「摘要」数字经济时代，加强金融机构数据治理对推动数字金融蓬勃发展意义重大。本文基于数字金融视角创新提出农发行“三个三”数据治理工作方法，注重“治数、管数、用数”协同共进，从数字服务、数字决策、数据管理、数字运营、数字监督五个方面发力，支持农发行加快数字化转型，从而助力数字金融蓬勃发展。
「关键词」数字金融 数据治理 人工智能 大数据
2023年10月召开的中央金融工作会议强调，要做好数字金融等五篇大文章，对发展数字金融指明了方向。数字金融作为数字经济时代一种新的金融业态，首次在中央层面被明确提出，意味着金融业数字化转型被提到一个新的高度。数据作为发展数字经济的关键生产要素，是发展数字金融、重塑业务形态的重要基础。金融业数字化转型的首要任务，就是深入开展数据治理，形成高质量的基础数据，促进数据要素发挥。农发行作为我国唯一的农业政策性银行，走过了三十个春秋，一直立足“三农”，深耕“三农”，始终坚持科技引领、数字赋能，持续推动数据聚起来、活起来、用起来，注重释放数据要素价值，全力支持业务发展，全力服务乡村振兴和农业强国建设，不断强化政策性银行职能定位。
一、实施数据治理是发展数字金融的重要基础
数字金融是指充分利用金融科技变革金融服务形态，进行金融产品、服务模式创新和业务流程优化，打破时空、成本和信息不对称的限制，实现金融服务快捷抵达和资金快速融通，更加高效地服务实体经济。数据作为一种基础战略性资源，对数字金融的发展至关重要。2022年发布的《中共中央、国务院关于构建数据基础制度更好发挥数据要素作用的意见》明确指出，数据作为新型生产要素，是数字化、网络化、智能化的基础，已快速融入生产、分配、流通、消费和社会服务管理等各环节，深刻改变着生产方式、生活方式和社会治理方式。银行业金融机构是数据密集型行业，数据质量的好坏，关系数字化转型的成效，因而数据治理成为推动金融业数字化转型首要任务。
银行金融机构数据治理是指通过建立组织架构，完善现有内部机制，实现自身数据统一管理的动态过程。强化数据治理，既是激活数据要素潜能、做强做优数字经济的重要路径，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要求。
二、农发行数据治理历程
农发行信息科技建设历时三十载，经历了从无到有、从业务处理电子化到经营管理信息化、数字化转型的发展历程。随着综合业务系统、CM2006系统投产，主要经营生产和管理数据实现了全行大集中，数据治理工作伴随数据集中和业务系统不断投产拉开了序幕并向纵深推进，2016年按照信息科技改革方案，设立数据服务和管理中心，统筹推动企业级数据治理。2017年在信息科技发展规划指引下，遵循数据治理模型，以数据标准作为切入点，统筹推进数据标准、数据质量等八个领域数据治理，从组织、制度、流程、技术支撑四个维度全向发力，推动数据治理方法和路径规范化、体系化。
2020年全行统计职能划转至信息科技条线，进一步理顺体制机制，整合全行数据治理资源，加快推进业务、科技、数据的融合，数据治理的合力初步形成。2020年末，为全面整改监管报表数据质量问题，钱文挥董事长亲自部署启动数据治理专项行动，明确数据治理基础性、牵引性作用，要求从完善数据治理体系、加强数据质量全生命周期管控、强化平台支撑、建设专业人才队伍等多方面发力，进一步提升全行数据治理能力和治理水平。
2022年以来，为进一步强化数据管理工作职能，总行在原数据服务和管理中心基础上进行优化整合，成立信息科技部二级部数据管理部，为数据治理工作有序开展提供组织保障。聚焦提升数据质量，先后组织实施数据治理提升专项行动和EAST数据治理“提升工程”专项行动，制定数据战略和规划，健全数据治理体系、数据统计体系和数智服务体系，明确数据管理机制，探索特色数据治理方法，治数、管数和用数融合发力，推动用数说话、用数决策、用数创新，为农发行谱写数据价值统筹管理新篇章，做好数字金融大文章积蓄数据势能。
三、坚持“顶层设计、体系推进”，统筹数据治理工作
数据治理是一项系统性工程，涉及工作繁杂，需要顶层规划设计，体系化推动。农发行结合自身实际，提出了“三个三”数据治理方法，为依法治数、协同管数、共享用数奠定基础。
（一）注重“战略规划、体系建设、机制运转”三个层次完善数据治理框架
一是制定数据战略及发展规划，完善数据治理之“道”。数据战略是基于农发行对数据的需求，明确数据管理工作愿景、目标、原则等要素，包括战略定位、总体目标、实施策略、行动计划和保障措施等，能够有效指导数据管理工作开展，有序推进数据资源应用能力、数据管理创新能力、数据决策支持能力建设，深入拓展数据应用场景，释放数据价值，助力农发行更好地履行政策性银行的责任和使命。
二是着力完善数据治理体系，形成数据治理之“法”。数据治理体系从全行视角协调、统领各个层面的数据管理工作，明确总行各部门和分支机构“治数、管数、用数”责任，确保工作协调一致、高效务实。建立和完善数据治理框架，制定数据质量管理、数据标准管理和主数据管理等领域制度，持续提升数据治理水平，推动数据在服务农发行高质量发展方面发挥更大作用。
三是优化数据管理运行机制，完善数据治理之“术”。构建“1+6”数据管理模式，着力打造多层次、相互衔接的数据管理运行机制。“1”是建立健全一个覆盖数据管理全生命周期、明确各参与主体职责的数据管理总体工作机制，强化数据管理牵头部门权威，发挥各参与主体作用，确保全行数据管理工作目标一致、职责清晰、协同高效。“6”是从监管数据口径制定、监管统计报送管理、数据质量问题整改、数据管理考核问责、数据管理人才培养、省级分行数据管理作用发挥6个关键领域发力，细化职责，优化工作流程，推进数据管理工作体系化、流程化、标准化。
（二）注重“事前、事中、事后”三个环节提升监管数据质量
一是事前做好源头系统刚性控制。按照数据“规范化输入、标准化输出”原则，加强监管校验规则的溯源分析，在源头系统增设刚性控制规则，严把数据质量录入关。引入智能光学字符识别技术，代替人工录入，实现票据、凭证等要素的智能识别和数据自动采集。
二是事中做好常态化数据质量监测。深入剖析监管校核规则，制定和部署源头数据空值、不规范值校核规则，以及报表间数据不一致等校核规则，对贴源数据实施穿透式管理，支撑贴源数据与报送数据的全方位质量自动监测。
三是事后做好数据质量问题整改。对报表端发现的问题追溯至源头系统整改，标本兼治，彻底解决源头数据不完整、不规范和不准确问题。持续开展数据质量监测和探查，定期组织全行数据质量“体检”，建立发现问题、解决方法、监测问题的管控机制，不断提升数据质量。
（三）注重“以数连接、由数驱动、用数重塑”三个维度发挥数据价值
一是强化以数连接，推进系统互联互通。建立企业级数据标准，推进数据标准落地，建立关键业务数据“交互语言”，消除各系统数据壁垒，促进数据共享。实施主数据管理，制定主数据物理模型，明确主数据系统定位和引用机制，构建全行一致的数据视图，为系统间互联互通、有效交互创造条件。注重数据架构管控，从企业级视角制定数据模型，科学设计数据流转、分布和集成关系，为做好系统间数据交互，有效管理全行数据打下坚实基础。
二是强化由数驱动，推进业务高质量发展。将数据有效运用到业务经营过程中，通过数据指导业务开展，用数据促进业务优化提高。打造内外部数据融合的数据底座。加强内外部数据融合，丰富数据的广度和维度，深化大数据应用，推动业务数据化发展。加强数据中台建设，构建集成数据整合、提纯加工、建模分析、质量管控、可视交互等功能的综合型数据中台，打造科技赋能、数据驱动、业务联动的企业级数据服务能力中枢，推动业务数据化向数据业务化进阶发展。
三是强化用数重塑，发挥数据要素价值。加强“技术+数据”双轮驱动，形成赋能业务发展的“一体两翼”。以金融科技为基础，以数据为催化剂，在经营决策、客户服务、风险防控、内控合规等领域深入研究、深度发力，打通业务阻隔与流程断点，驱动业务流程重塑，实现业务流程智能化、业务管理规范化、业务决策数据化，提升全行业务经营和管理质效。
四、坚持在“治、管、用”上发力，提升数智服务质效
深化数据治理不仅要实现“治数”和“管数”有效结合，在开展数据治理，提升数据质量基础上，加强数据资产盘点、梳理，推进数据要素资产化；更要坚持“管数”和“用数”并举，丰富拓展用数场景，聚力在服务乡村振兴、绿色金融和风险防控方面取得新突破，推动数据资产价值化、智慧化，不断提升数智服务的质效，以高质量的数据赋能农发行高质量发展。
（一）在“治数”上更加深入
一是推进数据管理机制有效运作。贯彻落实国家、监管部门各项数据管理和数据安全要求，推进农发行数据战略、数据发展规划、数据治理体系、数据管理机制的有效运转，充分发挥数据归口管理部门牵头作用，组织各部门、各级行推进各项机制落地，加强指导和培训，对机制运作情况跟踪问效。二是加强督导和考核，建立涵盖总行部门、省行的横纵贯通考核体系，完善从机构到部门，再到责任人层层传导的压力机制。建立定期通报整体数据质量考核情况机制，对有令不行、数据差错问题严重、屡错不纠、整改不力的机构和人员，按照农发行问责工作有关规定，进行严肃问责，树立考核问责的鲜明导向。三是建立省级分行数据管理分组协作机制。按照各省地域分布特点划分数据管理小组，选取数据治理和报表减负成效显著的省级分行作为轮值牵头行，发挥牵头行辐射带动作用，以点带面提升组内成员行数据管理能力，实现理论互学、经验互鉴、能力互促和工作互督。
（二）在“管数”上更加有效
一是对数据资产进行全面深入的梳理和盘点，分析数据架构、分布和流转关系，收集整理数据字典，进行数据统一盘点，绘制数据分布地图，实现“清晰识数”。二是构建企业级数据资产目录，从业务视角对数据资产进行多维度“测绘”和全景展示，实现看数和知数融为一体，展现“数之义”，实现“规范建数”。三是充分考虑业务人员找数习惯和用数需要，设计覆盖全客户、全机构、全流程的数据资产视图和查数场景，实现“快捷找数”。四是建立全行数据权属划分体系，用以界定数据从生产到流转、从定义到抽取、从业务发生到技术加工各领域的权属主体，避免数据职责交叉和空白，实现“高效管数”。
（三）在“用数”上更加创新
一是聚合内外部数据，储备丰富可靠的数据资产。积累沉淀内部经营管理数据，充分引入外部数据，不断拓展内外部数据资源，积蓄发展数字金融的数据势能。二是强化数据中台建设，提升敏捷、高效、安全的数据处理能力。按照“湖仓一体”思路，加快数据湖项目建设，搭建集“采、存、管、用”一体的新一代数据底座，提高结构化、非结构化等多种数据的融合处理能力，满足高时效、多维度业务场景需求；建设企业级人工智能平台，管好用好各类智能模型，支持研发应用敏捷化，形成“看、听、说、思、做”等智慧能力。三是深挖数据要素价值，提供智能化数据服务。构建AI基础模型和定制化模型，提供信息自动抽取、文本自动分类、风险智能甄别等个性化数据产品服务。运用大模型智能技术，构建信贷制度智能对话等业务场景，通过对海量数据进行深度挖掘和分析，及时发现隐藏在数据中的模式和趋势，助力服务乡村振兴等领域实现数据综合应用与多向赋能，推进业务由经验决策向数据决策转变。
五、数智赋能推动数字金融蓬勃发展
当前，农发行数字化转型已完成“立柱架梁”，需要进一步深化数智赋能业务助力“积厚成势”，通过数字服务、数字决策、数据管理、数字运营、数字监督五大方面数字化，以数据驱动催生新产品、新业务、新模式。
一是寓数于服，提升数字服务能力。将数据融入客户全旅程服务，推动客户服务模式转变，实现精准客户触达。强化客户营销的精准和智能化，引入外部重点项目和重点客户数据信息，从资金支付链条挖掘核心企业上下游客户资源，实现智能营销推送；优化客户库建设，充分运用发改委限制类与淘汰类数据，自营性负面清单等数据，建立客户准入智能模型，提升项目入库营销的精准性。打造特色数智服务产品，深耕“三农”领域，将粮食收购贷款与供应链深度融合，根据不同类型客户融资需求，提供个性化服务，基于真实数据推出订单贷、仓单贷等创新产品，实现不同企业类型在授权管理、流程控制、利率定价等方面的差异化服务能力。提升客户服务体验，深挖数据综合应用场景，支持农发行全域客户智慧感知和洞察，对客户行为、风险特征、需求偏好等信息进行客户全息画像，洞察客户的意图和行为，构建智慧金融服务体系。
二是因数而创，提升数字决策能力。基于金融大数据和智能模型，精确展现农发行经营发展的数据指标，为经营决策提供数据支持，推进信贷决策由经验依赖向数据依赖转变。优化风控模型，聚合内外部数据，积累沉淀内部经营管理数据，引入工商、司法等外部数据，不断丰富扩充风控数据特征维度；引入卫星遥感大数据，全方位、全周期智能监测农地使用情况、基础设施建设情况、高标准农田建设情况及农作物生长情况等，实现对押品等信息的贷前、贷中、贷后的自动化、智能化监测审核信贷决策提供支持。深化经营数据分析，对内部经营数据开展价值云谱盈利动因分析、息差分析、对标分析等，挖掘数据背后的经营趋势和风险隐患，支持经营决策。
三是向数而行，提升数字管理能力。以数字化手段对内部的人、财、物等资源进行全流程、一体化的管理，全面实现业务流程线上化和贯通，提升管理的前瞻性、精准化，实现内部资源配置效益最大化。重点推动业务流程再造，提升财务资源、资产负债的管理水平。提高资产负债管理水平，运用数智模型实现政策性让利与财务可持续的精准平衡，完善FTP传导机制，提升定价管理效能。逐步实现事前规划、事中监测和事后归因分析的全链条资产负债组合管理，提升流动性监管指标前瞻预测的科学性。提高财会资源配置效率，建设财会ERP管理平台，推动农发行资金、物资、信息等数据资源充分整合，实现数据共享利用和价值挖掘，实现对财务资源的一体化管理；推动业财融合，实现财务事项和流程全面贯通。
四是用数增效，提升数字运营能力。探索高效、“无接触”业务运营新模式与集中运营模式相结合，进一步降低运营成本，促进运营更好服务客户、赋能员工。提升集中作业水平，在融合内外部数据基础上，运用机器人流程自动化（RPA）、自然语言处理（NLP）、智能字符识别（ICR）等智能技术开展端到端数字化流程重构，打造数字员工等数字化劳动力，实现跨角色、跨时序的业务灵活定制与编排，打造环节无缝衔接、信息实时交互、资源协同高效的业务处理模式，实现更高程度人机协同。探索“无接触”新运营模式，通过“无接触”新运营模式和集中运营相结合，推进运营降本增效。基于数智融合建设虚拟营业厅，对客户提供全新沉浸式的“无接触”运营模式；探索基于虚拟数字人技术，实现面向运营多场景下“无接触”智能创新交互模式。构建运营监控模型，基于运营全流程数据，加强对各业务核算、清算全流程监控，实现全行运营的智能监控和预警，支持运营风险精准管控。
五是聚数赋能，提升数字监督能力。充分融合内外部监督信息，深度运用数字技术，着力加强内控监督、审计监督、财务监督的数字化水平。以数据驱动建设穿透式的内控监督模式，从内外部检查发现问题、行政处罚、案防案件等数据中提炼挖掘违规行为特点，完善操作行为、业务流程的数据记录，构建非现场监测模型，不断提升内控检查和监督履职的及时性、针对性、有效性；加强各业务系统数据交互，加强关联交易、反洗钱等信息识别、审查的准确性。以数据分析提高审计监督能力，加强审计数据分析应用，不断优化审计模型和审计监测指标，提升对重点领域、重大风险、不良贷款方面的审计监督能力。以数据应用提高财务监督智能化，综合运用财务大数据，对农发行进行精准财务特征画像，增强对财务管理成效的评估和预测，加大财务监督模型的研发训练，提升在潜在财务风险和疑似合规问题事项的智能识别的财务监督能力。
