2023年1月4日，为进一步赋能数据要素价值释放，加强数据资产行业交流合作，由中国信息通信研究院、中国通信标准化协会指导，中国通信标准化协会大数据技术标准推进委员会（CCSA TC601）主办的第五届数据资产管理大会在线上召开。
会上，中电金信商业分析事业部总经理、中电金信数据研发委员会主席杜啸争进行了主题分享，剖析了数据管理发展的趋势、金融客户的管理热点以及痛点，介绍了源启数据资产管理平台、《中电金信数据治理白皮书》、“1+2+3”数据资产咨询体系等内容，同时阐述了中电金信在金融大数据领域以“源启”为基石，以持续创新为驱动的理念，持续致力于协助金融机构实现业务层面的快速数字化转型，打通业务数据化和数据业务化的全过程。
中电金信商业分析事业部总经理
中电金信数据研发委员会主席 杜啸争:
一、金融行业数据管理的发展历史与技术趋势
■ 发展历史：金融业数据管理迈入数据资产化新时代
自2000年左右起，金融行业开始做相关的数据管理。从最早的数据仓库到数据治理、数据应用，再到后来的大数据，直到今天数据管理——已经又迈入了一个新的时代。我们把它总结成数据资产化时代，或者叫国产化时代。
为什么有两个名字？
之所以叫数据资产化时代是因为国家已经将数据作为生产要素进行推广，并把数据和其他的生产要素并列，所以，我们说这是一个数据资产化时代；叫国产化时代是因为在2018年之后，数据管理的国产化趋势非常明显，所以说在新的时代下，数据管理既是一个数据资产化的时代，又是一个国产化的时代。
这个时代有三个突出特点：
第一，开始大规模地向国产数据平台进行迁移；
第二，数据资产评估以及相关的数据资产盘点等，已经成为各个金融机构的重点工作之一；
第三，迄今为止，数据治理、数据分析已经迈入了一波新的趋势，整个数据治理体系从标准到工具，已经变成了以监管场景驱动式来推进的形式。
■ 数据管理技术趋势
谈到数据管理的技术趋势和特点，可以参照上图中左侧部分Gartner发布的2022年成熟度曲线。可以看出，有一些重要的技术趋势发展，像Lakehouse、DataOps、Cloud Data Ecosystem、Data Fabric以及Active Metadata Management。虽然在这些新的技术中，有很多是从海外或者欧美的技术应用趋势情况中总结出来的，但是它同样适用于国内的情况，只是在时间上可能会比欧美延迟1—2年的时间。
纵观大趋势，有以下发展方向：
■ 1. 数据管理技术云化
近几年来，云原生是一个非常重要的趋势，数据管理技术也在逐渐云化，并从以前相对独立的、隔离的状态开始转变为现在基于企业云平台做技术升级的趋势。
■ 2. 数据管理和AI深度绑定
以前我们认为数据管理是数据管理，AI是AI，二者之间是有区别的。但是到了今天，我们讲AI时一定会提到数据管理，而数据管理作为一个重要的应用，在谈及时也一定会提到AI。这两个技术实际上是一种深度绑定、互相促进的关系。AI也从以前的Model-Centric开始逐渐地向Data-Centric做相应的转变。
■ 3. 数据能力中台化
跨平台管理和管控需求催生了业务或者技术部门需要快速地实现数据的接入和迭代，这就催生了DataOps的需求。
■ 4. 数据平台自进化
近年来，数据平台已经开始逐渐向第三代数据平台演进，Gartner也将Data Fabric架构的数据平台定义为新一代的数据平台。这种架构技术平台最大的特点就是有自进化和自演进的功能，也就是说未来数据平台不是按照我们传统的方式，基于数据驱动、技术驱动的方式从零逐渐地去建造，而是根据应用驱动的方式，利用主动元数据技术、知识图谱技术，根据访问的情况逐步地去完善，最终形成数据平台的自进化过程。
以上就是我们观察到的近年来数据管理的整个发展趋势。
二、金融客户数据管理热点
当前金融领域的客户有哪些数据管理热点呢？我们总结并分解成了四个方向。
■ 热点一：组织架构
人民银行和银保监会分别发布了自己相关的数字化转型规定之后，各个银行也都加速了自己的数字化转型进程，其中最明显的特点就是各个银行在组织架构上的调整。
从去年年底到今年年初，大的国有银行和股份制银行纷纷建立了自己的一级数据管理部，这是各个银行把以前在科技或者是在一些业务部门下头的数据部门，直接提为一级部门的大调整。调整背后的深层次原因，实际上是希望有一个一级部门能够跨团队的推进整个银行的数字化转型，实现把银行以前的数据管理从成本中心往利润中心转化的过程。
■ 热点二：技术架构
从客户的情况中我们了解到，今年大家都在做自己的迁移过程，但是整体的国产化迁移并不是一个单纯从平台到平台上的迁移，很多时候都伴随着整个架构的迁移和演进。
在迁移过程中我们发现，湖仓一体的架构是很多客户目前比较推崇的热点，很多客户选择在迁移项目的时候，整体的将原来的数据平台架构也一并进行升级，从原来只支持分析的模式向既支持天然数据、又支持复杂加工分析的模式方向走，全面地支持湖仓一体。
此外，金融机构还开始大批量地拥抱开源相关的技术，像以前的ClickHouse、Doris这些在互联网用得比较多的数据库，金融客户在某些场景上都开始去逐步地进行推广。
■ 热点三：数据资产
数据资产有两个热点：
第一个热点是数据资产的评估，这也是各个行业现在都在探索的热点。在2021年，光大银行、浦发银行分别发布了自己的白皮书；2022年年底，光大银行又进一步发布了其本身数据资产评估的白皮书，可以说在同业里光大银行已经做到了实践的先锋。这些我们认为对同业来讲有很好的借鉴意义，同业的客户也在逐渐摸索和完善自己的数据资产，并进行相关的数据资产盘点和评估。
第二个热点是数据资产的管理。在传统的数据管理中，数据资产往往是作为中后台部门进行相关的管理。但是在今天，我们看到企业架构建模和数据平台模型正在逐步进行打通，数据管理部门开始从以前的中后台部门逐渐走向前台部门。同时，金融客户在进行前端的企业架构建模时就会考虑到数据模型的设计，使得一套企业级模型既支持应用模型，又支持数据管理模型。
■ 热点四：数据安全
2021年《数据安全法》发布，并规定了很多有关于数据安全分级分类的要求。随着一些新技术的出现，比如说隐私计算，它也在一定程度上解决了数据可用不可见的问题，这些都促进了金融机构在全力推进数据安全方面解决方案的落地和相关应用的研发。
三、金融客户数据管理痛点
前面我们讲了整个数据管理的发展历史、技术趋势以及客户的热点。除此之外，很多金融客户也有不少的痛点，这些其实对我们来讲也是非常重要的输入。
我们简单总结成如下四个方向：
■ 痛点一：数据管理分散化
众所周知，银行的数据管理体系是逐步建立的，大部分银行的数据都散落在不同的数据管理部门。但是当前成立了一级管理部，要去管理全行的数据管理平台和数据资产，这时就会面临艰巨的任务——数据管理部门缺乏足够的精力来管理全部的平台。
■ 痛点二：数据需求多样化
数据需求的多样化导致了对数据需求的管理方式也纷繁复杂，数据需求往往缺乏持续迭代的匹配体系支撑。如何能够让后续的数据需求不断地进行迭代，如何能够根据数据需求的多样化快速地构建新的平台，使得数据应用取得预期成效，这是一个很大的挑战。
■ 痛点三：数据治理碎片化
到今天为止数据治理已经走到了第三波，第一波主要是数据标准，第二波是数据产品，第三波是以监管或者是其他场景为驱动的数据治理的方式。同时我们也能看到，数据治理已经不能单纯地按照中后台“头痛医头、脚痛医脚”的方式走，我们需要从源头来全面地推进数据治理。
■ 痛点四：对数据价值的准确评估
数据作为生产要素，要实现相关的数据资产化，进行数据资产的交易，前提是要进行数据资产的盘点和估值，如何进行一个准确的估值？如何能够有一个公允的价值出来？这是金融客户数据管理面临的又一个挑战。（未完）