“隨著國內多家知名企業因為數據問題被問詢和懲罰，讓很多互聯網、金融科技公司不知所措，甚至提出“數據負資產”的概念，大有數據為虎的態勢。但是如果對各類規定和標準有一個全面認識的化，做好數據資產盤點和數據應用規劃，數據工作還是可以正常開展的……”

　　近期，數據方面的監管環境愈發嚴格，數據行業和科技創業公司如何繼續開展數據業務呢？被監管最嚴的非銀行業莫屬，本文介紹一下該行業數據工作的開展路徑，為互聯網、房地產和其他服務行業開展數據工作提供參考。

　　1、數字化銀行的業務特點。2、從監管條例理解數據資產化的重要性3、銀行如何制定數據發展戰略4、銀行業的數據治理體系

　　1、數字化銀行的業務特點

　　最近，企業數字化轉型被廣泛關注。尤其是銀行業的數字化轉型，基本上統一到關注客戶體驗、數據化決策、組織敏捷、生態合作、支撐平臺建設這個組合發展的道路上。

　　這個數字化轉型模型的提出還要從2015 年底，馬云到訪芬蘭參觀Supercell 游戲公司說起。這家人數不多的公司卻有百億美元估值，其工作方式引起參訪者的興趣。該公司具有以下特點：

　　1、數據化決策：產品上線開始之前會先設定一些指標，比如玩家留存、參與度，當游戲進入公測之后，如果指標未達到，他們就會選擇放棄。supercell 允許各個小團隊不斷快速試錯，快速驗證，這個過程其實時間是非常寶貴的。

　　2、組織敏捷：一個游戲公司下面分成了若干游戲小團隊，決定權不在公司管理者手中，而是在各個小團隊自己決定，因為小團隊才是真正知道產品的人，但產品目標沒達成就必須中止。這決定了團隊的每一個人是足夠 Super 的 Cell。

　　3、允許犯錯：快速嘗試曾經在兩年內，他們只發布了一款游戲「皇室戰爭」，但期間取消了 9 個項目，和若干很多優秀的創意原型。所以今天我們看到支撐 Supercell 百億美元估值僅僅幾款游戲，但其實其背后有數不清的被驗證失敗的項目作為墊腳石。

　　4、支撐平臺：快速開發游戲需要借助公司內部積累起來的能力。比如卡通形象的設計，如果是設計師單獨設計開通任務，往往會出現侵權的問題。各種合規性審核必然造成大量的時間浪費。而借助內容管理平臺中已有的能力復用，極大的提升了上線速度。

　　馬云回到國內不久，阿里巴巴就啟動雙中臺戰略。主要解決在消費者主權時代，企業如何實現產品的快速迭代創新，如何通過復用企業的流程、數據、算法、技術能力，實現對產品創新的支持。

　　本次疫情極大的促進了銀行業的數字化。過去我們做業務，跟客戶面對面交流，根據客戶的一顰一笑可以洞察客戶的訴求。而現在呢？尤其疫情期間，我們很難跟客戶面對面溝通，而改為遠程溝通。客戶在溝通時專注度就會下降，我們對客戶的洞察也不能很深入，導致我們現在很難進行有效的營銷信息觸達。客戶在溝通時專注度就會下降，我們對客戶的洞察也不能很深入，導致我們現在很難進行有效的營銷信息觸達。

　　為了提升遠程溝通的成功率，數字化的銀行通過數據對客戶進行畫像，同時捕捉客戶實時的交互信息，結合算法模型，為業務人員提供對客戶需求的洞察。

　　數字化銀行做的這一切，都是為了精準營銷，銀行在設計一個新的金融業務，通過大量數據建立新的消費場景，而且消費和數據會相輔相成，形成良性循環。這就是為什么現在很多銀行在數字化轉型，開始重視數據、利用數據。

　　2、從監管條例理解數據資產化的重要性

　　筆者在金融領域做數據工作十多年，深刻的體會到有關部門對數據工作的重視。《數據資產管理實踐白皮書》在2017年發布了第一版，開始宣貫數據資產管理的理念、基本概念和重要案例。在2019年發布的第四版中基本概念基本固化。隨之而來的是各類法律法規、管理辦法、行業標準的出臺。《中華人民共和國數據安全法》對數據的保密性等核心問題提出要求。隨著滴滴、魔蝎數據等企業因為數據問題被懲罰，讓很多互聯網、金融科技公司不知所措，大有數據為虎的態勢。但是如果對各類規定和標準有一個全面認識的化，數據工作還是可以正常開展的，比如2021年出臺的《金融數據安全 數據生命周期安全規范》指明了數據安全管控的框架，2020年出臺的《金融數據安全 數據安全分級指南》，明確指出了不同安全級別數據的管控要求，比如個人財務信息屬于3級安全級別，但是風險和價值標簽信息屬于2級安全級別。低安全級別的數據的共享范圍更廣，甚至可以用于外部數據交易。因此只要充分認識管理部門的良苦用心，按照規定辦事，數據工作完全可以順利展開，甚至成為企業的核心競爭優勢。這要求企業要及早制定數據發展戰略，而不是臨時抱佛腳。

　　3、銀行業如何制定數據發展戰略

　　一般銀行做數據戰略從哪些方面入手呢？首先要有愿景和目標，并且通過數據產品來支持業務目標。并且要建立起人才、治理、平臺服務體系。

　　第一是組織人才建設。人才梯隊的建設主要靠內建而不是外聘，形成內部人才成長的機制。人才梯隊建設要與業務戰略對齊，因為數據必然是服務業務的，高度統一的人才梯隊才能實現這個目標。

　　第二是數據治理體系。數據治理是獲得高質量數據產品的保障機制，主要目的是通過建立數據治理的組織和制度，數據管控的流程，數據工作的權責，使得業務、數據和IT部門各司其職，做好數據工作。

　　第三個是數據平臺建設。需要以生產合格數據產品為目標，涵蓋數據產品研發、數據流水線、算法模型生命周期管理等多個模塊。

　　我們來看一個例子。比如某家知名金融集團主要做2C的金融服務。因此客戶大數據很重要。因此在十年前就組建了數據人才隊伍，其中數據應用和數據模型團隊負責數據戰略的落地，數據治理團隊負責數據標準和數據質量管理，數據倉庫和報表團隊負責傳統BI業務，數據科學團隊負責算法模型開發和落地。同時，依托卓越中心，通過DABP角色服務業務部門，共同完成數據創新。在治理體系上，在監管和數據應用需求的矛盾中取得平衡，明確提出標簽化比例。近年來開展了廣泛的數據資產梳理，結合客戶標簽體系規劃，實現了客戶重要資產的識別、梳理、發布，促進了數據資產的變現。數據平臺建設方面遵循漸進式數據架構的建設指導，以敏捷的方式按需開發，實現對靈活報表和數據挖掘的多方面應用的支持。

　　有了數據發展戰略，就需要有一個強有力的保障機制使其落地。這就是數據治理體系。

　　4、銀行業的數據治理體系

　　數據治理體系框架圍繞企業數據應用的全生命周期，從數據管理和服務的整體角度出發，描述了企業級數據活動涵蓋的三個域、十五項具體事項。

數據治理體系框架

　　數據治理：規劃數據管理的范圍與工作路線，對決策支持、風險識別等數據分析方面進行實際應用，同時加強宣傳培訓、評估數據工作的績效，指導數據工作持續的改進；通過數據管理和數據應用的組織模式、職責和崗位角色能明確承擔數據在各生命周期的管理和服務責任；以制度為手段，能有效控制和規范數據管理活動的執行；

　　數據管理：建立企業完整數據管控體系，提升數據管理專業能力；打通數據管理中業務和科技建設間的協作，實現全面的數據管理能力；構建專業化的數據管理系統與工具和專業化的人才梯隊提升數據管理效率和效益；

　　數據應用：探索數據應用的服務模式，提升數據應用專業能力，有效的支持運營管控和執行的統計分析和運營分析，有效支持高層決策的績效評估和預測分析；為業務創新提供趨勢洞察和商業模擬。

　　由此可見，數據治理是數據管理和數據應用的高階規劃和控制，良好的數據管理能更好的實現數據的應用，數據應用能反饋促進數據管理能力的提升。數據治理機制是數據治理工作的保障，數據的一切活動均需要在數據的指引下實施開展，并設立數據管理組織進行相關工作的決策、管理與執行，同時制度的制定、流程的明確是數據活動順利開展的必要條件。

　　如果你是

　　有志于成為：數據產品經理、數字化運營人才、數據產品開發項目經理的人；

　　從事互聯網、金融、電信、醫療行業數據相關工作的人；

　　大學三年級以上在校生：經管類、統計、大數據、IT專業；

　　CIO企業首席信息官;

　　CFO企業首席財務官;

　　CDO企業首席數據官;

　　如果你想收獲

　　1、企業數據管理能力成熟度評估：

　　介紹國內DCMM，結合當前數據監管法案及行業監管指引，提出企業數據管理能力匹配模型，幫助企業獲得當前數據管理能力所處的發展階段，并提出未來發展提升方向；

　　2、數據管理最佳實踐：

　　總結了國內外企業在數據戰略和數據治理方面的最佳實踐，通過工坊的形式帶領學員識別數據資產、制定數據治理計劃、搭建數據架構、落地數據標準，確實提升企業挖掘數據價值等能力；

　　3、人員數據治理合作意識：

　　對齊企業內部人員對數據資產管理的愿景，掌握制定數據戰略的方法論，明確數據資產管理工作的分工職責。為業務人員培養數據思維和數字化工作模版、提供給數據標準、數據質量標準的工作模版；為數據管理者提供數據資產梳理、數據模型構建、數據架構設計的方法和實操；為IT人員提供支持數據應用、數據管控平臺的技術架構和落地實施案例。