編者按：本文結合基層央行金融數據使用現狀，提出了筆者對于基層央行金融數據標準化在工作目標等方面的相關建議。

　　行業背景：隨著移動互聯網、大數據、云計算、人工智能等新技術的快速發展，金融業務與信息技術深度融合，金融業務朝著集約化、自動化、流程化、智能化不斷推進。金融監管應當適應時代潮流變化，緊跟金融創新步伐，不斷改進監管和服務方式。中國人民銀行范一飛副行長提出，要深刻領會習近平總書記在第二屆世界互聯網大會上關于推進“數字中國”建設的指示精神，以解決問題、滿足需求為導向，加快架構轉型，建設數字央行。其中提出構建以大數據為支撐的央行決策平臺，以云計算、大數據技術為基礎，全面系統地梳理數據資源，分析海量數據之間的邏輯關系和層次結構，探索建立中央銀行的大數據標準體系，建立金融大數據分析平臺，為人民銀行數據共享、綜合分析以及宏觀決策做好支撐，通過大數據提升宏觀決策的精準性和時效性。基層央行應全面系統地開展數據治理，探索建立金融數據標準化體系，為央行數據共享、綜合分析和宏觀決策提供有力的支撐。

基層央行金融數據現狀

　　1.指標口徑不一，數據控制力不足

　　基層央行金融數據來源多種多樣，涉及到眾多業務數據，如統計、貨幣、信貸、支付、反洗錢等。通過各個業務采集到的金融數據有共性數據，也有個性數據。針對于共性數據來說，指標統計口徑往往不一，缺乏統一的定義，完全憑借業務的需要來提取。數據提取的途徑和方式也大相徑庭，有通過系統直接導出的，有依賴于業務人員處理報送的，數據采集的效率較低。加之數據層層上報，任何一個階段的疏忽都可能造成采集數據的失真，數據的準確性難以保證，導致數據質量的控制能力不足。

　　2.統計結果不準，分析依據性不足

　　基層央行采集到的各類金融數據，大部分為匯總數據，進行了多次加工，這些經過處理的數據可以描述為統計結果。統計結果的來源無法進行追溯，各來源的統計結果也無法進行校驗，統計數據的結果依賴報送人員、業務人員以及科技人員等多方面人員的通力協作，影響統計結果的人為因素較大，因此無法保證采集到的統計結果的準確性和唯一性。這些統計結果對于業務部門來說失去了所期望的價值，將直接導致借助于這些統計結果進行數據深度分析和數據深度挖掘的依據不足。

　　3.數據粒度不細，分析關聯度不足

　　基層央行金融數據采集的粒度不細、維度不廣，采集到的數據主要是某個時間節點的存量數據或者狀態信息。粗粒度的數據不夠微觀，數據的分析模式相對固定，無法對數據按時間、地域、行業等不同維度進行分析比較，因此難以進一步進行更深層次的微觀分析。有時業務部門針對特定的調研需求臨時進行數據的采集，這樣采集到的數據往往只具備臨時性，無法與歷史數據進行關聯。各業務口徑采集的數據具備業務獨立性，部門間數據難以共享，數據孤島問題嚴重，采集的數據不能統一重復利用，無法支持各采集數據之間的因果影響、相關性關系、聚類等多個維度的數據分析，導致業務條線間的關聯分析能力不足。

　　4.數據匯總滯后，前瞻預測性不足

　　基層央行金融數據采集的時效性較低，采集流程繁雜，經過層層審批、處理、匯總，數據采集的時間嚴重滯后。各業務條線在各自統計、分析、研究過程中只能依靠采集到的匯總數據，從自身業務角度出發，無法掌握這些匯總數據之后的源數據信息，各業務條線的研究缺乏統籌全局的視角。因此，基于這些事后匯總數據，央行無法利用積累的大量歷史數據推測出事件發生的規律，并對當前的金融市場進行有效的前瞻性預測，導致數據的預測性分析能力不足。

基層央行金融數據標準化工作目標

　　1.打破數據壁壘，貫通業務數據

　　加快金融數據標準化工作進程，改進業務處理方式和模式，將傳統的手工處理方式向全信息化的處理方式進行轉變，將手工或半手工業務數據采集模式轉換為電子化的“大數據”采集模式。構建完善的金融數據標準化體系，建立有效的數據共享和數據清理機制，逐步改變各業務條線對業務數據分而治之的局面，逐步改變數據孤島現狀，打破業務交互壁壘，加快分散數據的整合力度。以實現各業務條線間建立統一的標準化指標體系和源數據接口規范，全量業務數據的共享利用。

　　2.細化數據粒度，建立數據集市

　　進一步細化各業務數據采集粒度，使數據由匯總指標向逐筆明細指標轉變，由多點報送向集中數據報送轉變，實現從宏觀數據到微觀數據的全面掌握，建立實時數據與歷史數據之間的關聯關系，增強金融交易透明度，提高數據統計質量。隨著各類數據的處理、管理和交換進一步集中，數據共享渠道的進一步暢通，業務關聯性的進一步緊密，全量數據的進一步細化，通過數據自動化采集功能，實現央行辦公類、資金類、業務類等重要金融數據的大數據倉庫的建設。

　　3.統一數據管理，智能分析決策

　　深度挖掘一手的業務交易數據，建立和完善央行現場和非現場監管模型，實施央行調控手段的規范化管理。運用大數據開展風險防控，動態跟蹤、管理資金流的異常監測，降低社會融資成本，實現精準扶貧，發展普惠金融等方面的智能化處理。對市場未來的發展方向，以及調控政策制定后的預期效果進行有效預測，幫助制定科學的調控政策，真正實現調控目的，有效引領金融市場健康有序發展。通過結合各類相關信息，有助于發現非法融資、電信詐騙等一系列關系社會民生的風險，幫助維護金融環境和社會穩定。

基層央行金融數據標準化工作建議

　　1.提高認識，構建組織架構

　　金融數據標準化工作是一項需要長期堅持探索創新的持續性工作，應當提高對該項工作的認識，構建相應的組織架構。有效的組織架構是金融數據標準化建設的首要前提，建立強有力的跨部門協調決策機制是金融數據標準化建設的根本保障。

　　2.完善制度，制定接口規范

　　金融數據標準化工作應當建立在出臺完善的規章制度和數據接口規范的基礎之上，通過制度規定數據提取的范圍，依據接口規范明確數據提取的形式和格式。二者相輔相成，缺一不可。只有在制度的保障和數據接口的規范下，才能推動金融數據的采集，保證采集數據的質量。

　　3.防范風險，形成安全機制

　　數據安全是金融數據標準化工作的底線，在數據的采集、傳輸、處理的過程中，應采取行之有效的安全措施，嚴防數據外泄。在數據共享、使用的過程中應當明確用戶的權限范圍，避免數據被濫用。金融數據標準化工作的前提是建立完善的安全管理制度，制定全面有效的安全管理機制，在積極推動金融數據標準化工作的同時，還應防范各類風險，有力地保障數據合法合規的應用。

　　4.加強培訓，建立人才隊伍

　　金融數據標準化工作是基層央行信息化建設的新課題，從事標準化工作的人才儲備普遍不足。借助金融數據標準化工作實施的過程，大力培養一支有資質、有能力、作風優良的復合型人才隊伍，對于長效發揮海量數據的寶貴價值至關重要。數據的價值在于應用，應用的提出和實現需要相應的人才積累。有了充分的人才積累，金融數據標準化工作才能步步搶占先機，不受制于人。

　　基層央行應從履職戰略高度來認識金融數據標準化工作的意義，大力推動數據標準化工作的開展。建立有效的數據共享機制，建設以大數據為支撐的宏觀調控與監管體系信息系統，推動各部門各系統中的分散數據的逐步整合。形成金融數據標準化工作機制，加強數據規范化和信息資源整合度，逐步體現金融數據在提高宏觀調控水平、強化金融監管效能、推進社會信用體系建設、提升反洗錢監管能力和加強金融精準服務能力等方面的重要作用。

（文章來源：金融電子化雜志）

掃碼即可手機
閱讀轉發此文