羅榮華：銀行業數據治理的實施路徑-基于資產管理的視角
編者按2018年3月，銀監會發布了《銀行業金融機構數據治理指引（征求意見稿）》，針對當前存在的一些問題，《指引》對數據管理和數據質量控制提出明確要求，相關的數據治理需覆蓋數據戰略、數據管理制度、數據標準、信息系統、數據共享、數據安全、應急預案、問責機制和自我評估機制等。2018年4月，國務院辦公廳發文《關于全面推進金融業綜合統計工作的意見》，提出建立科學統一的金融業綜合統計管理和運行機制，制定完善標準和制度體系，建設運行國家金融基礎數據庫，建成覆蓋所有金融機構、金融基礎設施和金融活動的金融業綜合統計，完善大國金融數據治理。可以認為，當前的中國數據治理、特別是金融數據治理已上升到國家戰略層面的高度，黨中央、國務院高度重視數據的基礎性戰略意義，要求深化數據在各行業的應用。與此同時，國外發達國家正積極開展數據治理實踐，良好的數據治理已成為各行業尤其是金融行業轉型創新發展的重要基礎。當前，在防范系統性金融風險的監管思路下，各金融機構在回歸本源的同時亦在謀求轉型創新發展。無論是針對投資端的自主投資能力建設，還是針對負債端的財富管理方案匹配，亦或是新產品的研發、定價與營銷，均離不開對數據的高質量使用。作為國內領先的金融理財市場數據研發機構，普益標準致力于持續挖掘數據價值。普益標準金融數據庫涵蓋宏觀經濟、股債商等金融市場、銀信基證保等資管產品基礎數據，以及風險因子、業績財務指標、資管資訊等衍生數據。為保證數據的準確性、及時性和有效性，普益標準制定了多等級（正常、疑似、錯誤）、多環節（入庫前的數據篩選、入庫中的質量監控、入庫后的橫向與縱向對比核查）、多層次（單字段、字段與字段、跨表字段）、全流程的數據治理控制流程。基于嚴格的數據治理流程、高質量的數據加工和先進的模型開發能力，普益標準相繼研發出針對數據端的金融數據平臺和針對投資端的FOF投資管理系統，正在研發針對客戶端的智能投顧系統、針對負債端的財富管理系統以及委外業務管理系統，以期能為合作機構創造價值，并提升整個金融市場運營效率。作者 / 羅榮華 西南財經大學金融學院教授、博士生導師來源 / 西南財經大學金融學院（微信ID：SwufeFF ）摘要：商業銀行應當以資產管理的視角來推動和落實數據治理，實現對數據資產的有效管理。在實踐中，應從數據資產的入口進行規劃，兼顧銀行的外部數據和內部數據，實現從數據到系統的高度整合。打破原有業務籬笆，實行數據和業務雙重驅動、業務與數據相適應的機構和部門設置改革。充分發揮數據資產的外部公共性，實現數據資產的范圍經濟效用。合理設計數據資產所創造價值的分配機制，激勵數據資產的合理使用與高質量數據資產的生產。與此同時，需特別重視數據資產管理過程中的風險評估與風險預警，通過制度和系統有效地控制風險。關鍵詞：數據資產；數據治理；資產管理；激勵機制2018年3月16日銀監會發布了《銀行業金融機構數據治理指引（征求意見稿）》（以下簡稱《指引》），針對當前存在的一些問題，《指引》對數據管理和數據質量控制提出明確要求，數據管理要覆蓋數據戰略、數據管理制度、數據標準、信息系統、數據共享、數據安全、應急預案、問責機制和自我評估機制等。明確將監管數據納入數據治理范疇，全面強化數據質量，保證數據的真實性、準確性、連續性、完整性和及時性。強化銀行業金融機構對數據質量的責任，明確由董事會承擔數據治理最終責任。指引發布后，數據科學研究領域的不少知名專家發表了意見。例如，北京大學光華管理學院的王漢生教授從公司治理的視角對數據治理進行了深入、透徹的剖析。王教授指出所謂數據治理，就是對數據資產的治理，屬于公司治理的范疇，是對數據資產所有相關方利益的協調與規范。具體內容包括但不局限于：（1）數據資源資產化；（2）數據確權與合規；以及（3）價值創造與人才培養。本人非常贊同這一觀點，只有處理好數據資產在價值創造過程中的利益分配原則，才有可能實現良好的數據治理。因此，在數據資產的管理過程中，可以從資產管理的視角來推動和落實數據治理的業務實踐。在人類歷史發展的長河中，對財富的追求一以貫之，財富的形式亦在不斷的轉換。從牛羊、貝殼、金銀等有形資產轉換為債券、股票、發明專利、商標等無形資產。而在信息時代，數據的價值日益顯現，數據是堪比黃金、原油的存在，對數據的應用已貫穿至社會生活的各個方面，不斷推動著人類社會組織形式、生產方式以及治理結構的嬗變。在大數據時代，數據的資產屬性正成為學術界和實業界的共識，數據作為銀行業的重要資產，尤其值得重點關注。近年來，銀行業在快速發展過程中已積累起海量的客戶數據、交易數據、外部數據等，數據已成為銀行業的重要資產與核心競爭力。但目前的數據治理質量還有待提升，數據的準確性和完整性還不足，數據的時效性和適應性還欠缺。基于銀行業的重要性和數據資產的獨特性，運用資產管理的思維開展數據治理，既是積極主動對接國家政策的需要，也是銀行業全面向高質量發展轉變的需要，將有助于更好地發揮銀行業在經濟金融中的作用。維克多在《大數據時代》中曾指出，即使數據還未被列入企業的資產負債表，但這只是時間問題。就本質特征而言，大數據與傳統數據可能并無二致，但量變會產生質變，隨著數據的搜集、整合、交互、交易等行為日益增多，其商業價值愈發凸顯，資產屬性日益明確。所謂資產，是指對過去的交易或事項形成的、由企業擁有或控制的、預期會給企業帶來經濟利益的資源（《企業會計準則（2016年版）》第二十條）。因此，對資產的確認，目前的共識是其應當包括三方面的特征，即由過去的交易或事項形成、由企業擁有或控制、預期會給企業帶來經濟利益，若數據能滿足三方面的特征，則數據亦是一種資產。這也事實上是王漢生教授呼吁的數據確權與合規在經濟上的體現。第一，數據資源是由企業過去的交易行為或事項形成的現實結果，在形式上可以量化。雖然在作為資產確定、計量與核算法律依據的《企業會計準則》中，并無數據資產的相關條款，但數據資產可作為無形資產予以確認。無形資產包括專利、商標、商譽等，在信息時代，無形資產的范疇得到極大擴展，數據作為無形資產，其價值已得到市場廣泛認可。例如，2012年臉書（Facebook）上市，其公布的賬面價值不足七十億，但上市第一天市值高達千億，之所以市場對其給出如此高溢價，主要在于臉書數據庫中存儲的海量數據。自誕生之日起，該公司即積累起用戶廣泛的行為數據，基于數據挖掘能產生極具價值的信息。另外，2015年我國首家大數據交易所——貴陽大數據交易所正式掛牌運營，并完成首批大數據交易。這表明企業過去形成的交易行為或事項完全可以市場化的方式進行計量，數據資源不僅可以量化，而且可以計入企業的資產負債表。第二，數據資源可以由企業擁有或控制。從擁有或控制的角度觀察，數據資源一般來源于兩部分，內部數據和外部數據。內部數據，又可稱為甲方數據，主要來源于生產者，如銀行業在業務開展過程中積累的大量客戶數據、交易數據等。毫無疑問，內部數據能被企業擁有或控制。外部數據，又可稱為乙方數據，從法律角度觀察，該數據資源不能為企業直接擁有或控制，但若建立起有效的數據交換和交易機制后，外部數據可為企業擁有或控制。強調數據資源可以為企業擁有或控制，重點指數據資源是控制人的資產。作為信息的集合，數據的主體既可以包括信息的原始權利人也包括信息的控制人。但若將數據作為原始權利人和信息控制人的共有財產，很可能導致權利主體混亂，其市場交易的法律關系無法明確，進而其價值亦無法實現。事實上，在實踐發展過程中，控制人通過資源投入（如采購設備進行數據存儲，配置人力資源進行數據清洗加工和應用等）實現了數據的控制和擁有，進而為進一步的市場化交易和價值形成奠定了基礎和前提。特別是在大數據時代，數據的價值和有效性事前無法得知，在不同的情境下信息的有用或無用其特性可能完全不同，因此其所有權需要特定的載體加以明確，進而實現交易或價值實現。我國雖未有法律文件對數據的權利歸屬作出認定，但實踐中如貴陽大數據交易所均明確了數據的權利歸屬。因此，無論是內部數據亦或外部數據，均可由企業擁有或控制。第三，數據資源能為企業帶來經濟利益。無論是顯性的經濟利益，如基于數據挖掘直接創造經濟價值，還是隱性的經濟利益，如基于數據的資產化管理，形成良好的數據共享機制，將數據應用嵌入到業務經營、風險管理和內部控制的全流程，進而實現風險的有效捕捉，業務流程的優化以及內部控制的有效提升，實現數據和業務的雙重驅動，進而創造經濟價值。無論是顯性經濟利益還是隱性經濟利益，數據資源之所以能創造經濟價值，不是基于數據的原始形式，而是基于數據的加工、分析與處理。這需要數據的控制人，建立起明確的數據治理架構、數據治理流程和激勵分配機制，進而實現數據資源長期持續性創造經濟價值。數據資源作為企業過去的交易或者事項，能為企業擁有或者控制，且預期會給企業帶來經濟利益，從這一角度觀察，數據不僅是資產，而且是重要的資產，應當納入企業的資產負債表中。作為資產，數據資源具有一系列的特性。從資產的視角看，數據資產與金融資產擁有許多相似之處：首先，不同于實物資產，數據資產與金融資產都是無形資產。雖然，數據資產具有一定的物質形態，但這種物質形態主要體現為數據存儲器和服務器等，決定數據資產價值的核心因素并非有形介質本身，而是其內存儲的數據，以及數據的加工、處理后的新數據資源等。其次，同金融資產一樣，數據資產在物理層面的轉移較為容易，只需有存儲空間或者網絡連接就可以實現數據資產的物理轉移，這一點比某些金融資產還要便利（如紙質票據等）。另外，數據資產在轉移時不會出現形式上的轉變，也就是隨著時間推移，數據本身不會發生變化，不會在數據轉移過程中發生衰減或質變。再次，同金融資產類似，數據資產往往是相對標準化的（而且發展趨勢是傳統上的非標準化數據，例如文字、圖像、表情等也日益標準化），標準化的數據在利用效率上通常比較高。眾所周知，標準化的金融資產其市場效率通常較高，隨著技術的發展，越來越多傳統上無法計量的數據均可變得能處理，標準化的數據資產將產生更為深遠的經濟價值和經濟利益。當然，不同于金融資產，數據資產也有一些獨特屬性，這種特性主要體現在兩方面：一方面，持有金融資產代表對未來現金流（確定或不確定）的索取權，也即持有金融資產代表在未來有可能獲得一定的現金回報。但持有數據資產往往不能直接帶來現金流，數據之所以成為有價值的資產，是利用數據有助于某些業務產生現金流、或者降低未來現金流的風險。另一方面，金融資產在交易過程中有非常明確的權利和義務的轉移，一份金融資產只能被交易一次，但數據本身可以被買賣交易無數次，每一次交易的邊際成本接近于零，而且每一次交易過程中對權利和義務的轉移往往無法清晰界定。不同于金融資產，數據資產的特性決定了其可以作為銀行進行戰略決策、風險管理、內部控制、業務創新拓展的基礎。當前，整個金融業正面臨激烈的市場化競爭壓力，銀行業正逐漸從利潤管理向價值管理過渡，在這一轉型升級過程中，數據的價值正逐漸顯現。目前影響銀行經營決策的主要外部因素中，市場因素、監管因素、技術因素等排在前列，特別是技術因素，作為長期性影響因素，很可能決定未來銀行業的發展前景。如何有效利用數據信息，將數據信息加工成有用信息，將有用信息轉化為智能商業決策，將智能商業決策轉變為銀行價值，正成為越來越多銀行的現實選擇和價值創造路徑。根據《指引》的相關定義，數據治理是指通過建立組織架構，明確董事會、高級管理層、部門等職責要求，制定和實施系統化的制度、流程和方法，確保數據統一管理、高效運行，并在經營管理中充分發揮價值的動態過程。因此，數據治理是一種體系流程，需要根據自身的數據治理框架，利用人員、流程和技術的相互協作，最終實現價值的提升和創造。可以認為，數據治理是提高數據質量、發揮數據價值、提升經營績效的前提。實現銀行數據治理的重要意義在于，通過一整套完善的治理架構，將數據作為銀行的重要戰略資產進行經營和管理，保證數據的完整性、一致性、持續性和有效性，在滿足銀行內部風險管控需求和外部法律監管要求的前提下，實現銀行業務的有效拓展和經營績效的有效提升。可以認為，一個良好的銀行業數據治理過程，其價值應當體現在銀行經營效率的提升、運營成本的降低、以及風險的有效控制上。即通過銀行業數據治理，能使數據資產的價值得到顯著發揮，在提高業務績效、降低業務成本、控制業務風險方面創造銀行價值。首先，良好的數據治理應當提高銀行經營效率。數據治理的首要目的和價值應當是為銀行的業務發展服務，實現數據治理與銀行業務拓展、銀行發展戰略有機整合，進而最終提高銀行經營績效。銀行積累的原始數據經過加工、清洗、整合后，基于聚類分析、相關分析和回歸分析等，不僅能對相關的銀行業務開展直接創造價值，而且可優化內部決策過程，實現銀行隱性價值的提升。當前，大多數銀行開始向以客戶為中心的目標轉型，零售業務轉型所要求的客戶營銷、客戶管理、客戶服務亟待精細化的數據分析作為支撐，分析客戶、拓展新型業務等均需要通過數據說話。可以認為，銀行的業務轉型，無論是業務創新還是服務創新，均需得到數據的科學分析支持，這是數據治理能直接創造價值的地方所在。另外，數據治理能提高銀行經營績效的隱性價值主要體現在優化銀行內部決策機制，在銀行內部橫向溝通過程中提升彼此協作的效率，加強銀行應對內外部沖擊的反應時效。在業務績效評估方面，能更及時準確反映總分行、各業務條線的貢獻度，有效規避因信息不對稱產生的逆向選擇和道德風險問題，實現激勵機制的有效運作，進而間接提升銀行價值。其次，良好的數據治理應當降低銀行運營成本。目前，有效的定價已成為判斷銀行經營成效的關鍵，在收益一定的前提下，有效降低資金成本已成為銀行重要的競爭力。有效的定價依賴的數據類型包括客戶區域分布、客戶貢獻度大小、渠道成本核算等。一個良好的數據治理將極大的促進定價的有效性、準確性和靈活性，更貼近客戶實際需求；基于資金盈虧狀況、市場利率和風險水平、客戶需求情況等綜合測算資金成本，實現成本的最小化。另外，基于數據治理，能查找并分析出銀行運營過程中的重復環節，精簡工作層級和工作流程，減少不必要的成本開支。此外，基于標準化的數據治理過程和科學化的業務拓展流程，不僅能壓縮成本，而且能更精準測算員工績效，激發員工工作積極性，提高員工勞動生產效率，最終實現運營成本的降低和經營績效的改善。再次，良好的數據治理應當有效控制銀行風險。事實上，就銀行業而言，數據治理的價值最早體現于風險控制和風險管理領域。針對銀行評級體系，監管部門強調了數據治理和數據管理體系的重要性；針對銀行資本管理，監管部門要求綜合運用銀行內部數據和外部數據，基于模型化分析并測算不同種類風險的資本運用方式。可以認為，僅就銀行風險控制而言，數據治理的價值已體現于銀行戰略決策、風險管理機制、滿足監管要求等方方面面。良好的數據治理過程和防控風險決策機制，能顯著增強銀行應對各種風險的危機意識和處置能力。基于模型量化評估和標準化分析流程，能最大程度客觀反映銀行面臨的各種風險，減少因主觀人為因素而導致的誤判。與此同時，因良好的數據治理而產生的數據質量提升，能進一步滿足監管部門的相關合規與審計監管要求，進而提高銀行內部合規水平，并以此促進銀行應對潛在風險的能力。因此，數據治理的出發點和歸宿點皆是價值創造。作為海量數據資產的擁有者和控制者，銀行加強數據治理的精細化和科學化管理，其目的主要在于改善經營績效、降低經營成本、控制經營風險，最終實現銀行價值的創造和提升。這亦是加強數據治理、實現數據科學化管理的意義所在。既然加強銀行數據治理的最終目的在于創造銀行價值，那么尋求切實可行的銀行數據治理路徑就顯得尤為重要。作為配置效率最高的資產，金融資產的管理實踐能為數據治理提供一定的參考價值。在金融資產的管理上，首要在防控風險；因此針對數據資產的管理，需要在法律上對數據進行確權，明確數據所有權的歸屬問題。另外，金融市場發展表明，標準化的金融資產更具流動性，其價值更易變現；因此針對數據資產，需著重提高標準化程度，銀行在整合內外部數據的同時，需將各種非標準化數據，如文本數據、視頻數據、音頻數據等以一定方式標準化，通過清洗和深加工，為價值挖掘創造條件。此外，不同于金融資產，數據資產還有一些獨特性。比如，銀行內部數據往往跨部門，在不同的部門間其價值大小往往不同，因此需要總行進行統一規劃，落實數據的全方位支撐作用；只要流動起來的數據才具有價值，因此在數據的邊際成本幾乎為零的前提下，需要盡可能充分利用銀行內外部數據，推動數據資產的有效管理。綜合而言，基于資產管理視角尋求切實可行的數據治理路徑，應當堅持以下幾大原則：變革部門設置，推動數據到系統的高度整合；建立組織框架健全職責邊界清晰的數據治理架構，實現數據和業務雙重驅動；合理設計數據資產所創造價值的分配機制，激勵數據資產的合理使用與高質量數據資產的生產；高度重視數據資產管理過程中的風險評估與風險預警，通過制度和系統有效地控制風險。（一）變革部門設置，推動從數據到系統的高度整合數據系統的搭建應從數據資產的入口進行規劃，兼顧銀行的外部數據和內部數據，實現從數據到系統的高度整合。內外部數據各自有其獨特的價值，只有內部數據和外部數據相適應才能真正的推動數據資產的有效管理。銀行業的數據治理和應用是一項系統性工程，涉及銀行上下多個業務部門、多個業務條線。搭建數據系統，實現從數據到系統的高度整合，需要變革部門設置，建立數據的采集、加工、分析、應用的統一領導體制，需運用項目管理方法和相關工具手段推進數據系統建設。眾所周知，銀行業的數據有幾大特點，一體量大，二種類多，三來源廣，不僅涵蓋因自身業務而產生的海量內部數據，還包括因業務拓展需要而產生的大量外部數據。數據治理只有成體系推進，才能做到有的放矢。以某城商行為例，由于該銀行是由多家城市商業銀行合并重組而來，內部數據質量參差不齊，外部數據無法匹配。為實現數據有效治理，該行變革部門設置，由總行牽頭整體推進，將數據問題歸結為技術和業務兩大類，分別規定兩類問題的總體解決思路和協調機制。針對數據系統化建設中最為重要的客戶數據、產品數據、機構數據、渠道數據、員工數據等，分階段重點推進，且對不同性質數據設計對應主系統的數據校驗規則，逐日進行數據質量驗證，直至達到設定標準。對于內部數據，實現各系統數據的打通處理和相互驗證；對于外部數據，根據業務需要，一方面采用備用數據源相互匹配，另一方面采取數據松耦合、異步處理等方式，優化業務應用流程，避免外部數據問題影響業務運行。基于內部數據和外部數據有效聯動，實現全行層面數據的多方面聯接。打通數據的部門壁壘，實現數據從業務源頭到后端處理全流程多角度覆蓋，藉由高度整合的數據系統，實現業務的有效拓展和銀行價值的全新挖掘和創造。因此，基于資產管理視角實現銀行業數據治理，首先需將數據作為銀行重要資產加以對待，通過構建數據倉庫，積累業務數據、經營管理數據等信息；其次應規劃銀行層面的大數據系統和數據平臺，將銀行內部數據和外部數據進行互聯和打通，積累起銀行的數據資產；最后經由總行推動，提高數據整合和數據加工的速度，深化數據分析和工具運用，實現數據價值的深度挖掘，夯實銀行價值創造的基礎。（二）建立組織框架健全職責邊界清晰的數據治理架構，實現數據和業務雙重驅動要實現銀行業的數據治理，必須打破原有業務籬笆，實行數據和業務雙重驅動、業務與數據相適應的機構和部門設置改革；在部門設置時，需要一個強力機構從全局協調多個業務部門，落實數據的全方位支撐作用，進而充分發揮數據資產的外部公共性，實現數據資產的范圍經濟效用。數據治理是一項系統性、且涉及多個部門的復雜工程，一個良好的數據治理過程具有基礎性和長期性的特點，銀行傳統的科技部門無法承擔如此重大職責，需在總行層面進行重大改革。數據治理是技術問題但又不僅僅只是技術問題，必須由總行發起，匹配專業化的團隊做組織保障，形成主動管理的前瞻性理念，通過耐心說服和實施強硬手段，加強規劃和引導，進而持續推行數據治理過程。《指引》對數據治理架構的總體要求是，銀行應當建立組織架構健全、職責邊界清晰的數據治理架構，明確董事會、監事會、高級管理層和相關部門的職責分工，建立多層次、相互銜接的運行機制。董事會需指定數據治理戰略，并對數據治理承擔最終責任；監事會需對涉及數據治理各部門的履職盡責情況進行監督與評價；高級管理層方面需協調多個業務部門，負責數據治理體系和工作的具體推進；各業務部門需設置相關數據治理專職崗位，協調落實數據管理運行機制。一般而言，在實現組織框架健全、職責邊界清晰的數據治理框架體系（一個強力機構從全局協調多個業務部門）之后，落實數據治理的全方位支撐作用就必須實現數據和業務的雙輪驅動。一方面，建立全行統一遵守的數據規范和質量標準，從整體上考慮已有業務和新增業務的數據系統框架設計和數據標準規范，基于制度建設、流程規范、系統監測等多種手段，實現業務流和數據流的有機統一；另一方面，堅持問題導向和業務導向，堅持從業務需求和應用場景中發現問題，注重在應用中解決問題、在應用中夯實數據治理的基礎。以某大型國有行為例，該行在數據治理的過程中，建立起架構明晰統一管理的數據治理框架體系，依據該行數據特點和數據復雜情況，建立起數據和業務雙重驅動的策略，以信息標準化、數據質量管理、以及主數據管理為三大引擎，實現定標關、入口關、流轉關、治理關等環節的質量把控，最終實現統一框架、統一標準、統一平臺、統一責任、統一評價的數據治理結構體系，真正做到了以數據說話、以數據支撐的數據治理理念。因此，基于資產管理視角實現銀行業數據治理，需要真正做到總行層面整體推進，數據和業務雙重驅動，實現數據流、業務流、信息流的有機統一。在此基礎上需建立跨部門的專業數據分析團隊，負責全行數據分析工作，相關數據分析人員需是復合型人才，不僅要懂銀行業務，還要懂數據分析技術，能針對銀行面臨的緊迫問題開展數據應用和分析，進而充分發揮數據資產的外部公共性，實現數據資產的范圍經濟效用，為銀行業務開拓和轉型升級提供堅實的客觀依據。（三）合理設計數據資產所創造價值的分配機制，激勵數據資產的合理使用與高質量數據資產的生產一般而言，數據資產的價值具有很大的不確定性，且銀行內部數據資產的生產者和獲益者往往并不在同一個部門，如資管部更多的應用數據、零售部更多的生產數據，因此，合理設計數據資產所創造價值的分配機制，激勵數據資產的合理使用與高質量數據資產的生產顯得尤為重要。由于數據資產的生產者和獲益者不一致，因而解決數據治理過程中的激勵問題就成為重中之重。經濟學中有理性人假設這一基礎性概念，行為人基于自利原則參與經濟活動；與此同時，信息經濟學強調委托代理關系，很多時候因激勵機制設置不合理，很可能無法達到原先設定的目標。銀行業的數據治理過程，涵蓋內部數據和外部數據、數據部門和業務部門、總行層級和分支行層級，在董事會設定數據治理戰略后，需要高管層和執行部門有效開展數據治理具體工作，這就涉及經典的委托代理關系，只有足夠的激勵才能推動高質量數據資產的生產。基于委托代理理論可以發現，要有效開展數據治理工作，施加強有力的監督至關重要。若監管概率低于最優監管概率（某個臨界值），會導致數據執行部門違規或敷衍處理數據的可能性增大，導致道德風險問題的產生（不努力解決數據治理問題）。因此，為防止相關業務部門或個人違規處理銀行內外部數據，需要各級監督者對數據治理過程中所處理數據的真實性、準確性、連續性、完整性、及時性、是否符合業務流程規范、模型使用是否準確等一系列行為進行強監督，由此才能避免因道德風險而產生的無效數據或偏差數據對銀行經營管理效率的損害，進而避免銀行價值受損。另外，強監督的有效輔助方式是強激勵。除了定期發布數據質量報告、不定期對數據進行質量抽檢之外，還可以將數據治理工作與各級員工的績效、獎懲結合起來，將數據的真實性、準確性、連續性、完整性、及時性等指標納入績效考核方案。針對數據資產的使用方，可以鼓勵其提出新需求和新方案，提高對糾錯能力和需求開發能力的獎勵；針對數據資產的生產方，一方面對高質量生產提高獎勵標準，另一方面對低質量生產加大懲處力度。高質量的數據生產往往具有外部公共性，其范圍經濟輻射較廣，因此相關的績效考核不能僅僅與業務直接掛鉤，而是應站在銀行總體層面，綜合考慮數據資產的外部經濟效應，對相關部門和人員執行特定的激勵考核機制，進而充分發揮數據資產的潛在價值，助力銀行價值的再創造。（四）高度重視數據資產管理過程中的風險評估與風險預警，通過制度和系統有效地控制風險基于數據資產管理的視角探究銀行數據治理路徑，一個不容忽視的問題在于數據資產管理過程中的風險評估和風險預警。相關的風險點包括對數據合乎法律規定的使用、信息隱私保護、數據的穩定性與持續性、數據系統的穩定性與有效性等，需要基于制度和系統建設有效地控制風險。對于數據的采集，既包含內部數據又包含外部數據，即包含客戶數據又包含業務數據。對于數據所有權歸屬問題，需要在法律層面和制度層面加以約束和規范，以預防潛在的法律風險和業務開展風險。除了國家層面進行專門立法以解決并規范數據使用問題外，銀行在實際業務開展過程中，需將數據的采集告知客戶，通過建立規范的業務制度實現數據安全采集和共享。銀行可以建立數據安全的策略與標準，依法合規采集、應用數據，依法保護客戶隱私，劃分數據安全等級，明確訪問權限，監控訪問行為，完善數據安全技術，定期審計數據安全。在數據共享方面，銀行需加強數據采集的統一管理，明確系統間數據交換的流程和標準，實現各類數據合法合規有效共享。針對數據的準確性和持續性問題，銀行需建立覆蓋全部數據的標準化流程，遵循統一的業務規范和技術標準，相關的數據標準可以參照國家標準化政策及相關監管規定。關于數據系統運行，需有完備的數據字典和維護流程，進而基于系統的正常運轉維護數據安全。除此之外，銀行還可以建立資料存儲機制，加強數據資料統一管理，建立全面嚴密的管理流程和歸檔制度，明確存檔交接、口徑梳理等要求，保證數據可比性。根據業務影響程度，建立數據應急預案，開展應急演練，保證在系統服務異常以及危機等情景下數據的真實性、準確性、連續性、完整性和及時性，加強風險評估和預警功能建設，防范各種潛在風險。當前，在防范系統性金融風險的監管思路下，各金融機構在回歸本源的同時亦在謀求轉型創新發展。無論是針對投資端的自主投資能力建設，還是針對負債端的財富管理方案匹配，亦或是新產品的研發、定價與營銷，均離不開對數據的高質量使用。因此，構建良好的數據治理路徑就成為應有之意。就銀行業而言，其數據治理過程是一個動態的系統性工程，基于數據的資產屬性可以發現，銀行業的數據治理首先需要變革部門設置，推動數據到系統的高度整合；其次需建立組織框架健全職責邊界清晰的數據治理架構，實現數據和業務雙重驅動；進而需要合理設計數據資產所創造價值的分配機制，激勵數據資產的合理使用與高質量數據資產的生產；最后需高度重視數據資產管理過程中的風險評估與風險預警，通過制度和系統有效地控制風險。綜合而言，良好的數據治理將有助于銀行提升服務能力，提高經營管理質效，全面推動銀行業向高質量發展轉變。