商业银行数据资产管理体系怎么做?来看用“新四化”打造数据价值 II

数据资产的多寡、好坏,采集、管理和使用能力的强弱亦直接影响企业经营与创新服务能力,企业对数据资产的价值意识和管理能力也将决定未来新的竞争优势。

封面-2
出处:商业银行数据资产管理体系建设实践报告

在数字化转型期间,通过数据可以更全面地认知、更准确地把握商业银行的目标与方向。数据资产的多寡、好坏,采集、管理和使用能力的强弱亦直接影响企业经营与创新服务能力,企业对数据资产的价值意识和管理能力也将决定未来新的竞争优势。

为了让数据真正实现“竭尽所能”,商业银行需要积极构建数据的资产化能力,通过思维转变、体系建设、运营管理、平台实施来支持数据作为资产的快速形成、沉淀、增值和变现,促进银行内部将海量数据提炼为知识,赋能业务和管理、进行商业模式创新,提升数据对商业银行的贡献。

以下《商业银行数据资产管理体系怎么做?来看用“新四化”打造数据价值 I》后续内容:

管理法则: 四大法则厘清新要素背景,为崭新的数据资产管理框架制定 “游戏规则”

采集法则:资产化场景出发,遵行“合理合法、按需采集”的原则。

商业银行随着数据应用水平日益提升,对自身经营的认知、业务规律的探索以及未来趋势的判断也达到了一个全新的高度。数据资产的多少、采集能力的强弱,对业务支撑、管理决策的程度将直接影响商业银行经营与创新服务能力。虽然商业银行作为数据密集型企业,拥有海量的高价值数据,对数据资产的多来源、多样性采集意识某种意义上也将决定未来新的竞争优势,大有“得数据”就能“睥睨天下”之意。根据中国青年报社会调查中心联合问卷网关于数据过度采集的调查可以看出,近六成的受访者对于数据过度采集表示反对。因此我们建议以合理合法为原则,按需采集,通过数据外购、数据交换、数据合作扩大数据资产规模。

资产化过程中,通过数据资产价值评估,找出数据资产的价值分布情况,从资产化场景出发,以目标为导向监测数据资产的采集过程。对于空白领域,判断是否缺乏数据或者数据在“沉睡”中,这样可以使得数据采集变得更有针对性,也保证了我们采集数据资产的可用性。如果数据在“沉睡”,我们也可以通过监测定位后唤醒它。

总之,要做到数据资产采集和使用价值评估“两手抓”,不要盲目追求数据规模而沦为数据资产的附庸。采集个人信息,也应当告知采集的目的、信息来源和信息范围等,采集非公开的企业信用信息,应当取得企业同意,保护客户的合法权益。4

图 7 数据过度采集调查结果

价值法则:数据资产的挖掘、促活、变现

“资产”从来都离不开“价值”。数据资产的管理本质上就是数据资产价值的管理。数据资产价值评估从价值管理理念出发,提供了一个可靠的度量衡,按照“发掘——促活——变现”的路径,强化了数据资产管理的全面性、针对性和可行性。

数据资产价值评估主要包括内在价值、成本价值、业务价值、经济价值、市场价值五个维度。价值评估结果的展现方法包括划分价值等级、形成价值报告等。

银行可以从积累的海量数据中通过评估内在价值,识别高质量、高覆盖度、高可用性的数据集,作为后续加工、算法处理、共享、流通使用乃至产品化的基础原料。在这一步骤中,保证了对高质量数据资产的发掘和优先纳入。

在业务价值、经济价值的衡量过程中,数据资产价值评估与具体应用场景的业务衡量指标直接挂钩,并且通过多种测算方式计算数据资产对业务场景的贡献程度。通过这两个价值维度,可以直接架接数据资产与应用场景的桥梁,实现数据资产价值的直接转换。

在这一过程中,价值评估实现了三方面的促活:

  • 内生促活:通过价值评估结果,筛选出对业务场景价值高的数据资产,后续针对此部分数据资产进行针对性的运营促活,持续提升其价值。例如不断优化预测模型,提高预测的准确度;
  • 外扩促活:对高价值、高可用性的数据资产,可以考虑向其他场景进行推广,对其他应用场景进行提升,实现外扩型的价值增长。例如交易行为分析结果应用于营销、风控等多个场景;
  • 场景促活:在对全场景数据资产的价值进行分析后,识别适合发展的场景,并在此场景中积极开发利用各类数据资产,实现了应用场景的扩展。例如经过分析发现内部运营领域存在较多的数据分析需求,但目前行内未进行足够的投入。

对数据资产经济价值、市场价值评估的最终目的是希望可以获得公允的货币化计量结果,作为产品设计、交易定价、收益核算的起点,支持数据资产价值变现。

图 8 数据资产价值评估体系

使用法则:数据资产的价值是“数尽其用”

数据作为资产层面来讲,只有被最大限度地不断使用才能衍生或积聚更大的价值,这是数据成为资产的核心要求,而数据共享就是实现这一要求的最优途径。

数据共享:让数据资产“活”起来

进入共享经济,数据的所有权被使用权代替,交换价值被使用价值代替。数据使用权的让渡并不会导致数据的价值有所折损,反而因为数据使用权的不断流转使用让该数据所蕴含的内在价值获得传递、外溢、增值,实现数据快速产生价值及价值最大化。让数据共享起来,现下已经成为决定领先企业未来数字经济发展前景的关键。传统的数据应用,重技术,轻场景,甚至没有应用场景,封存起来的数据资产犹如无源之水,永远沉积没有活力。

数据是客观世界的测量与记录,需要在适当的场景应用中才能发挥出价值,就如同人在不同平台下其身价有天壤之别,合适的数据也需要找到合适的场景。如果有价值的场景复制给更多的数据消费者,那么数据的价值也就会随之倍增。每一个场景的落地,都是一个锚点,合适的场景是数据释放出价值的基础和土壤。

服务型数据资产的认定即场景创新,针对各类业务或管理中数据使用场景的痛点、难点,规划数据资产共享模式与方案,形成完整的数据资产服务与共享场景规划。既是鼓励业务多场景落地,也是鼓励更多主体参与数据资产建设。场景的突破和落地,才能真正实现数据要素产业的兴起,实现国家战略,引领时代浪潮。

隐私保护:文明社会基本共识

在共享使用数据的道路上必须面对的一个问题是数据隐私。随着国内《中华人民共和国网络安全法》5、《信息安全技术个人信息安全规范》6、《中华人民共和国民法典》7、《中华人民共和国个人信息保护法》8 等法律法规出台,对于厘清隐私保护的边界以及个人数据的归属权的问题,我们认为对隐私保护的理解可分为三个层级:第一层,自然人的姓名、身份证件号码、电话号码等敏感的身份信息是法律保护最高等级,任何人触犯都将受到刑事法律最严格的处罚,未经用户允许不得采集、使用和处置具有可识别性的身份信息;第二层,对于除个人身份信息之外的不可识别的数据信息,按照商业规则和惯例,以“合法性、正当性和必要性”的基本原则进行处理;第三层,明确个人数据所有权,保证客户充分享有对自己数据的控制权和处置权。9 厘清隐私保护的边界后,数据隐私保护还应覆盖数据全生命周期,包括数据收集、数据使用、数据共享和流通、公开披露、数据传输、客户权利、未成年人信息处理七个控制点。

图 9 数据资产隐私保护的主要环节

流通法则:权属确立,保证数据资产流通的唯一合法性

数据资产管理终极方向就是流通,流通则是把数据资产产品化,让产品所包含的交换价值、使用价值,可以被买卖、转让和使用。

对数据资产进行确权,是为了确保数据资产流通的唯一合法性,这样才有助于形成新的数据要素市场,开启新的财富活动,是数据要素市场化的前提。

目前约定俗成的规则是“谁采集,谁拥有”和“ 谁加工,谁拥有”,然而数据资产的“增、删、改、查”操作不受空间限制,存储、传输和应用也没有实际的信息损耗,再加上数据天然具有共享性质,导致数据资产权属关系边界模糊,出售和利用个人数据获利,侵犯用户数据权现象时有发生。

数据资产的确权机制还处于探索阶段,并逐步引起学术界和政策制定者的广泛关注。但是,对于数据权利和权属问题,显然认识还不统一,未能形成共识。目前法学界对于“数据权利与权属”的典型的观点有新人格权、知识产权、商业秘密和数据财产权四种。12

数据的权利体系是一种双层权利体系。底层是原始数据权利,顶层是合法的数据或数据集持有人或者控制人的数据财产权。目前数据权属仍停留在法律法规探讨层面,2020 年 5 月 28 日通过的《中华人民共和国民法典》已开始探讨数据资产的法律地位,未来各企业可以结合法律法规、司法案例库,探索企业内部的权属确立,促进数据资产价值获得最大限度的释放。同时,未来区块链技术利用数据溯源和记账的手段,也将为数据权属的确认和管理提供新思路。

结合数据资产用户、数据资产内容、资产化活动三方面,形成数据资产运营机制的闭环建设

相较于零售的概念,通过三大核心零售要素——人、货、场维持消费产业链供需两端的平衡,数据资产运营同样需要维持数据供给者和数据消费者的生态平衡,保
障数据资产化过程中涉及到的数据资产用户、数据资产内容、资产化活动能有效地被衔接和管理,构建链接数据资产用户和企业数据资产内容的“数据资产目
录”,确保各类数据资产在企业内部高效和准确地传递,最大化提高企业资产化运营效率。

具体来看 :

  • 人,数据资产用户运营 : 数据资产用户即数据消费群体,基于业务场景的需要提出数据消费需求,他们既是数据资产加工制造的促成者,也是数据资产的消费者。
  • 货,资产化内容运营 : 数据资产内容是数据资产价值链的核心,由资产分类、资产属性、资产血缘关系等一系列集合组成,构成数据资产运营管理的内容。
  • 场,资产活动运营 : 资产化活动是数据资产得以健康、持续运转的基础。资产化活动可以是物理存在的数据管理平台,亦或是数据资产生命周期管理的模板和工具,通过平台式的工具和能力,来规范流程监督、监管资源占用,提升资产化的效率等。

结合数据资产用户、数据资产内容、资产化活动三方面,形成数据资产运营机制的闭环建设,在数据资产生命周期的各个环节不断丰富供给和服务能力,逐步成为完整的数据资产运营体系。

图 10 数据资产运营支撑体系

数据资产用户运营:遵循用户诉求和期望,让数据资产被“用起来”

数据资产用户作为数据资产加工制造的促成者和消费者,他们走进数据资产库,是为了寻找和体验。数据资产用户运营需遵循用户的诉求和期望,通过运营优化的正向循环,让用户和数据资产的关系更加紧密,让数据资产真正为用户所需。

数据资产用户运营以用户为中心,运营工作围绕用户的获取、激活、留存来展开。

数据资产用户获取:数据资产用户的获取是数据资产的起点,在“数据要素市场化”的理念指导下,数据资产需要触达更多的个人和群体。与互联网 C 端用户的运营不同,企业数据资产的目标群体更加复杂,既包括企业内部的员工个体、部门群体、分公司和合作伙伴等,也需要满足不同种类客户的需求。因此,在数据资产用户的获取上,可以通过公司总体宣贯、企业门户网站、内部 OA 系统、合作伙伴网络等方式让更多目标群体关注到数据资产库;同时,需要通过一些手段唤醒用户的数据意识,例如充分嘉奖数据使用和创新的部门,设立企业“数据创新奖”。

数据资产用户激活:运营的一大目标是让数据资产被用起来,但往往在很多企业的情况中,数据资产因为无法被业务人员理解而被废弃。因此,数据资产用户的激活,需要从数据资产用户的角度来理解和呈现数据资产,让数据资产可见、可懂、可用。数据资产的可见,需要有一个通俗易懂的数据资产地图,以数据资产用户的理解方式来呈现地图。数据资产的可懂,所有的数据资产在命名和描述上,要以数据资产用户理解的方式来阐述。使用“信用卡精准营销”相比“营销 KNN 分类预测模型”更加容易被业务人员所理解。数据资产的可用,使用方法要简单快速,例如通过参数设置就可以快速适配数据资产的不同业务逻辑和要求,降低业务试错成本。

数据资产用户留存:让数据资产用户持续性的“使用”数据资产需要持续的创新和运营,可以通过设立创新数据社区等手段,鼓励数据资产用户贡献优秀实践,分享数据资产的使用心得。

图 11 数据资产用户运营

资产内容运营: 统一内容的语言和标准,让数据资产高效流转

企业的数据资产都将汇聚到数据资产库,各部门从数据资产库中可以寻找所需的数据资产,因此为了让数据资产能够在企业内部高效流转,需要通过一套数据资产目录,统一的标准语言,让数据资产用户对数据资产做到可见、可懂、可用。

数据资产目录是企业数据资产内容开放共享的目录化管理工具,是数据资产的“台账”信息,包括数据资产目录分类、数据资产属性及血缘关系等信息。

数据资产内容运营是以数据资产目录为抓手,通过制定一套资产属性标准规范,帮助用户快速定位与自己相关的数据资产,了解需使用的数据资产包含什么数据?分布在哪里?被谁使用过?也在一定程度上促进数据治理水平。

  • 数据资产目录分类定义:以场景为出发点,使用“业务场景全景图”作为数据资产目录的组织形式,为数据资产用户提供最佳的查询和搜索视角,也作为数据资产产生的“抓手”,从“业务场景全景图”中挖掘数据创新的空白区域。
  • 数据资产属性定义:定义服务型数据资产和基础型数据资产的基本信息和共同遵守的流程和规则,形成企业内部对数据资产的共同理解。
  • 数据资产血缘关系定义:建立服务型数据资产和基础型数据资产的关联关系,了解数据资产用了哪些数据,助力数据治理的持续推进。

图 12 数据资产内容运营

资产化活动运营: 寻求数据资产生态的供需平衡

数据资产的供方和需方之间数据生态的平衡依赖于数据资产化的运营。所谓数据资产的供方指的是数据的采集方、存储方、加工方;数据资产的需方指的则是数据的需求方、使用方。在大多数情况下,商业银行的科技部门作为数据供方的角色,为数据资产需方的各业务部门提供数据。数据资产供方希望依托先进的技术手段,发掘数据中所蕴藏的价值,但苦于不清楚如何做才能长期增值;数据资产需方一方面认可数据价值,一方面纠结于不知在哪里能够获取所需数据?数据是否可以拿来直接用?数据质量如何?而数据资产化运营是构建数据生态平衡的关键,通过建立数据资产运营体系,让数据资产在企业内被有效地共享使用,为后续对外的经营流通奠定基础。

如下图所示,数据资产化运营体系整体建设包括数据资产化运营模式、运营机制、运营能力和运营保障四个方面。数据资产化运营模式有两种,一种是服务于日常资产化工作的常态模式,以达到对数据资产的可知与可用;另一种是探索型的孵化模式,以数据赋能为目的,提供多样化的数据产品。确立数据资产化运营模式仅是数据资产化运营之旅的第一步,接下来还需建立数据资产收益分配的运营机制。将数据资产产生的价值,按照分配方案进行分配,激励数据资产供方和需方主动参与到数据资产化的进程中。

运营模式和运营机制在宏观上给出了工作的方针,在实际的工作中还需具备稳固资产规模、提升资产价值和保证运营效率的能力。这需要企业具备专业的数据资产化运营团队,建立职责清晰、保证运营质量的管理规范和实用高效的工作流程等保障机制。

图 13 数据资产化活动运营

“ 数据资产化并非数据价值创造的终点。留给企业的下一个话题,是要时刻保持对外部商业机会的灵敏度,思考数据资产化之后的新业务模式创新,从而为企业发展带来新机遇。”

需要思考的衍生问题:

– 如何形成企业自己的数据资产认定标准?
– 如何让企业的数据资产保值、增值和变现?
– 如何建立数据资产生态圈?

本文摘自《商业银行数据资产管理体系建设实践报告》,全文下载请点击链接:

通过上海浦东发展银行、IBM 和中国信息通信研究院的合作研究,着重探讨了商业银行数据资产化之路的核心关键问题,希望本报告的分析和观点,可以促进同业间的交流和知识共享。

一条评论

发条评论

你的电邮不会被公开。有*标记为必填。