新技术涌现，金融业如何从数据管理中掘金

2020年4月，新技现金中共中央、术涌数据国务院发布《关于构建更加完善的融业要素市场化配置体制机制的意见》，将数据与土地、管理劳动力、中掘资本、新技现金技术并称为五种要素，术涌数据数据第一次作为生产要素正式提出。融业

在数据资产快速发展的管理背景下，需要统筹推进数据产权、中掘流通交易、新技现金收益分配、术涌数据安全治理等方向。融业数据资产管理涌现出新模式，管理数据资产管理新技术也层出不穷。中掘

我国金融业的数据管理已有二十余年的发展历史，企业IT的投入增长越来越快。2021年各家银行的财报显示，银行在IT人员和成本投入的增速加快，大力进行IT系统的创新已经成为银行业务发展的新引擎。

推进数据资产管理需重视三大技术领域

中电金信认为，数据资产管理应重点关注如下几个技术领域：

首先，Data Fabric是未来5~10年数据架构的热点和方向。Data Fabric是一种数据架构设计理念，作为数据和连接过程的综合层，其主要功能是把正确的数据、在正确的时间、传送给正确的人。通过Data Fabric，对的人可以从对的地点、在对的时间、获取对的数据。这个架构可以引导数据平台进行自我进化和完善，最终实现敏捷的数据服务模式，有很强的实践借鉴意义。

其次，主动元数据管理（Active Metadata Management）将是数据平台自我进化的基础。主动元数据管理与Data Fabric密不可分，是实现Data Fabric的重要技术。Data Fabric需要实时掌控最新的数据目录，通过主动元数据管理技术实时获取最新的元数据，并按照使用者的需求虚拟地调取元数据信息。这些都需要通过主动元数据管理技术与各个源系统进行实时交互，实时抓取各个源系统的元数据信息，形成数据目录和数据使用习惯线索，最终协助数据平台进行自我升级。

再次，实现数据时代与隐私安全共舞，隐私计算是答案。隐私计算是在数据相互保密的前提下，使多个未达成互信的主体进行高效数据融和计算，并且不会造成原始数据外泄，实现数据的可用不可见。这会有力地盘活各方面沉睡的数据资源，使数据变得更有价值。隐私计算涉及机器学习、分布式机器学习、密码学、安全多方计算以及联邦学习等多种不同技术，是数据开放的重要技术保障。

金融业数据管理与业务适配

2021年12月和2022年1月，中国人民银行与银保监会相继发布了《金融科技发展规划（2022~2025年）》《关于银行业保险业数字化转型的指导意见》，指导金融机构数字化转型。

中电金信认为，金融业数据管理市场呈现两大趋势。

一方面，大型银行相继成立数据管理部，向利润中心转变。

各大型银行今年初纷纷调整了组织架构，尤其是科技条线的调整。很多银行将数据相关的部门独立出来成立单独的数据管理部，主要负责数据资产管理、数据管理、数据分析、数据应用的推广等，在组织层面保证了数据管理能够打通全行数据，数据管理部门从一个成本中心逐步往利润中心转变。随着数据要素市场立法逐步完善，数据成为资产已经不是一个遥远的梦。

另一方面，湖仓一体架构成为新一轮数据平台架构升级的热点。

随着2019年工行Teradata平台下架，国内银行开始新一轮国产化升级。随着数据量不断加大和应用场景的不断丰富，原有传统的MPP架构数据库不能完全满足银行的数据存储和加工需求。银行从原来的ODS、数据仓库，再到大数据平台，逐步演化为湖仓一体（数据湖+数据仓库）架构。湖仓一体架构既能解决银行大数据量存储、数据的快速接入和接出问题，又能保证复杂加工逻辑的处理效率和应用访问的效率，是目前银行最理想的数据平台架构。

以金融机构的需求为例，从数据库开始，数据存储、调用及分析的生产力工具或平台每个阶段的数据管理方式各有特点，数据中台则完美匹配了业务和数据间协作的需求。

随着数据生产要素市场的进一步推进，金融机构将会加快数据资产管理的步伐，数据资产化则会助力金融机构寻找新的业务增长点。

（作者系中电金信商业分析事业部总经理）

(责任编辑：娱乐)