2023年1月4日，为进一步赋能数据要素价值释放，加强数据资产行业交流合作，由中国信息通信研究院、中国通信标准化协会指导，中国通信标准化协会大数据技术标准推进委员会（CCSA TC601）主办的第五届数据资产管理大会在线上召开。
会上，中电金信商业分析事业部总经理杜啸争先生进行了《源启数据资产管理平台助力金融机构加速数据资产化过程》的主题分享。
我是中电金信的杜啸争，今天很高兴有机会代表中电金信将我们在数据资产以及数据治理方面的一些思考和总结跟大家做一个分享。今天主要的内容包含：整个数据管理发展的趋势，我们的产品、白皮书以及我们产品的一些特点。
一．金融行业数据管理的发展历史
金融行业从2000年左右开始做相关的数据管理，从最早的数据仓库到后面的数据治理、数据应用，再到后面的大数据，到今天我们说数据管理已经迈入一个新的时代，我们把它总结成数据资产化时代，或者叫国产化时代。为什么有两个名字？数据资产化时代是因为我们知道，国家已经将数据作为生产要素和其他的生产要素并列，作为一个生产要素进行推广，所以我们说这是一个数据资产化时代。国产化时代，大家知道2018年之后，我们整体国产化趋势就非常明显，所以我们说在新的时代下，既是一个数据资产化时代，又是一个国产化的时代，这个时代的典型代表、典型特色有几个：
第一个是大规模，以前在数据平台，从以前国外的数据平台往国产的数据平台上迁移。第二个是数据资产评估，以及相关的数据资产的盘点等等，已经成为各个金融机构的重点工作之一。第三个是到今天为止，数据治理、数据分析已经迈入了一波新的趋势，整个数据治理体系已经从标准到工具，变成了以监管场景驱动式的数据治理来推进整个的数据治理的问题。这是我们看到的数据治理的发展趋势。
谈到数据管理的技术趋势和特点，左图是Gartner发布的2022年成熟度曲线，从这个曲线能看到，有一些重要的技术趋势，像Lakehouse、DataOps、Cloud Data Ecosystem、Data Fabric，以及Active Metadata Management。这些新的技术虽然很多是从海外的，或者说从欧美的一些技术应用趋势的情况总结出来，但是它同样适用于国内的情况，可能比欧美大概会晚1—2年左右的时间。
我们总结这几个趋势，我们认为有这么几个特点：
1. 数据管理技术云化是重要的趋势。这几年云原生是一个非常重要的趋势，而数据管理的技术其实在这几年我们看到逐渐的云化也是重要的趋势，以前是独立的，是隔离的，到今天整个基于企业云平台做技术实际是趋势。
2. 今天数据管理和AI已经进行了非常严密的绑定。以前讲数据管理是数据管理，AI是AI，但是今天通常讲AI一定会提到数据管理，数据管理也一定会作为一个重要的应用，也会提到AI，这两个技术实际上是深度绑定、互相促进的。AI也从以前的Data Centric的AI逐渐地往Model Centric AI的方式做相应的转变。
3. 跨平台管理和管控需求催生了业务或者技术部门需要快速地实现数据的接入和迭代，这就催生了DataOps的需求。
4. 数据平台逐步往第三代数据平台方式走，Gartner也定义成新一代的数据平台，就是Data Fabric架构的数据平台，这种架构技术平台最大的特点就是技术平台的进化和自演进的状态，也就是说数据平台不是说按照我们传统的方式，基于数据驱动的、基于技术驱动的方式从零逐渐地建，而是根据应用驱动的方式，利用主动元数据技术、知识图谱技术，根据访问的情况逐步地去完善相关的数据平台，形成数据平台的自进化过程。这是我们看到数据管理的整个趋势。
二．客户的管理热点
前面我们讲了相关的历史、讲了趋势，当前金融客户有哪些管理热点呢？我们把它分成了四个方向：
1. 组织架构。从去年年底到今年年初，人民银行和银保监会分别发了自己相关的数字化转型的规定之后，各个银行也都加速了自己的数字化转型进程，有一个明显的特点就是组织架构上的调整。从去年年底到今年年初，大的国有银行和股份制银行纷纷建立了自己的一级数据管理部，这是各个银行把以前在科技或者是在一些业务部门下头的数据，直接提为一级部门的大调整，这个调整背后的深层次原因实际上是希望有一个一级部门能够跨团队的推进整个银行的数字化转型，实现银行的，把以前的数据管理从成本中心往利润中心转化的过程。
2. 技术架构。刚才其实也提到了一些，从客户的情况我们了解到，今年客户都在做自己的迁移过程，但是整体的国产化迁移并不是一个单纯从平台到平台上的迁移，很多时候实际上是伴随着整个架构的进一步的迁移和演进。我们能看到一个新的架构，也就是说湖仓一体的架构是很多客户比较推崇的热点，很多客户伴随着迁移的项目，整体将原来的数据平台架构进行升级，从以前单纯只是分析的模式往既支持天然数据，又支持复杂加工分析的模式走，全面地支持湖仓一体。另外一个技术架构上，金融机构开始大批量地拥抱开源相关的技术，像以前的CK、Doris在互联网用得比较多的数据库，金融客户在某些场景上都开始去逐步地推广开来，这是我们说到的技术架构的特点。
3. 数据资产。数据资产有两个热点，第一个热点，数据资产的评估其实是各个行业现在都在探索的热点。去年像光大银行、浦发银行分别发了自己的白皮书，光大银行今年年底也进一步发了自己本身的数据资产评估的白皮书，可以说在同业里头已经做到了本身实践的先锋。这些我们认为对同业来讲有很好的借鉴意义，同业的客户也在逐渐摸索和完善自己的数据资产，并且进行相关的数据资产的盘点和评估。第二个热点是传统的数据管理和数据资产往往是作为中后台部门进行相关的管理，但是我们看到今天，企业架构建模和数据平台模型正在进行逐步的打通，数据管理部门从以前的中后台部门逐渐往前台部门走，逐渐地在前端的企业架构建模时就会考虑到本身的数据模型的设计，一套企业级模型既支持应用模型，又支持数据管理模型，这是我们看到的一个重要的特点。
4. 数据安全。去年《数据安全法》上规定了很多数据安全分级分类的要求，随着一些新技术的出现，比如说隐私计算，它在一定程度上解决了数据的可用不可见的问题，这些都促进金融机构在全力推进本身数据安全的解决方案和相关的应用。这是我们看到的一个热点。
前面我们讲了整个数据管理的发展历史、技术趋势以及客户的热点。金融的很多客户其实也有很多的痛点，这些其实对我们来讲也是非常重要的输入。
三．金融客户数据管理痛点
我们简单总结成如下四个方向：
1. 数据管理。大家都知道，银行的数据管理体系是逐步建立的，大部分银行的数据都散落在不同的数据管理部门，但是今天我们成立了这种一级管理部，要去管理全行的数据管理平台和数据资产的时候，这时候就会出现很大的挑战，数据管理部门没有那么大的精力来管理所有的平台，这是第一个痛点。
2. 数据需求的多样化。数据需求的多样化就导致了数据需求的管理方式也很多样化，如何能够让后续的数据需求能够不断地进行迭代，如何能够根据数据需求的多样来去快速地构建新的平台，来全面满足支持它的应用，这是一个很大的挑战。
3. 数据治理。到今天为止数据治理已经走到了第三波，第一波主要是数据标准，第二波是数据产品，第三波是以监管或者是其他场景为驱动的数据治理的方式。但是我们同时也能看到，数据治理已经不能单纯地从中后台“头痛医头、脚痛医脚”的方式走，我们需要从源头来推进数据治理，但是如何来做？它的抓手在哪里？这是很大的挑战。
4. 数据的价值评估。数据作为生产要素，要实现相关的数据资产化，进行数据资产的交易，前提是要进行数据资产的盘点和估值，如何进行一个准确的估值？如何能够有一个公允的价值出来？这是很难做的事情，而这也是面临的第四个挑战。
四．源启数据资产管理平台
可以说这些挑战其实都是目前金融机构面临的很大的痛点。基于前面的趋势、热点以及痛点，中电金信推出了我们自己的源启数据资产管理平台，源启数据资产管理平台的重点目标就是解决前面我们说到的痛点。这里头包含了数据湖管理平台、数据集成平台、数据开发平台、数据管控平台、数据服务平台以及数据资产运营平台。
第一个特点，我们的一体化开发平台基于DataOps的理念，以元数据为驱动，从需求到模型、再到调度，再到数据和审批，它能够去解决我们说的多平台的关系，它也做了多平台的适配。
第二个特点，我们的数据治理平台，我们是以元数据为基础，以数据标准为依据，通过我们本身的数据质量的检查以及内置的数据质量的规则，来实现全行数据资产一张图的过程，帮助数据管理部门实现快速的数据抓手。而我们的数据集成平台和数据服务平台是解决我们数据快速地采集以及多方式应用的问题，我们可以用文本的方式、报表的方式、多维的方式以及消息的方式来全面地满足相关的需求。而我们的数据资产运营平台是协助客户实现资产的确权、定价、处置、服务等等相关的内容。可以说每一个模块都是一个独立的模块，它们组合在一起，帮助客户来解决整个数据从采集、处理，组件式和原有的组件进行结合的特点，又能满足中小客户端到端的特点。
第三个特点，我们具有多平台适配、开放的特点，我们本身是基于中国电子的PKS体系，本身的基因就是国产化的特点，但是同时我们也不是一个封闭的体系，我们已经适配了市场上主流的数据库平台、调度平台、交换平台，以及相关的中间件的平台，可以说我们既具有本身的国产适配，又具有开放的特点。
最后，我们是全面满足云原生，因为数据资产管理平台，我们实际上是中电金信整个源启平台的一部分，而源启平台本身就是全面的云原生架构，我们作为其中重要的模块，其实我们自己本身也是完全满足云原生的架构，这是源启数据资产平台的几个特点。
到今天的客户，其实你仅仅给他产品，很多时候也很难满足客户的全面需求，所以我们又推出了“1+2+3”数据资产咨询体系，我们通过这样的咨询体系，能够帮助客户，一方面能告诉客户你应该怎么做，第二，能够给客户推出相关的产品，帮助他完成相关的目标。中电金信的“1+2+3”产品实际上是指一个管理平台解决相关的数据在线化和电子化的问题，两套体系，一套是数据安全合规体系，一个是数据资产运营体系，我们说三个职能就是我们说到的数据资源化、数据资产化、资产价值化的三个职能。通过“1+2+3”的体系，我们可以从整个数据的规划、数据的发展、数据的落地以及整个的数据管理提供端到端的解决方案。
同时，根据我们多年的经验，将我们之前的整体团队的一些能力进行了很好的总结和沉淀，我们在12月中旬发布了《数据治理白皮书》，这个白皮书一方面总结了我们之前在整个实施和咨询过程中碰到的一些问题以及我们建议的一些经验，另一方面，我们对于各种不同的类型客户给出了整个数据治理工作推进的方法，寻找相关的数据治理的抓手，最后我们能够给出整个对于数据治理未来的趋势的预判，这个也欢迎大家去下载相关的内容。
前面发布了我们的数据资产平台以及《数据治理白皮书》，和我们的“1+2+3”数据治理的咨询体系，通过这样的工作我们能给业务团队带来什么样的业务价值呢？重点是从四方面：
1.通过数据驱动的方式来反向推动整个业务的发展。今天的数字化转型很多时候是思维的转型，而思维的转型很多依赖于大批量的数据支撑和辅助决策，一个良好的数据治理体系和数据治理质量很好的平台，通过数据驱动的方式，能够帮助业务，能够推动整个的数字化转型。
2.通过相关的数据资产管理平台，可以快速构建面向不同的业务对象的相关的中台，包括客户中台、风险中台、财务中台和监管中台，通过这些中台的构建能够帮助企业解决相关的数字化转型过程中对数据的相关的快速需求。
3.实现数据资产化。今天各个企业其实是走到了一个发展的关键节点，而数据作为一个重要的生产要素，如何能够把数据转化成资产？如何能够帮助业务实现数据资产化过程，实际上是帮助企业寻找第二增长曲线的过程。所以我们说第三个业务价值就是助力企业实现它的第二增长曲线。
4.通过相关的数据服务平台，我们能够以不同模式的支持方式来解决用户的取数难、获取数据时间久的问题。
通过这四个角度，我们的数据资产平台和数据资产的咨询能够协助业务进行快速的数字化转型，解决业务数据化和数据业务化的过程。
接下来分享两个例子：
案例一：这是我们跟某国有大行做的新一代数据中台体系，大家通过这个例子可以看到，整体的过程全部用的是中电金信的数据资产管理平台。从数据的采集到应用全部在用中电金信的产品，同时我们打造的是一个湖仓一体的架构，满足数据的快速接入以及快速接出的问题，同时我们通过数据资产的模块实现了全行的数据一张图，通过本身的数据迁移工具实现了一键迁移，这些都能够帮助客户快速地去构建他自己的中台体系。
案例二：我们给某头部城商行，利用中电金信的数据资产工具打造整个数据资产管理平台。大家也可以看到，最左边是某头部城商行面临的现状，包含了数据比较杂乱、数据孤岛、流通效率比较低等问题，而且很多是依靠人工输入，通过整个数据资产的管理平台，我们和业务一起进行了整个数据资产的盘点，通过资产的盘点来反向推进相关的数据治理工作，解决数据质量的问题，同时我们将企业架构建模和整个的数据平台的模型设计结合起来，形成一套企业级的模型，既支持应用模型，也支持数据模型的过程，这样就能够很好地实现数据的统一。最后实际上是进行了整个资产的集中管理。通过中电金信的数据资产平台，这家银行快速地实现了资产的统一化、建模的一致化等功能，快速地帮助实现了银行的数字化转型。
最后我们再花2分钟时间简单介绍一下中电金信以及中电金信的数据团队，中电金信已经连续5年是整个IDC银行解决方案市场的第一名，我们是基于中国电子的金融级数字底座源启的产品，全面支持金融机构所有的应用，包含了四个方向，包含了数字化的业务，像核心互联网银行等等，数字化的营销，像CRM、权益、智能投顾等等，数字化的风控，包含了巴塞尔的整个体系以及内部风险管理，以及数字化的运营，像管驾、财务管理、绩效管理等等内容。在整个IDC的23个细分解决方案市场中，我们有12个位列三甲，其中5个是整个市场排名第一位的。
中电金信的大数据团队目前有6000多人，也是基于源启的金融级数字底座，主要业务包括数据平台类的业务、数据应用类的业务、数据服务类的业务以及相关的数据咨询类，像数据架构、数据模型、数据资产管理等等的一些内容。可以说整个的中电金信的大数据团队是目前整个金融机构里面，团队规模最大、专业能力最强、创新性最强，以及合作生态最广的一个团队。我们基于数据资产平台以及我们的“1+2+3”的数据治理的咨询体系，基于中电金信强大的大数据团队的能力，我们和我们的金融客户一起推进全行的数字化转型工作。
谢谢大家！
