的采集、治理或应用等，未能贯穿数据处理到数据应用全生命周期的各个环节。各个业务条线仅在使用时才关注本条线范围的数据和本条线业务需要的数据，未能从全局角度关注其他条线的业务数据或其它条线对本条线的数据需求。没有全行统一的数据整体规划和数据资产管理办法，数据引用、数据使用中的权力和义务职责不清，数据的供给者和使用者之间信息不对称，难以对全行数据资产进行全口径和全生命周期的管理，难以实现对数据资产的应用管理和价值实现。2数据平台建设未成实现数据资产的统一存数据平台建设未成实现数据资产的统一存储和全视图储和全视图当前大多数据平台建设体系以建设数据集市为主要
28、目标，在这个路径下，不同数据集市的结构不统一，一方面集市数据范围狭窄需要不断扩充，另一方面不同集市数据存在着大量的冗余，对同一批标的计算在不同集市之间可能存在不一致，产生了新一轮的数据孤岛。产生这种状况的原因是缺乏对数据资源、指标、标签的统一管理，没有形成全行统一的数据资产视图和数据资产地图，数据在不同系统之间的流转难以形成血缘元数据。无法对数据资产进行直接运用，数据应用依赖技术开发，不同集市之间的数据共享和运用只能依赖技术手段实现再次的数据合并。3数据质量难以在各个系统中得到有效的保数据质量难以在各个系统中得到有效的保证和治理证和治理由于银行源系统的数量巨大，系统建设时间不同，各个源系统的应
29、用范围限制在特定领域而不是全局，数据标准在系统中的落标存在着较大的困难。目前对于数据质量的提升以问题为导向，未能形成整体的数据资产质量管理机制。而数据资产的质量问题对数据应用的价值和效果有着直接的联系。数据资产的价值越大，对数据质量的的要求就越高。对数据资产的统一标准和真实性、准确性、完整性和一致性的管理如果得不到保证，数据分析的结果将不会对业务发展和管理起到应有的作用。14新时代、新形势下面临的困难与挑战4数据资产可见性数据资产可见性、可用性差可用性差，数据应用的数据应用的实现高度依赖技术开发实现高度依赖技术开发当前的数据资产存在的形式基本是数据仓库和数据集市，对业务人员来说，想了解本行数据
30、资产的全貌和内容相当困难，数据“看不见”、“看不懂”、“看不清”，只能提出业务需求，与技术人员进行反复沟通后由技术进行开发。由于业务条线的目标差异性，难以形成体系化的数据开发架构和资产整合机制，导致数据资产难以形成和沉淀下来，也阻断了数据资产质量改进和价值持续挖掘的空间。而数据应用的特点就是需要进行数据的探索、分析和建模，这些都需要业务人员能够像翻阅图书馆目录、浏览图书那样快速检索、调取数据资产，并采用数据分析建模工具快速开展分析工作。要实现这一业务目标，首先需要对数据资产进行系统化整理，结构化梳理，形成数据资产目录和统一的数据资产视图。5缺少完整的数据资产运营体系缺少完整的数据资产运营体系要
31、使数据资源变为数据资产并发挥价值，需要建立数据资产从识别到维护、从监测到评价的全生命生期运营体系，要明确数据资产的所有者、使用者和维护者。目前，多数银行未建立完整的数据资产运营体系，仅在业务场景需要时临时提起数据需求，对数据的应用场景深度和广度不够，对数据资产的维护未能从采集时就引起重视，对数据分级和权限的管理也远未到位，使数据资产全生命周期的维护和安全管理缺失严重，有效的数据资产价值评估机制无从谈起。在应用方面，也存在着缺乏对数据资产的动态运维，数据资产应用场景不明晰等现实问题。6缺少对数据资产的价值衡量手段缺少对数据资产的价值衡量手段目前大多数银行采用粗放式的数据资源整体采集、加工、开发、
32、维护，有时往往是根据业务部门的迫切程度进行数据的处理，并未进行数据价值的评估，无法准确衡量数据效能。由于数据资产的价值很难评估，银行难以对数据的成本及其对业务的贡献进行投入产出计算，导致难以像运营有形资产一样管理数据资产，从而有针对性地进行重点投入，快速发挥数据资产价值。综上，目前大多数银行缺乏对数据资产体系的整体规划，持续维护运营能力较弱，无明确可落地的数据资产管理与运营体系，对数据资产的价值无法评估，缺少统一的数据资产管理平台，这些是在数字经济环境下，商业银行实现数字化转型亟待解决的问题。数据资产管理与运营是一个系统化工程，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。1516
33、数据资产管理实践案例建设银行建设银行数据资产管理数据资产管理建设银行深刻洞察大数据将成为重要生产要素、驱动银行提高智慧化水平的发展趋势，在国内同业中率先启动实施大数据战略，提出建设具有同业领先数据竞争优势的大数据银行的目标，明确以“量化、洞察、预测、智慧”为概要特征的大数据应用导向，发挥数据能力对于企业发展的基础性、战略性、先导性作用，让业务数据化、数据价值化，为各级机构的经营决策、客户营销、产品创新、风险防范、运营管理等活动，提供高效的数据驱动力，全方位支持业务发展。通过对数据资产管理，建行的数据仓库在集成内125个系统数据的基础上，引入业务场景需要的工商、法律、海关、中经网等外部数据，实现
34、企业级数据集成整合、互联互通和全面共享，建立了外部数据资源统一引入和共享机制。为保证大数据战略有效实施，建设银行自上而下建立了完整的组织管理和工作机制，成立了总行行领导挂帅的工作领导决策机构，强化了总行数据管理部作为大数据能力建设牵头部门的职能定位，与新组建的大数据智慧中心一体化协同运作，加强大数据工作的体系化统筹管理、创新动能培育和内聚赋能能力。大数据智慧中心作为专门为全行提供大数据应用支持的专业化机构，为总分行各业务部门大数据应用提供全面的数据、分析方法、工具和专业人员支持，协助业务部门满足管理决策、客户营销、风险管理、产品创新等数据分析，共同实现全行大数据战略目标。同时，为在全行范围推广
35、大数据理念，培养数据分析人才，建设银行每年组织实施“绿树工程”大数据种子人才培养计划。引用【中国建设银行数据管理部总经理 刘静芳】建设银行大数据应用探索17平安集团平安集团数据资产管理数据资产管理平安集团的大数据团队主要在做两件事情：其一，建设数据平台，整合关联数据，把数据背后的含义弄清楚；其二，把数据模型应用于在传统核心金融业务中，尝试设计或研究出综合金融下跨条线的产品或商业策略。平安集团对数据与服务工作的有效运转加以保障，实施了三个保障机制：第一是绩效。平安集团对有价值的数据进行几个层面的衡量，即数据是不是安全的，高效的，准确的，从这三个层面去客观衡量数据服务的实效有没有增强，质量有没有提
36、升，准确度是不是够高。第二是共建。协同、管理各科技团队共建数据运营能力，充分发挥数据产生部门的团队原动力，让业务人员也参与到数据开发的过程中，极大地丰富数据。第三是标准。在整个组织层面上帮助多团队做好数据建设，出台相应的规范标准。平安集团已经把数据确权做到精细，针对每一个业务关键字段，都对应业务，经过数据确权动作进行确认。在数据流转过程中，属主方被充分告知与知晓，也通过相应的数据安全管理机制和脱敏机制，来确定数据的最小可用的范围，数据在合理的技术架构管控下，确保可审计、可追踪，管控整个数据全生命周期。引用（“聚合新生态 共享新安全2021数字化转型生态大会”平安银行科技开发中心副总工程师 吕晓
37、琳专访）中国光大银行中国光大银行数据资产管理数据资产管理中国光大银行顺应数据赋能业务创新的新浪潮，主动开展新技术探索与应用，积极开展数据资产管理的创新实践，以“全面、权威、智能、敏捷、生态”的数据资产管理理念，引入运营模式和智能化技术，深挖数据管理“难落地，不主动，收益慢，易反复”的问题本质，转变思维，以用户为中心，以解决用户数据需求为导向，强调数据资产管理从“管好数”转变为“用好数”，同步开展内容建设、平台建设和机制建设，构建智慧服务能力，促进数据价值最大化，赋能业务数字化转型。全面：通过数据资产管理平台建设，实现内部数据和外部数据、结构化数据和非结构化数据、基础数据、加工数据和管理数据的多
38、维度、全方位管理并以此为基础支持全行数据资产全景视图的构建，为全行数据共享渠道的建立奠定数据基础。权威：光大银行通过“事前+事后”的双管控机制，实现数据资产的权威发布。事前主要是以模型设计工具为触媒，在开发环节实现数据标准的智能落标。事后采用标签体系和自然语言处理等智能化技术，研发智能盘点算法和业务规则，实现海量数据资产的高效盘点，实现以用促建。智能：光大银行将自然语言处理(NLP)、机器学习、深度学习等智能化技术引入数据资产管理与运营中，提供了智能搜索、智能推荐、智能导航的一站式服务，降低了数据使用门槛，支撑业务个性化、组合化、场景化的业务灵活创新，改善用户体验，真正实现查数、懂数、用数一条
39、链。引用（中国光大银行信息科技部数据质量管理处处长黄登玺发表题为“数据资产管理与实践”的主题演讲）18阿里巴巴阿里巴巴数据资产管理数据资产管理阿里的数据资产，都通过OneData体系建设，它是阿里数据中台的核心方法论，其包含了三个方面内容：OneModel即建立企业统一的数据公共层，从设计、开发、部署和使用上保障了数据口径的规范和统一，实现数据资产全链路管理，提供标准数据输出，侧重数据资产构建与管理；OneID即建立业务实体要素资产化为核心，实现全域链接、标签萃取、立体画像，其服务理念根植于心，强调业务模式；OneService即数据被整合和计算好之后，需要提供给产品和应用进行数据消费，为了更
40、好的性能和体验，需要构建数据服务层，通过统一的接口服务化方式对外提供数据服务。阿里数据中台体系核心要素之一是数据资产化。OneID体系，以业务/自然对象+萃取标签为架构构建，形成萃取数据中心，即：用户统一、企业统一、商品基础数据统一等等。OneData体系，以业务板块+业务过程+分析维度为架构构建，形成公共数据中心，实现业务数据指标维度的统一，杜绝一个指标多种定义。OneModel是数据资产化核心方法论，指通过指标标准化、指标组合，派生出新的指标。通过OneModel数据资产化核心方法论，进而驱动全集团业务，实现全盘把握与科学分析数据资产、清晰查看及快速使用数据资产、智能诊断与高效管理数据资产
41、、准确评估及合理应用数据资产的愿景。OneModel数据资产管理，核心是数据资产管理平台，主要的功能点有资产概览、资产地图、资产治理、资产应用等。引用（2019上海阿里云峰会 数据中台）19华为华为数据管理数据管理华为数据管理工作建设思路是基于统一的规则与平台，以业务数字化为前提，数据入湖为基础，通过数据主题联接并提供服务，支撑业务数字化运营。华为通过数据湖和数据主题联接的建设，实现数据的汇聚和联接，打破数据孤岛和垄断，重建数据获取方式和次序。华为的数据底座由数据化和数据主题联接两层构成，汇聚公司内部数据和外部数据，经过重组和联接，为业务可视化、分析、决策等输出数据服务。华为通过以上数据管理框
42、架支持华为元数据管理、数据地图、指标管理、共享与安全、数据服务治理、信息架构、数据管控、数据分析管理、数据计量等板块。为支撑公司实施数据管理工作，华为在企业范围内建立一个公司级数据管理部，主要职责有代表公司建设数据架构管理体系；制定公司数据管理的战略、规划、政策和规则；提供面向业务的数据服务或解决方案；推动企业数据文化建立和传播。华为的一站式数据管理平台，使数据集成、数据开发、数据治理、数据资产和数据服务各个板块紧密结合，使数据资产管理能力系统化、可视化，极大程度上赋能数据资产使用人员，有效提升数据资产的管理效率和管理能力。引用（2019中国大数据技术大会 “华为云智能，见未来”）南京银行多年
43、来致力于探索数字化转型在中小银行的实践及体系建设，注重顶层设计，2018年在城商行中率先成立数字银行管理部，以“数字化经营”和“数字化管理”为目标，深入开展数据治理体制机制建设和专业领域工作，持续提升数据治理能力；以科技和数据为双轮驱动，稳步推进基础技术平台和应用架构的规划建设，已建成全行统一的基础数据平台和大数据应用平台，支撑多种业务场景，实现多业务、多流程的数字化获客、数字化营销、数字化风控、数字化运营。随着自身数字化建设的深入，南京银行发现新的数字化应用痛点逐步显现，如缺乏体系化的数据资产管理能力，缺乏数据资产与业务使用的联动性，数据共享机制不明确等。为解决数字化应用中的痛点难点，南京银
44、行于2020年启动数据资产管理体系规划与数据资产平台设计工作，依托数据平台基础建设成果和数据治理成果，聚焦中高价值数据提炼数据资产，制定全行数据资产管理体系规划建设蓝图，主要从内容盘点、运营管理、工具支撑三个方面统筹开展，基于大数据平台体系之上，构建面向全行业务与管理人员的数据资产管理与服务体系，实现数据资产的“可见、易懂、易用、可控”。20南京银行南京银行数据管理数据管理实践概况实践概况主要做法主要做法以业务为导向，构建数据资产目录架构与以业务为导向，构建数据资产目录架构与属性框架属性框架通过本次数据资产统一盘点，南京银行以业务应用数据的视角切入，构建全行统一的数据资产目录，将数据资产分类展
45、示，帮助业务人员快速精确定位数据，同时将数据资产目录下沉至数据平台模型设计过程，保证数据资产在开发时的统一、有序；丰富数据资产各类属性，帮助业务分析人员全面了解数据项情况。建立数据资产全生命周期运营体系建立数据资产全生命周期运营体系南京银行以“保质保鲜供给、全面服务业务、价值驱动运营”为目标，规划设计数据资产全生命周期管理机制，建立全行数据资产识别、维护、监测、评价运营管理全流程，覆盖数据资产生命周期各环节。在组织制度方面，南京银行将数据资产管理职责纳入全行的数据管理组织架构，明确各管理部门的数据资产管理职责，形成权责明确、分工协作的数据资产运营闭环管理机制。南京银行数据南京银行数据资产运营资
46、产运营闭环流程闭环流程1234联动数据分析场景，建设数据资产平台，促联动数据分析场景，建设数据资产平台，促进数据资产开放共享进数据资产开放共享南京银行数据资产平台紧密围绕业务使用场景，实现包括数据资产百度、数据资产地图、自助数据分析、数据资产个性化管理等数据资产服务功能，以及数据资产运营、监测、评价等管理功能，打造业务人员的“数据资产超市”，管理人员的“数据资产驾驶舱”，打造全行数据资产服务生态，促进数据资产开放共享，打通数据与业务的“最后一公里”，让数据资产持续发挥业务价值。21南京银行通过开展数据资产管理体系建设，提升开放共享的中台能力和稳定可靠的底层基础能力，统筹规划数据资产业务应用场景
47、，持续丰富数字化产品功能，目前已实现大数据用例几百个场景。南京银行鑫航标大数据平台作为全行统一的数据工作平台，汇聚各类数据资产应用场景，提供统一的客户视图与多维客户画像查询，更好地支撑对客户的服务；通过数据资产与魔数师自主分析平台的联动，为员工打造数据自主分析工具，提供多个核心业务板块的数据、共几十余个业务主题，为管理决策提供分析支撑，为全行业务发展及经营管理充分赋能。南京银行自2014年深入开展数据治理工作，强化元数据管理，统一全行信息系统数据字典管理，打通数据血缘链路；建立数据标准在项目中的常态化落标机制，重点管控数据平台的标准化整合；同时建立主数据管理机制，数据权限管理机制等，持续提升全
48、行数据质量，数据治理成效显著，为数据资产管理体系的建设打下坚实基础。主要成效主要成效提升数据分析能力提升数据分析能力提升数据运营能力提升数据运营能力南京银行南京银行各业务板块各业务板块数字化应用数字化应用零零售售公公司司金融金融市场市场风风险险运运营营数据资产平台数据资产平台数据资产全景数据资产全景数据资产服务数据资产服务数据资产搜索数据资产搜索数据资产运营数据资产运营数据资产监测数据资产监测数据资产评价数据资产评价22商业银行开展数据资产的价值与对策1. 数据的定义数据的定义大部分研究为数据赋予原始、未经加工、客观存在等属性。高富平在信息财产：数字内容产业的法律基础提出，数据是通过特定的符号
49、表现客观世界的事实。史宇航数据交易法律问题研究提出数据指对客观世界策略记录的结果，是“有根据的数字”，将数据的存在形式缩小到数据数字范畴。随着大数据、信息技术与互联网产业等新兴事物的发展，部分学者对数据的定义做出延伸。从数据的属性看数据资产中朱扬勇等提出，大数据背景下，数据是数字经济的关键要素，是一种基础性资源生产资料。根据2020年6月28日提交全国人大常委会审议的数据安全法草案，数据是指任何以电子或者非电子形式对信息的记录。2. 资产的定义资产的定义依据企业会计准则：基本准则，资产是指过去的交易、事项形成并由企业拥有或者控制的资源，该资源预期会给企业带来经济利益。1）资产的形成基于企业行为
50、。2）企业对资产背后的资源拥有所有权或控制权。3）资产的最终目的或用途是为企业带来经济利益。23什么是数据资产、数据资产管理，与数据治理的关系是什么3. 数据是否可以被定义为资产数据是否可以被定义为资产大数据时代的数据科学家培养朱扬勇等提出数据有物理属性、存在属性和信息属性。这个概念的提出实际上可将数据概况为在介质中存在的，可通过一定的设备或媒介为人所感知或认知。数据在特定情况下符合一般会计学对于资产的定义。首先，数据并非天然产生的，数据一般是通过企业的交易、内部事务处理等行为及情况下产生并存储的，例如企业的电子合同、仓单数据等等；其次企业对于因其自身行为产生的数据拥有所有权，同时在特定情况中
