数字经济时代数据成为经济主体的核心资产，银行又具有极强的数据属性，因此数据资产管理就成为银行业金融机构必须关注的重点工作。然而，尽管一些银行业机构在数据治理方面进行了大规模投入，包括但不限于：
◆在组织架构方面，成立专门的数据资产管理部或在信息科技部下设专门进行数据资产管理的二级部门；
◆在数据治理动作层面开展包括数据质量治理、元数据治理、主数据治理、基础数据治理等相关工作；
◆在系统和平台建设方面启动很多数据管理相关项目，包括数据仓库、数据中台、指标管理平台及数据资产管理平台等。
但即使是这样，银行业务人员仍很少认可自家机构的数据资产管理工作，不仅很少因数据资产管理而感受到自身工作的优化，甚至会还满是抱怨——数据不准、不全、不及时、对工作没有帮助等。
为什么在数据资产管理工作上投入与收获差距如此之大，怎样才算管好了数据资产，如何才能管好数据资产，就成为每个银行决策者和数据相关工作人员的共同问题。
一、问题出在哪里
虽然经历了银行在数据资产管理方面的重点投入，在科技系统平台、技术能力储备、数据标准化等方面已经有了一定的基础，但距离真正管好数据资产至少在以下三个方面还存在问题，这些问题共同导致了银行数据资产管理工作成果在经营管理中毫无存在感。
1.认知有待提升
（1）数据资产认知需进一步厘清。数据资产并不等同于一般所认识的数据。一方面散落在各类系统中的零散数据并不能称为数据资产，另一方面并不仅限于如存款金额、贷款金额这样的结构化数据才能成为资产。从数据资产的根本出发，数据资产是能够产生价值的数据，而且进行主动管理和有效控制是数据资产形成的前提条件。因此，数据资产管理应对全部可产生价值的数据进行主动管理和有效控制，其中既包括传统认知的财务数据、客户数据、外部数据等，也包括如模型算法、场景解决方案、产品设计方案等知识层面的数据，还包括如管理制度、流程文档、研究报告等管理运营相关的数据。这些数据都可以在自身经营管理升级及不同主体的差异化而导致的需求方面形成价值释放。
（2）对数据资产管理工作的定位有待修正。由于数据资产管理需要大量的系统支持，所以多将数据资产管理人员定位为后台科技人员，也将数据管理部设为信息科技部二级部或从信息科技部单列出来，岗位责任也多为后台数据支持。然而数据资产管理工作不是简单的提数、取数工作，而是应对全行数据资产进行运营、管理，覆盖数据资产全生命周期，有效赋能价值释放，形成业务价值、运营管理价值及后续可能产生的交易价值。
覆盖数据全生命周期的数据资产管理工作应从经营管理单位产生数据开始，经历技术性较强的数据获取、存储、分析、资产化，又回到经营管理和决策层面进行资产价值释放。因此，覆盖数据资产全生命周期的管理工作内容和岗位职责，不能局限于定位为科技工作的组成部分，而应该贯穿银行前中后台，成为业务条线与科技条线之间链接的催化剂和银行整体数字化升级的润滑剂。
2.管理体系有待完善
现阶段对数据资产的管理仍停留在数据管理层面，多以标准、制度等规范管理流程、提升数据准确性为目标，针对科技系统内数据进行管控，以是否发生数据报送错误、系统数据加工是否符合标准为考核主旨。但数据资产管理不能仅限于此，管理内容和考核方式都亟待升级。
数据资产与传统资产一样，要在流转、交易和使用中才能充分体现其价值，在宏观层面国家就极力推动数据资产交易市场的成立就是为了催化数据资产的价值呈现。虽然在成立跨主体交易市场方面数据资产仍面临如权属界定、价值评估等问题，但在银行内部对数据资产流转及增值进行跟踪评估完全不存在相应问题，因此应通过跟踪数据资产全生命周期的流转、应用进行价值评估考核，有效推动数据资产管理体系完善。
3.未能有效赋能应用
银行数据资产最终价值可体现在内部促进业务发展、运营降本增效等方面，在外部则可体现为通过交易进行变现。但现在外部数据资产交易市场仍不健全，所以银行数据资产管理的价值必须通过内部的业务提升和运营提效来进行释放。
经过数据治理，现阶段银行的数据体系更完整，数据在完整度、准确度、加工效率等方面得到了提升，但在经营管理的数据需求层面并没有跨越式发展，虽然调用效率有所提升但数据模型、数据挖掘及数据综合应用等方面均未形成根本性变化。而且需要关注的是，在数据资产赋能业务方面往往银行自身业务条线缺乏研究探索能力，市场上的金融科技公司又缺乏金融业务实战经验，因此尚未完成数据治理的机构则需迅速投入，完成从数据到数据资产的管控环节，尽快实现通过数据资产促进银行整体价值提升；已经形成数据治理体系的银行则需将弥补从数据资产形成到有效赋能业务发展的空白作为后续工作的重要方向。提升自身数据资产管理能力，寻找兼具数据治理能力和金融业务实践经验的生态合作伙伴是有效落地数据资产管理工作升级的当务之急。
二、如何应对挑战
首先，从资产本意出发——资产是指由企业过去的交易或事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源，我们可以明确数据资产管理工作的第一目标就是让数据给企业带来经济利益，否则就不能称之为“资产”。因此是否能有效释放数据资产价值就成为是否达成“管好”目标的最关键衡量标准。
现阶段在跨主体进行数据资产交易仍存在一定障碍的情况下，要释放数据资产价值就必须从通过数据资产管理赋能业务发展和企业运营增效的角度入手，将数据资产有效应用到经营管理动作当中，实现经营管理突破性升级。
1.重塑数据资产管理架构
（1）扩大数据资产管理范围。在银行内部将数据资产的定义范围从传统基础数据、指标数据、外部数据等层面扩展开来，进一步覆盖如模型算法、产品设计方案、场景解决方案、流程制度规范等，将如知识库、办公系统等数据也有序纳入数据资产管理范围，进行全面规划，完成全行数据资产梳理并构建智能模型进行价值发掘。数据资产管理部门应对以上全范围的数据进行资产化并统一规划和运营，进而有效赋能业务创新升级和管理运营降本增效，促进银行价值提升。
（2）数据资产管理组织架构需优化。数据资产管理的责任部门不能仅定位为后台技术部门，一是在组织架构方面应根据银行主体特征，形成数据资产管理部门向各数据需求部门的派驻机制或数据需求部门的数据管理人员双向汇报机制。相应派驻人员可承担数据资产管理和数字化升级统筹等责任，推动战略有效落地。
通过这样的组织架构设计将数据管理与日常经营融合在一起，使得数据资产管理工作更加贴合经营部门需要，能够从实际需求出发有效释放数据资产价值，实现数据资产管理与全行数字化转型融为一体，形成经营管理活动积累数据——信息科技加工形成资产——数据资产支持经营管理升级的价值闭环。
图1 数据资产管理职能派驻型组织架构
在银行内部数据资产管理及构建相关考核体系，可采用非货币模式对数据采集、开发、管理等工作价值进行考核追踪，比照内部资金定价的模式对数据资产进行管理，由数据资产管理部门对各经营主体在数据资产管理方面的人力、物力投入及采集的数据量、采集数据使用频度、调用数据量等指标进行统计，并将将数据资产管理与经营管理工作进行质效分析，有效评估数据资产价值，提升数据管理和使用方面的积极性，促进数据治理及数据资产流转使用，最大化数据资产价值发挥。
图2 数据资产管理全周期跟踪考核
2.升级数据资产管理逻辑
数据从形成资源、资产、到服务经营管理体现自身价值，其管理服务流程如下图所示。在传统数据资产管理模式中管理动作从左至右推动，从资源、资产方面出发，但很多情况下最终只能达到取数更准确、数据加工效率更高等层级的目标，无法真正实现数据资产价值，也无法体现数据资产管理工作的意义和重要性。
图3 数据价值生成逻辑
通过前述数据资产管理架构升级，推动数据资产管理工作与银行数字化转型在组织架构及管理方面有效融合，同时为将数据资产管理效果达到最优，释放数据资产价值，数据资产管理工作应从价值端直接发力，即在明确业务战略、科技战略的同时全面规划数据资产管理工作，明确资源投入、责任体系、分工流程、系统能力等，进而实现图3中从右至左的数据资产管理逻辑，以数据资产需求反推管理动作，全面升级数据资产管理理念，攻克数据资产管理未能有效赋能应用的问题。
经营管理数字化与数据资产管理同步规划、明确需求，一方面可通过数据资产管理工作有效支持因经营管理模式升级而新增的数据资产需求；另一方面也可通过数据资产管理的专业能力引导数字化过程中对数据的应用，通过数据层面的能力适配有效促进经营管理升级，既解决传统需求中取数用数的痛点，也能够进一步前瞻经营管理数字化对数据资产的需求，推动数据资产管理工作战略蓝图成功落地。只有这样的数据资产管理工作才能沿着正确的道路前进，进而实现数据资产价值最大化。
在数字化过程中，数据管理工作可以起到拉通业务与技术的作用。数字化科技建设工作通过积累和呈现有用的数据支持经营管理提质增效，经营管理活动为数字科技提供数据支持并通过经营管理实践变现数据资产价值，因此数据资产管理是技术条线与业务条线最有效的沟通节点。在数据资产全生命周期管理中同步支持和引领整个经营管理的数字化升级可进一步体现数据资产管理工作的重要意义。
三、以零售银行营销管理为例
零售银行是以自然人、家庭或小微企业为服务对象的银行业务。该业务助力人民生活品质提升、服务人们的金融需求，是银行业务重要的组成部分。零售银行户群体具有需求逻辑相对统一、场景规划性强等特点，因此在新需求、新挑战驱动的数字化转型中多以零售银行作为先行先试的速赢条线。以神州信息全体系零售银行触客营销解决方案为例，对数据资产管理工作按照新逻辑进行捋顺，实现业务实践与数据资产管理同步升级。
（1）规划零售银行营销数字化升级路线。零售银行营销数字化需适应线上线下相融合的数字经济时代营销模式需求，克服传统零售银行对客户理解不深、细分客群待优化，产品智能化水平不高，用户触达难、留存难，客户经营策略不完善，无标准化营销管理体系，营销内容亟需优化等问题。神州信息以轻咨询模式为零售银行数字化进行知识和经验传递，规划集客户触达、敏捷营销、高效管理于一体的数字化营销体系，满足精准洞察、实时感知、多维触达、定制策略、智能监控为一体的零售银行营销数字化要求。
（2）设计零售银行营销数字化平台架构。零售银行营销数字化应构建系统能力，形成全新的营销模式。信息化系统架构应包括：营销执行层负责渠道智能路由，形成多渠道、立体化营销触达；营销管理层负责全营销流程支持、活动管理、活动审批及营销效果评估等；营销引擎算法层，负责不同模式下营销引擎驱动及规则库支持；零售银行营销中台，负责营销能力组件沉淀及数据资源管理、策略支持等。
图4 新零售银行营销系统架构
系统架构设计中应充分结合银行自身属性，明确业务条线需求及数字技术基础，进行针对性体系建设，避免系统异构等问题，形成充分解耦、模块化的科技能力体系，支持零售银行数字化升级实践。
与平台架构同步形成具有针对性的数据资产管理规划。规划中应明确零售营销数字化的数据需求，包括内外部数据、数据加工服务能力、系统平台建设需求等。进而根据相关需求形成数据系统架构、资源投入规划、人员能力体系设计及数据资产体系建设路径等方面的战略规划，进而在数据资源层面实现数据的准确、实时、安全，在数据资产层面实现零售银行营销需求数据的聚合、服务。
（3）在战略执行环节。针对零售银行营销需求落实相关数据采集、开发、治理、分享等动作，有效落地数据资产管理逻辑及管理体系，明确针对零售银行营销数字化需求组织客户信息数据、产品数据、权益情况数据、标签数据、素材数据、策略数据等，通过敏捷、高效的数据资产管理提升零售银行营销能力，在客户触达、转化、留存、运营成本等全方面实现优化，有效释放数据资产价值，完成零售银行营销动作的数字化升级战略目标。
根据该例证可发现，通过从业务价值反推成数据资产管理相关动作，设计数据架构，明确组织模式、制度规范、系统需求，进而有效落地实施，促进后续数据资产管理工作的价值体现。从银行发展的视角真正“管好”数据资产，并为全社会层面的数据资产流转等提供实践参考。
四、总结
是否能够从经营管理需求出发是数据资产管理工作成效显著性的决定性因素，如果数据资产管理工作无法取得成效则很可能造成整个数字化转型成为无源之水、无本之木。因此，在银行推动数字化转型的过程中，将数据资产管理工作打造成经营管理条线与科技条线之间沟通协作的连接器，数据资产管理岗位深入经营管理一线，优化数据资产管理工作组织架构及逻辑，使得数据资产管理能够从全行数字化转型总体设计出发，解码落地数字化战略需求，与系统架构、应用架构、业务架构同步完成数据架构设计，细化数据资产需求，落地数据资产全生命周期管理工作，才能够最大化数据资产价值，达成数据资产管理目标。
数据资产管理工作目前仍是具有探索性和需要全面的金融科技能力才能够有效支撑的工作，在升级数据资产管理工作的过程中需要将架构规划、需求分析、数据治理、制度体系建设、系统开发有机结合起来，形成一体化解决方案，将数据资产管理与数字化升级全面融合。因此，在数据资产管理工作开展过程中，一方面需要银行业金融机构自身高度重视，通过人才引入和团队培养构建能力基础，同时也需要具备数字化升级和数据资产服务能力的生态合作伙伴为银行提供全体系能力支持，补充银行在转型经验和业技融合方面的弱项，共同推动数据资产价值释放，打造数字经济时代银行全新的价值体系。
↓↓了解更多资讯，请识别下方二维码↓↓
国脉集团是数据资产化先锋企业，主要提供培训、咨询和产品设计服务。为数据资源拥有者提供专业、规范、合规的全流程资产化服务，提升机构数据管理服务能力，实现数据资源价值最大化。运用最先进的培训理念方法和平台工具提供高绩效培训服务。研发“一头一体两翼”企业数据资产化咨询服务方法论，提升数据资产化战略设计、就绪度评估与咨询、入表和产品化全流程咨询服务。基于战略思维和实操需求研发“易”系列产品，并与数源方合作研发系列数据产品。 主要课程包括数据资产入表、数据经纪人、公共数据运营和政府CDO、数据精品等精品课程。 主要产品：数据易投、数据易贷、数据易保、数据易售。
联系我们请点击：
数邦客
