1.扩大数据供给，建设数据中台。自2018年起工商银行加快推进大数据平台升级换代，并于2019年在同业中率先实现数据仓库产品自主可控，基本建成以数据湖、数据仓库和集团信息库为核心的大数据服务云体系，提供了包括即席查询、批量加工、挖掘建模和数据API等多种形式的数据服务能力。在继承我行已有数据资源管理与智能化应用成果的基础上，以共享、复用、创新为目标，建设以贴源层、聚合层、萃取层为核心的数据中台分层体系，以业务视角搭建并夯实数据中台的数据资源底座。其中，贴源层通过全域数据整合，在依法合规的前提下实现数据应入尽入，在支持跨应用数据共享的同时，也为聚合层、萃取层建设提供支撑；聚合层打造企业级的公用数据层，为全行重点业务系统提供数据支持；萃取层形成标签、画像、指标、模型等通用领域数据资源，并为全行专业领域建设共享数据指标。
2.建立大数据资源管理系统，实现全行数据“一图尽览”。为解决全行数据“在哪里？有什么？怎么用？”的问题，工商银行基于人工智能、知识图谱等技术建立了大数据资源管理系统，打造面向数据使用人员和数据管理人员的数据资源查询、分析、价值展示、管理门户。一是建立了完善的全行数据资源元数据管理体系，为数据表、客户标签、分析模型、统计指标等各类数据建立了资源凭证，涵盖技术、业务和管理属性，并实现相关属性自动化盘点，通过可视化的方式呈现数据资源凭证，实现行内外、总分行各类数据资源的沉淀、共享和复用；二是基于知识图谱技术建立了表级和字段级数据血缘关系视图，全面展示数据从加工到使用的上下游关系；三是建立了灵活的数据权限管控流程，能够满足单数据表权限申请、重点区域数据共享、异地客户信息协同管理维护等场景。
3.加强人工智能、大数据等技术在数据治理、标准贯标和数据安全管理等方面的应用。在数据治理方面，通过综合运用大模型、OCR文字识别、数据分析、隐私计算等技术，开展智能化数据治理实践，覆盖信贷、大零售、大对公等40余个领域，全行当年新增个人客户信息综合完整率、对公客户信息综合完整率、法人客户受益所有人信息完整率等指标已连续多年保持在99%以上。在标准贯标方面，构建数据标准贯标识别与推荐AI模型，利用模型自学能力逐步迭代升级，建设自动化贯标工具并嵌入到线上业务需求审核流程。在数据安全管理方面，强化技防措施，实现个人客户信息安全控制措施审核与征信信息应用合规审核刚控，有序推进数据安全风险自评估，引入隐私计算新技术建设工行隐私计算平台，保障数据提供方的数据所有权，实现数据要素的安全流动。
4.做好数据资源运营与赋能，提升数据要素价值。工商银行成立数据中台运营中心，建立专业团队依托数据中台基础能力服务各业务条线发展，围绕营销赋能、风控赋能、运营赋能、决策赋能四大板块，打造智能化数据应用体系，同时坚持问题导向，以客户为中心深耕数据应用场景。在数字营销方面，依托大数据等手段建立个性化的顾客沟通服务体系，通过技术手段寻找精确的目标客户进行营销服务，实现客户个性化产品精确推荐。在数字风控方面，基于大数据及人工智能技术，融入机器学习、图谱分析等技术，挖掘海量客户行为数据，提升风控处理时效性和准确性，实现风险交易实时拦截。在数据运营方面，借助数据分析提升业务运营效率，推进客户运营、互联网产品运营、营销活动运营和金融产品运营，加强数据化思维和数字化运营，实现精细化管理、优化客户体验。
商业银行数据管理能力建设与发展思路数据管理作为推动数字化转型的重要基础工作，是商业银行发挥数据要素乘数效应和赋能业务发展的核心。工商银行作为国有大型商业银行的成员之一，与其他国有大型商业银行在数据体量、应用模式和面临的问题上都存在诸多相似之处。基于商业银行共同面临的问题与挑战，立足工商银行数据管理基础实践，拟从“存、建、管、用”四个方面对商业银行数据管理能力建设提出建议与展望。
1.强化数据集成，完善数据资源管理体系架构，夯实集团内外部数据整合应用基础。一是商业银行应建立常态化数据入湖整合、盘点与注册机制，面向广泛业务分析用户进行开放，将烟囱化、竖井式各自建设的数据服务应用底座进行下沉，实现基础数据、指标、标签、画像等公共数据资源的充分共享和动态维护。二是结合元数据、标准、质量、信息安全等各方面要求，设计资源卡片，建立数据标签体系及数据资源分类框架。
2.建好三个平台，为数据资源的管理、服务和运营提供“一站式”服务。一是建立数据资源管理系统，并整合现有数据管理类系统，形成一站式数据资源管理、查询、使用系统平台，实现数据资源全景展示，建立分级分类管理的集团数据目录和重要数据资源目录。二是建立数据运营服务系统，打造增量数据资源的加工与注册流程，包含需求提出部门、数据管理部门、科技部门等多种部门角色，通过机制流程的优化，建立涵盖数据资源需求提出、统筹、评审、开发、登记、上线的全流程线上管理流程。三是打造企业级数据应用服务平台，提供固定报表、多维分析、仪表盘、AI、BI等经营分析和数据建模工具，全面深化数据与服务的共享和输出能力。
3.深耕数据治理，强化集团数据治理能力，夯实“准、快、全”的数据资源管理基础。一是优化数据质量管理流程，完善数据质量保障体系，将数据治理要求嵌入业务发展、系统建设、数据应用流程，丰富数据质量监控管理模型，强化数据治理工具支撑，建立数据质量评价体系；设计数据质量检核规则，依托自动化与人工智能技术建立规则库，标准化、自动化、智能化生成数据质量检核规则，覆盖主要业务领域；完善数据源头控制，建立数据录入规范以及数据标准、质量联动机制；构建异常数据智能化监控模型，根据已有数据标准、业务规则，通过语义分析、知识图谱、机器学习等智能方法，发现异常数据，降低数据风险并纳入数据质量管理系统。二是加强集团信息标准建标与贯标管理，建立分类分级贯标方法论，采取不同的建标、贯标策略，在业务需求、系统设计、开发、测试与数据入湖系统应用等多个环节建立贯标与合标检查，强化基础数据标准分层管理与主数据贯标，智能化、自动化开展建标、贯标、合标检查工作。三是强化集团数据安全管理机制，完善集团数据安全“事前、事中、事后”三重防控体系，开展数据安全分级分类，建立重要数据资源目录；加强数据资源引入和数据服务输出的安全管理制度建设和流程管控，尤其是加强客户信息引入与输出合规管理，规范数据在重点区域、境内外机构、子公司的共享流程；积极研究包含联邦学习、安全多方计算、区块链在内的数字化技术，在保障数据安全合规前提下，推动数据在重点区域、境内外机构、子公司的安全合规共享。
4.提升数据运营与赋能能力，促进数据与业务“煲汤式”融合。一是实践数据产品模型研发、试点应用，实现上线部署、成效监测、优化迭代全流程闭环管理，让数据价值可回溯、可追踪、可量化。二是运用DataOps技术，推动行内数据生产开发向工业化、标准化发展，对数据需求响应、交付成果、开发流程等进行全周期监控管理，打造实时感知、智慧服务、跨界融合的数据产品和服务。三是做好数据能力地图规划，围绕营销、风控、运营等领域推进数据应用赋能，建设数据产品货架，打造直通一线的数据产品。
（此文刊发于《金融电子化》2024年5月上半月刊）
