相约安徽·向春而行｜观鸟爱鸟护鸟，共享美丽蓝天！

第二，具有世界级的市场参与者，SBM发行主体包括超国家组织、主权国家、地方政府和企业，比如英国、中国、印度、中东、加拿大的首批认证绿色债券以及来自亚太地区和美洲的首批主权绿色债券。

二是帮助在传统银行很难借到钱的小微企业和个人获得银行服务，助力实现普惠金融。正如决策部门所强调的，治理是为了让行业更规范地发展，并非是要让平台衰落。

为什么中国普惠金融在2016～2020年取得了较大突破？关键在于数字技术的应用。但如果在贷款尚未回收时发生挤兑，银行就会因为现金不足而破产。而一个人的资金打水漂，将会动摇很多人的信心，从而导致整个系统出现问题。到目前为止，金融市场、金融机构的制度安排，在很大程度上都是为了解决信息不对称的问题。但对于分散的、小规模的、甚至在地理位置上都很难找到的中小微企业、低收入家庭和农村经济主体，提供金融服务就非常困难。

这种突破主要表现在数字金融领域，即利用数字技术帮助解决普惠金融难题。数字金融不同于互联网金融、金融科技等概念，它的内涵更趋向于两者的平衡，既包括了科技公司利用数字技术来提供金融服务，也包括传统金融机构利用数字技术改进其金融服务，将新型科技公司和传统金融机构都涵盖其中。在《规划》中，尤其对小微金融、农村金融、供应链金融、绿色金融四大场景的进一步说明，体现出这些领域的金融科技渗透与合理应用，正是当下规划聚焦之处。

例如，数据治理与管理是一项系统工作，涉及工作繁杂，如何能够有效规划、体系化推动，如何通过新技术应用来减少数据治理的成本费用，如何通过内控和审计来规范数据治理工作的开展，诸如此类的问题应该融入到数据治理的战略制定与落地中。二是找到数据治理的痛点，从问题入手进行战略设计。而《意见》则更加聚焦地指出：全面深化数据在业务经营、风险管理、内部控制中的应用，提高数据加总能力，激活数据要素潜能。加强对数据应用全流程的效果评价。

另一方面，数字化+生态圈也是银行变革的主要路径，基于移动端和互联网平台，国内银行已经开始引入数字化生态合作，打造创新业务模式。2022年第2期《求是》杂志刊发习近平总书记重要文章《不断做强做优做大我国数字经济》，文中提出要充分发挥海量数据和丰富应用场景优势，促进数字技术和实体经济深度融合。

应对风险虽有多种手段，但是通过强化数字化管理、数据治理，努力健全自动化风险控制机制，实现事前、事中、事后的风险管理智能化，也是题中应有之义。近年来，在金融科技与数字金融变革中，金融业既取得了大量成功经验，也存在许多教训。由此综合来看，数据能力将成为金融数字化转型的重要驱动力。回顾历史，监管部门于2011年颁布了《银行监管统计数据质量管理良好标准（试行）》，2018年发布了《银行业金融机构数据治理指引》。

按照国际数据管理协会（DAMA）的定义，所谓数据治理，是对数据资产管理行使权力和控制的活动集合，包括组织、制度、流程和工具。同样，在优化银行数据治理过程中，也应该以安全稳健为生命线，有效防范各类潜在风险。如《规划》中强调要发挥大型金融机构带动作用和示范效应，加强金融科技共性技术、资源和服务的开放合作、互惠共享，联合高等院校、科研院所、高新技术企业等搭建专业化金融科技产用对接平台，依法合规参与数字技术开源社区等创新联合体。个人信息保护、国家安全信息保护等问题始终贯彻在数据应用中。

商业银行仍然是金融支持实体经济的核心力量，银行数据治理不仅是为了更好地应用数据资源、推动自身数字化转型与提升盈利能力，更是为了履行国家战略责任与社会责任。三是在数据管理和数据建模中，制定完善、规范的数据管理流程并强化管理执行力，优化数据建模标准，并转变只建模不落地或随意落地的传统思路。

所谓数据治理，按照国际数据管理协会（DAMA）的定义，是对数据资产管理行使权力和控制的活动集合，包括组织、制度、流程和工具。银行数据治理的过程，恰恰是合理利用新技术全面推动大数据时代的数据、技术与业务功能有效融合。

在此阶段，对于银行的数据监管政策，逐渐从数据质量考核结果导向的监管演变为对管理层面上的数据治理全方位要求。数字治理离不开对ESG的关注，即企业环境、社会和治理绩效的发展与评价理念，因为在数据应用中也可能存在算法黑箱和信息不对称，即便体现出高效的商业模式价值，也可能忽视金融科技与数字伦理。从行业角度来看 促使整个行业提升全要素生产率。数据治理不能漫无目的，或者一味照搬照抄，需要根据银行综合发展战略的要求，量身定制数据战略。在国内实践中，通常会统筹考虑数据治理和数据管理。众多国内外成功经验都表明，依托数据要素、开展数字化转型，是激烈竞争中多数亮点银行的经验与选择。

三、银行数据治理的重点举措 完善机制。本文重点分析了银行数据治理的政策背景、目标选择、重点举措及环境保障。

《意见》则把数据能力建设作为重要部分，强调要从健全数据治理体系、增强数据管理能力、加强数据质量控制、提高数据应用能力等四个方面提升数据治理与应用能力，尤其指出确立企业级的数据管理部门，发挥数据治理体系建设组织推动和管理协调作用。面对监管要求与同业创新压力，银行业逐渐从数据治理成熟度的视角来认识和应对相关问题，众多银行开始积极行动和探索布局，迈出深化数据治理和数字化转型发展的重要一步。

三是完善组织架构与权责分担机制。在数据治理方面，尤其对于中小银行来说，可以依托外部技术企业的数据模型快速建立数据建模能力，然后在各业务部门配置数据管理与分析资源，再把大数据分析结果全面应用在业务领域，从而为获客、风控及运营等提供有效的数据支持。

如果只根据业务需求匹配相应技术，则只能局限于现有商业模式逻辑，可能使得业务难以跟上数字化变革大势。促进金融科技创新与数字化转型，须避免粗放式扩张和防止泡沫积累，处理好创新与安全的边界，守住不发生系统性风险的底线，防范非系统性风险的积累，明确创新的底线与负面清单。要突破这一点，需要从基础环节入手，涉及到数据、技术、人才、共识和监管等，其中数据是关键生产要素。加强数据可视化、数据服务能力建设，降低数据应用门槛。

《规划》提出要力争到2025年实现金融科技核心竞争力跨越式提升，在此背景下，商业银行面临的挑战更加突出。从过去几年的走势来看，不良资产余额上升的趋势已经得到遏制，资产质量改善明显。

截至2021年6月30日，我国共有银行业金融机构法人4608家。从商业银行个体角度来看 提升机构核心竞争力。

通常来看，对于发展时间久、规模实力较强、经营模式较为成熟的商业银行来说，技术进步对其生产经营效率的提升具有促进作用。数据治理本质上是管理与技术相结合，因此在银行数据治理创新与优化中，不仅需要充分关注各细分领域，如数据标准、元数据、数据模型、数据分布、数据存储、数据交换、数据生命周期管理、数据质量、数据安全以及数据共享服务等，更需要把数据治理与新技术应用广泛融合在一起，体现在数据治理与应用的全流程，真正发挥新技术带来的正效应。

2022年1月印发《十四五数字经济发展规划》，指出鼓励银行业金融机构创新产品和服务，加大对数字经济核心产业的支持力度。即便是美国，2001～2020年银行机构总体数量也从9614家减至5001家。事实上，《规划》也在更高层面突出了数据应用的问题，如推动金融与公共服务领域系统互联和信息互通，综合电子政务数据资源，不断拓展金融业数据要素广度和深度，为跨机构、跨市场、跨领域综合应用夯实多维度数据基础。当前影响银行业的周期性因素包括经济周期、技术周期、政策周期、利率周期、人口周期、行业周期等，未来银行经营失败或许成为常态。

数据技术人才，主要负责数据处理和系统平台建设。恰恰是通过使数据要素更好地融入技术与业务协调创新的主线中，才能更好地促进创新场景落地。

客观来看，现有银行数据治理探索也存在标准化意识缺失、管理职责不到位、关键数据标准研制和贯彻流程不畅等问题，亟待以推动标准化来解决矛盾。近年来，许多大型银行纷纷在顶层设计层面布局数据治理，而大多数中小银行的数据治理则基本处于萌芽期，还未开展有效的数据治理工作。

而中小银行的组织架构、管理模式、技术应用等方面存在较多的问题，整体的投入产出效率较低，技术进步还未影响到一些中小银行具体的生产经营过程。例如，对于以零售业务为主的银行，相应的数据战略应聚焦于此，包括整合管理零售客户数据、提升服务水平、强化精准营销等。