孟福友
北京宇信科技集团股份有限公司 100000
摘要：伴随着科学技术的进步和金融创新的不断升级，银行业数据以指数倍形式不断攀升。大数据时代背景下，如何对银行业的海量数据形成有效治理，是摆在各银行面前的重大挑战。本文首先分析了大数据背景下银行业数据治理的主要概念，并剖析了当下银行业数据治理面临的机遇与挑战，这一基础上，依照实际情况，提出了银行业数据治理的实践策略，以期能为当下银行业数据困境的解决提供参照。
关键词：大数据；银行业；数据治理
引言：信息时代背景下，大数据已经成为指导人们生产生活的重要参考。银行业作为经济运行的中心环节，以大数据为依托，对相关金融信息进行分析、整理，一方面能够为客户提供更为优质的服务，另一方面能够有效对金融风险实现提前预防，从而更好保障社会经济的平稳运行。因此，对大数据背景下银行业数据治理策略进行研究，有助于促进银行业务的更好开展，从而进一步加强社会经济运行效率。
一、大数据背景下银行业数据治理的主要概念
大数据作为一类海量的、高增长、多元化的数据资产，具备4V特性，也即巨量性、多样性、快速性、低密性。其中巨量性是大数据最为显著的特征，涉及经济活动方方面所产生的数据，往往从TB规模上升到ZB甚至PB级别。多样性是指大数据的信息来源多样，在互联网和智能手机广泛普及的当下，包括运动数据、支付数据、出行数据等信息共同组成了银行客户繁杂的个人信息库。快速性指的是数据迭代的速度极快，若不能及时对信息予以利用，则会导致分析而得的结果转向错误的方向，进而带来经济损失和战略误判，这对银行对大数据信息的及时处理能力提出了较高要求。大数据的低密性特征是指有用信息相比于无用信息占比极低，如何在浩如烟海的数据中选择恰当标准、应用适当方式对数据进行定向选取，同样是对银行数据处理能力的一大考验。数据已经成为银行创造价值的核心要素之一，数据的应用涵盖了银行对市场判断、客户定位、产品定位、战略规划、风险控制的全方面业务，数据治理不单单是将数据作为银行业务的开展依凭，同样是以大数据的预期发展方向对银行业务及流程进行勘校，以此进一步实现流程简化和管理优化。大数据时代，数据已经成为银行高管制定公司战略的重要支撑之一。
二、大数据背景下银行业数据治理面临的机遇与挑战
大数据时代为银行的进一步发展带来了新的机遇，由于大数据的普遍性和精准性，因此银行可借助相关信息实现对客户画像的更精准描述，以此为客户提供更为贴心的个性化服务，从而实现客户粘度的极大提升。与此同时，网络社交媒体的兴起也为银行提供了和客户进一步面对面的机会，使得相较于以往的银行服务，银行具备了和大多数用户建立更为深层的服务联结的机会，银行可对社交平台数据展开定向分析，以此实现自身广告、活动的精准投放，从而实现业务的更精细化展开。通过精细化的数据管理，使得银行业务能够出现在正需要的客户身边，也可避免对无意向客户的打扰。以银行的数据治理能力对大数据进行分析，如运用得当能够实现某个领域全要素的透明化，银行可整合数据建立基于现实需求的数据模型，从而将自身业务及时扩展至存在需求的各个资金链条中，极大地放大了银行的业务触手和业务深度。但相应地，我国银行业对大数据信息的处理仍存在标准不一、信息失真、客户个人隐私泄露等挑战，当下银行业仍然缺乏统一的信息标准，导致银行间信息不能互通的“信息孤岛”情况普遍发生。信息失真作为信息处理过程的一大阻碍，若以失真信息进行银行业务经营，会给银行带来损失。
而客户信息泄露极大损失了银行的公信力，对银行业务的长久开展危害极大。如何迎接机遇，以数据指导银行业务的发展、防止数据事故的发生，正是银行业数据治理的主要内容。
三、大数据背景下银行业数据治理策略实践
（一）制定科学的数据标准流程
银行应当根据业务管理中的渠道、合约、事件、分类等数据要素，建立起机构标准类、员工标准类、渠道标准类、合约标准类、账户标准类、交易标准类、公共标准类等数据标准体系。并根据银行业务的不断拓展，对数据体系持续进行完善，以此对银行的数据治理形成有机指导。其次银行应建立全行业的数据共享机制，以此提升大数据的使用和管理水平。大数据背景下，银行应以内外部的信息交互为方向，对各类大数据建立相应的行业标准和行业规范，做好业务解释工作，以此扫清数据流通障碍、克服数据流通过程中的不规范问题，建立适用于统一业务标准的数据处理流程。例如在制定银行数据处理流程时，应根据其数据特性和所属标准类型，决定以结构化、非结构化或其他类型进行数据处理，以这样的基本划分来实现数据处理流程的简化。并结合业务开展的实际情况，逐步以银行数据的标准范式对各类数据进行主体建模，在工作人员需要应用数据时即可进行主体调用，将数据类型的变与不变进行分步衔接，通过数据库的不变量调用，大幅减少数据的处理成本，提升银行数据处理的规范性和可重复性。
（二）建构闭环的数据质量管理模式
为确保大数据质量的切实提升，银行应当建立统一的质量管理标准。对正在开展的业务进行相关数据调用必须遵循统一的数据质量标准，对已完成业务则酌情进行适应化改造。对数据的质量应以完整性、一致性、准确性作为基本要求，其中完整性是指选取数据与其他数据间存在关联关系，并非作为孤立数据而存在，数据模式符合业务的调用标准。一致性是指数据信息内部不存在重复问题，数据逻辑与数据用途相符应。准确性是指所调用数据必须是真实发生的银行业务，其生命周期能够予以确认和落实并用于后续的业务指导。银行对数据质量应予以实时监控，在发现问题后予以及时处理，以尽量在源头上做好数据管控。同时应定期出具数据监测报告，对应用数据进行不定期抽查，银行还可将外部监管数据和内部运营数据的监测、有效性记录纳入绩效考核评估范围，以此建立闭环的数据质量管理模式。
（三）以区块链技术助力数据治理
区块链技术由时间戳、分布式技术、密码学、共识机制等技术组合而来，也因此具有了去中心化和去信任化特征，成为了解决银行业信息孤岛困局的有利武器。区块链技术有效避免了信息发生错配，同时因为区块链的时间戳特性，确保了信息的真实性。除此之外，由于区块链技术具有可追溯和不可篡改的特性，在数据形成时即代表已为所有相关参与方认可，故而十分适合用于银行业数据治理过程中的信息传递。区块链技术因其能够对数据产生、交换、应用、发生效力过程进行准确记录，故而能够准确帮助银行部门进行数据确权，杜绝了银行核心部门将数据共享出后可能发生的相关危险。这一技术采用非对称加密模式，对用户实现了有效区分，进而更好地对银行信息进行权限等级划分，确保了信息的私密性和安全性。区块链技术对数据的每一次传递与修改皆有迹可循，依托这一特性，区块链技术已经对银行数据实现了筛选，从而方便对数据的完整性进行验证，大幅提高了数据质量，这一技术的应用能够为银行的数据治理效率带来质变。
结语：大数据时代背景下，银行需要处理的信息量空前增加。大数据为银行业务的发展带来了基于也带来了挑战，为此银行应积极建立统一的数据标准体系，做好数据质量管理、建立安全的数据共享机制，同时应用区块链技术的不可篡改性和可追溯性，加速数据治理体系的整体升级，以更好服务于我国社会经济的发展。
参考资料：
[1]陈火全.大数据背景下数据治理的网络安全策略.2015
[2]王玮.大数据时代的商业银行数据治理研究.2013
[3]施志晖 大数据时代商业银行数据治理研究.2020