随着监管升级，金融数据的治理之道成为业内热议的话题。金融机构该如何对大数据和人工智能进行风险管理？如何让科技创新更好的助力金融转型升级？

 

重庆富民银行行长孙中东日前应邀出席“智能风控系列学术研讨会”时分享了他对于银行业数据治理的真知灼见，以及新思路和新计划。
 

以下是重庆富民银行行长孙中东的演讲全文：

 

5月21日，中国银保监会正式发布了《银行业金融机构数据治理指引》。《指引》出台非常符合当前数据的问题，它的理论体系和方法论都符合现在主流的数据质量管理。它的原则是全覆盖、匹配性、持续性和有效性四个方面。从组织机构治理架构、数据管理，最主要是数据质量管理，价值实现和监督，从上到下组成了一个体系。银监会做的巴塞尔新资本协议，评判五大行+招行，主要看数据治理，分为流程、模型、数据和技术架构四个小组，专门到每个行评估检查，这一层面实行效果良好。《指引》有十大要点，包含全面覆盖、自上而下、战略清晰、牵头管控、源头治理、治用结合，制度健全、流程自动、持续监控和文化建设。

 

随着数据的重要性逐渐凸显，首席数据官CDO的概念逐渐清晰。 CDO的九大职能在监管的指引中都有包含。ING的CDO做得比较好，CDO牵头管控，指定数据战略，推动全行范围内数据的管理与使用；进行全行数据资产管理，实现数据价值创造；通过数据技术引领业务创新。ING的CDO对问题进行排序，最终形成可量化的价值图谱，找到“数据创造价值”的最佳切入点。

 

全球有三种常见的CDO职能设计模式。第一种是直接汇报给CIO。这种模式一般适合IT部门比较强势的企业，国内较少，银行IT比较权威性。第二种是跨职能汇报。CDO跟CIO是一种并行向下的关系，一般CIO相对较弱。第三种是直接汇报给CEO或COO。在这里CIO、CDO是平衡关系，完全是数据驱动的组织。以ING为例，CDO聚焦的重点是对企业数据战略最终负责；从治理和应用出发，致力于数据资产的价值最大化。而CIO聚焦的重点是对企业IT战略最终负责；从技术角度出发，为数据挖掘和分析提供工具和技术支持。

 

在大数据时代，有一条分析价值链。第一个是描述性分析，第二个是探索性分析，第三个是预测性分析，第四个知识图谱和机器学习。描述性分析包含各种报表和可视化图标，针对现状经营情况的描述，并在事后进行分析。探索性分析针对需要解决的问题或特定的目标，不断探索，深入分析问题的成因。预测性分析通过现有的数据和行为，揭示数据与行为之间的关联关系，了解事情发生的原因，以此预测未来可能发生的事情。知识图谱是指借助图计算技术，分析大量且复杂的关联关系并加以展现。

 

机器学习是指通过对数据和以往经验的提炼和总结，持续不断地优化模型精度和结果。探索性分析和预测性的分析在营销环节有很多应用，包括客户细分模型、客户提升预测模型、产品响应预测模型、流失预测与睡眠唤醒，还包括其他专题分析模型等。这些理论方法都是基于数据来做营销的方法，随着整个知识和技术体系的扩大，这些应用变得更加完备。

 

在数据人才培养方面，有以下观点：第一，要确保业务处于重要地位——企图通过采集大量数据来获取商业上的价值，将必定有极大地挫败感。不如将眼光专注于若干关键领域，然后决定哪些数据对解决问题有所帮助。第二，重要的不是有多少数据，而是如何使用数据，从数据分析中发现商业机会，并快速付诸行动，并以此改变企业的经营理念和方式。

 

成为一名优秀的数据分析专家，需要培养个人技能并不断拓宽业务领域。每一位优秀的分析专家都是独特的。不同类型的分析专家所使用的工具或算法可能有所不同，但优秀的分析专家会根据需求在不同领域之间自由徜徉。对于数据分析专家而言，既可以像IT人员一样做技术性工作，也能像商人一样动用商业头脑。分析专家是介于IT和专家之间很好的桥梁，业务部门与IT部门合作无间是成功的保障。

 

对于企业而言，平台、系统和工具的领先都是暂时的，竞争对手可以在短时间内进行复制。而人才、智慧和经验是难以复制的，这才是形成企业竞争优势的关键。