摘要：在全球数字化转型的浪潮中，商业银行正面临前所未有的机遇与挑战。数据资产的有效集成与管理直接关系到银行的竞争力与可持续发展能力。当前，商业银行需积极拥抱大数据、云计算等先进技术，通过构建高效的数据集成平台，实现内外部数据的无缝对接与深度融合。这不仅有助于银行精准洞察市场动态、客户需求及风险趋势，还能显著降低运营成本，拓宽盈利渠道，优化产品服务及运营策略。文章深入探讨了商业银行数据管理的现状，提出了银行数据管理整体优化的实际建议，进一步推动银行数据管理效率的显著提高。

　　关键词：数据管理；数据资产；银行机构

　　一、研究背景

　　数据资产被定义为由个人或企业拥有或控制的，能够为企业带来未来经济利益的，以物理或电子方式记录的数据资源。其具有数据权属、有价值、可计量等特性，是网络空间中的重要资源[1]。对于数据资产的研究背景，本文主要从政策层面和实践层面两个方面进行介绍。

　　（一）政策层面的推动

　　随着经济活动向数字化的快速转变，数据作为生产率增长催化剂的重要性变得越来越重要，成为这个时代的新型生产率。在党的第十九届四中全会上，数据被正式确定为与劳动力、资本、土地、知识、技术和管理同等重要的生产要素。这一决定凸显了数据在当今经济中的核心作用。

　　2020年10月，中国的“十三五”规划和2035发展愿景中明确提出了加快数字化进程、建设数字中国的战略目标，进一步强调了数据在促进工业进步方面不可替代的作用。政府和社会部门一直关注大数据及其各种应用的发展，促进数字技术与实体经济的更深层次整合。

　　2022年12月，国家发布了数据基础设施体系建设指南，以更好地发挥数据元素和数据基础设施构建一个完整的系统。该架构框架涵盖四个基本方面：澄清数据分配、规范数据流和事务、优化收入分配机制和加强系统安全治理。其目的是加强数据作为新的生产要素的战略地位，并强调数据基础设施建设对国家整体发展和安全战略的重要性。

　　数据资产的研究背景涵盖了数字化转型的加速、国家战略的支持、数据基础制度的构建、数据资产化的探索以及数据资产的定义与价值等多个方面。这些背景因素共同推动了数据资产领域的研究与发展。

　　（二）实践方面的应用

　　在强大的政策推动下，各区域正在积极探索和建立评估、谈判和监管数据资产的机制。财政部发布的《企业数据资源会计处理暂行规定》和中国资产评估协会的《数据资产评估指南》为数据资产评估实践提供了明确的指导方针。国家数据局于2023年10月正式设立，任务是协调建立和改善基础设施的数据融合、协调、数据共享和有效利用资源，并促进规划和建造一个数字中国、数字经济和数字社会。随着信息和数字化的快速发展，数据资产的概念和重要性变得越来越重要。近年来，它们在政策和实践中得到了高度重视和积极推动。

　　二、商业银行数据资产管理现状

　　（一）商业银行近年管理实践

　　作为利用数据资产的主要行业，银行业通过使用科学技术积累了大量数据，并将这些数据的潜在价值转化为有意义的资产。通常，数据资源是尚未充分利用的有使用前景的信息数据。这些数据需要专业人员仔细分析和深入评估，以确定其实际价值和潜在利益。数据资源和数据资产之间的主要区别在于它们的工程程度和市场价值。数据资源通常是未经处理的数据集，尚未获得明确的价值。数据资产是经过精心处理和集成的数据产品，可以为企业创造价值。它们被认为是生产资源，可以直接投资于创造产品的过程。简而言之，数据资产是为企业创造价值的数据资源。一旦数据信息可用，商业银行将努力将其转化为数据资产，并将其视为未来经营发展的关键驱动力。

　　通过这一过程，商业银行的目标是为数据资产定价，并进一步加强其在数据时代的竞争优势。近年来，全球商业银行显著提升了数字化发展战略的优先级，不断加大对科技和人力资源的投资，并在数据资产管理能力上取得了显著进展。以平安银行为例，除了正常的科技业务投入外，其多年来一直在成本预算中设立技术创新专项费用，占其营业额的1%。而招商银行也在其公司经营方针中表明，用于数字化经营和数据资产的费用预算要占到上一年经营业绩的3.5%。

　　而建设银行在银行业中数据资产方面表现得格外亮眼。自2010年起，该行便以技术创新、智能运营和流程优化为核心发展战略，启动了核心系统建设，致力于构建行业领先的数字化银行。从中国建设银行的实际经验中不难看出，数据资产管理是一项需要持续投资和持续优化的工作。纵观整个银行业，国内商业银行在数据资产管理领域仍处于不断探索和逐步发展的阶段，系统的管理体制机制建立工作还不完善和成熟。鉴于数字转型的紧迫性，国内商业银行必须加强其管理数据资产的能力，以在竞争日益激烈的环境中脱颖而出，并实现可持续增长。

　　（二）商业银行数据资产的特点

　　1.数据量大

　　近年来，银行数据资源的规模显著增长。商业银行以其独特的商业模式和广泛的商业活动，积累了大量的数据，不仅涵盖了社会经济运营和商业的各个方面，而且深刻地反映了居民的日常生活[2]。因此，商业银行在数据资产市场中占据着关键的结构性地位。这些令人印象深刻的数据，包括数十亿笔交易和记录，为银行和整个社会的数字增长提供了坚实的基础。

　　2.覆盖范围广

　　银行的数据管理覆盖范围非常广泛，也是多层次的。它的数据范围不仅包括私人用户财务领域，还包括银行账户、个人信用等详细的个人财务数据。它还可以审查各类企业、机构的财务活动，包括贷款档案、金融决策和投融资等关键数据。此外，银行数据扩展到更广泛的金融市场，包括发行市场、外汇流通、金融衍生品和债券投资，充分显示了数据来源的广度和多样性。

　　3.结构多样性

　　除了日常的交易数据，还覆盖广泛收集和整合有关客户生活特征数据，顾客的主观倾向、市场趋势方面的数据，以及数据产品的特性和其他信息。这些多样化的数据类型不仅丰富了银行的数据库，而且为银行提供了更深入的视角，帮助银行机构更好地应对和响应客户，准确掌握市场动向，并做出更明智的决策。

　　三、商业银行数据资产管理中存在的问题

　　在数字浪潮的推动下，商业银行普遍依赖数据以拓展业务和提升数据质量。然而，在数据管理实践中，多个部门往往各自为战，独立操作。为满足业务的即时需求，银行倾向于优先实施数字化项目，侧重于数据的深度分析和广泛应用，却往往忽视了数据质量、标准、安全及责任管理等基础环节。这导致了数据混乱、碎片化以及质量参差不齐等严重问题，致使企业级的数据管理系统和统一的数据标准迟迟未能建立。

　　（一）数据质量难以符合监管标准

　　回顾商业银行早期的系统建设，我们不难发现，功能开发占据了主导地位，而对数据质量的控制则相对被忽视。由于系统的智能审核和控制流程机制不够完善，数据质量难以符合监管标准。这往往会导致不同系统中同一数据元素之间存在些许差异甚至错误。在日益严格的监管环境下，监管部门加强了对数据质量的监督，对不合规行为进行了严厉的处罚。提升数据质量，特别是监管数据的质量，已成为商业银行刻不容缓的任务。此外，在利用外部数据进行业务应用时，不可避免地会涉及到个人数据的使用[3]。如何在确保数据安全和合规性的前提下，有效利用这些数据，成为商业银行必须面对并改进的重要问题。

　　（二）数据治理仍陷困局

　　近年来，尽管商业银行多次尝试实施数据治理，但结果并不令人满意，它们面临着许多挑战。一是在面对数据治理的挑战时，当前还存在一些显著的问题。首先，数据治理的意识在多个部门和机构中显得不够深刻，对其重要性的关注远未达到应有的水平。其次，数据质量管理的标准体系尚未完善，缺乏统一的规范和指导。此外，相关操作人员普遍缺乏专业指导，使得数据信息的录入显得随意而不够严谨，进而导致后端数据处理过程中频繁出现诸如数据信息不完善、数据内容不准确等问题。二是数据治理过于集中，与业务发展脱节。此外，在数据安全方面所要求的能力不足，尤其是有关核心用户的数据信息，在很大程度上仍然依赖于人工，从而导致支出昂贵，但成果有限。

　　（三）统筹管理机制未完全建立

　　由于历史原因，商业银行的业务单位倾向于根据其自身的数据应用需要独立地输入数据，这导致缺乏数据输入的统一性和整体考虑。数据信息的应用与公司业务的契合程度还需要加强，目前不同业务之间的融合相对分散。同时，内部数据共享机制也需要优化，不统一的业务发展直接导致数据呈现大片分散的局面。目前，数据服务在统一数据管理方面存在问题，不能充分利用内部资源的作用。最后，数据管理系统还不完善，没有有效的数据价值评估、价值分析和经营策略等方面的措施。因此，寻找和应用最佳方法来最大化数据的价值仍然是银行机构的一项主要任务。

　　（四）数据标准缺失

　　在获取外部数据时，因缺乏统一数据标准的规划，各独立数据库应用系统多依自身特点构建，致使数据文件格式繁杂，数据处理、复制与交换过程复杂。与此同时，数据共享和重用机制还没有完全开发出来。目前，商业银行访问的数据主要用于满足初始数据需求，但数据共享和重用仍需加强。例如，在数据治理场景中，银行机构可以使用可访问的业务数据来提高数据标准化系统（EAST）数据的质量[4]，在数据资源搜索功能方面，特定时间段内检索到的数据若能直接运用并加以评论，将有助于减少查询量与成本，实现降本增效。

　　四、商业银行数据资产管理优化建议

　　随着银行数字化转型的加速，银行的数据管理模式正由分散的管理模式转变为统一的管理模式，可以显著提高银行数据管理的效率。要确保银行机构在数据时代稳步前进，打造完善的数据安全控制系统是关键因素，同时，加强数据规范和质量对于进一步提高银行数据的发展至关重要。

　　（一）推进数据全生命周期管理

　　为了建立一个完整的系统来管理数据的输入、使用、评价和输出的生命周期，并促进服务过程的创新，在入门阶段的数据，需严格按照银行机构要求纳入管理，并按要求登记，使数据管理的推进有序进行，在使用阶段，要建立统一的数据管理平台，根据需要管理相关数据的查询、存储和下载。同时，实施严格的管理机制，保证数据在传输、存储和分享过程中的安全性，推动数据的有效合理利用，进而使数据资源的使用效益最大化[5]。此外，评估过程至关重要，在服务合同签署后的合同期内，将展开数据质量评估、执行效率、服务评价方面的工作，分析数据的输入与输出函数，并提交详细评估报告与数据管理服务。数据管理部门需进行各种形式的审查，总结和评价数据管理的结果，以此不断提高统一外部数据管理的效率。

　　（二）夯实数据治理成果

　　数据质量是将数据转化为资产的核心，也是数据价值的基础。为了快速解决当今数据应用的关键质量问题，需要从以下几个方面着手。一是建立良好的数据质量监测机制，确保明确的商业价值导向，确定优先领域，制定和实施相关的程序，持续改进和完善信息平台，不断攻克在业务运行中出现的各类问题，优化对数据生命周期的核心环节的控制，推动数据质量的不断提高。二是改善治理能力，以“机器控制”为主体，以“人为控制”为补充，提高系统控制水平。通过系统化和智能化流程，整合各业务部门数据资源，通过已设置的流程和规范运行数据，减少人工的投入，真正实现数据资源的自动化运作。三是在整个过程中加强数据质量控制，以确保数据质量的持续改进。四是改进数据资产的协作管理机制[6]。在协调和综合数据管理系统中，各级主体均应在数据的获取、创造、储存与应用融合的全生命周期中承担相应责任，积极增进协作，构建起全面参与、流程分明的数据管理机制，携手促进数据质量的全方位提升。

　　（三）加强数据战略规划

　　对于商业银行而言，数据资产管理工作不单单是一项普通的公司业务，而是应该从全局出发，将其作为银行机构持续发展的核心因素。一是构建统筹的管理机制。在起步阶段打造稳定且高水平的设计方案，设立专门的数据资产管理服务部门，明确其作为大数据能力建设核心驱动力的关键角色，以此保障企业数据规划、领导与执行的一致性。二是强化高层商业设计与管理能力，构建涵盖多领域关键数据策略、管理、输入、存储、下载及质量等方面的完整框架与企业级数据库，以此整合各类数据资源，提升企业数据管理的系统性与有效性。该框架旨在形成一个“数据价值”的闭环机制，从“数据业务”到“数据估值”，然后是“资产价值”，最后是“数据商业化”。三是构建统一的业务模式，消除不同部门之间的信息不对称，构建一套综合、智能化和标准级的先进流程，以确保业务能力在行内共享，推动管理效率的全面提高。

　　（四）规范数据标准管理

　　为确保数据在整个生命周期得到有效管理，需要一套完备的技术标准与流程，用以对数据库进行规范管理，实现公司与企业级数据及全过程的严格监控。一是建立一个完整的、符合行业标准的数据管理系统，这不仅需要基于国家和行业标准，也需要开发和发布一个标准化体系，一个涵盖数据标准、贸易术语的指标体系和模型数据的体系，同时顾及外部和内部的管理需求。二是经过对系统数据的仔细检查和分析，开发一个企业数据模型来创建统一的标准化数据规范[7]。通过将系统的原始数据精确反映到该数据规范流程中，可以实现数据资源的智能化管理。这不仅可以完整监控整个数据管理过程，还可以促进全面的数据治理战略的实施。

　　五、结语

　　本文主要研究商业银行数据质量管理的现状。经过深入分析，我们发现，商业银行在数据质量管理机制建设、管理流程优化、标准体系完善等方面仍有改进空间。作为一个持续的、复杂的系统项目，商业银行应该借鉴国内外的先进经验，结合自己的实践，探索和完善有效的管理策略，提高数据质量。

　　在概念层面上，商业银行应该加深对数据作为核心资产的理解，明确数据驱动企业的发展是数字经济时代不可避免的趋势，并加强数据文化建设；在管理层面，商业银行必须将数据管理作为其战略管理的核心，建立一个全面、综合的数据管理系统，并进行高水平的科学设计。同时，要明确各机构在数据管理方面的责任，灵活调整管理制度，丰富管理方式，确保管理制度的有效实施。最后，商业银行应加强数据应用，不断探索和释放数据的潜在价值，争取更多的数据管理资源和支持，确保数据管理的持续推进和优化。

　参考文献：

　　[1]隋敏，姜皓然，毛思源.数据资产价值评估：理论、实践与挑战[J].会计之友，2024（11）：141-147.

　　[2]韩复龄.商业银行数据资产价值评估[J].中国银行业，2024（2）：76-78+82.

　　[3]金旭君，沈叶红，陆思怡.商业银行数据资产管理能力实证比较[J].国际金融，2022（11）：65-74.

　　[4]陈道斌.加强数据安全管理促进银行数据资产创造价值[J].金融电子化，2021（7）：21-23.

　　[5]郑权.数据资产视角下商业银行外部数据资产管理实践探索[J].金融科技时代，2020，28（10）：58-60.

　　[6]沈志勇.商业银行数据资产管理探索与实践[J].中国金融电脑，2023（2）：16-19.

　　[7]林莹，邓景熹.中小银行数据治理的探索建设[J].金融科技时代，2024，32（4）：12-19.