如何加强金融数据治理？如何推进金融科技变革？(2)

　　拥抱数字化与新技术是银行业的一个重要选项，只有充分利用数字金融手段，才更有可能找到新增长点与新赛道。以银行业数据治理为例，推进数据治理还需要充分考虑内部和外部的改革重点。

　　国家金融与发展实验室副主任杨涛表示，一方面，银行业机构完善数据治理可关注一些重点举措。一是完善机制。银行数据治理是一项系统性的工程，战略要先行。二是技术驱动。数据治理本质上是管理与技术的相结合，因此既需要充分关注各细分领域，更需要把数据治理与新技术应用广泛融合在一起，真正发挥新技术带来的“正效应”。三是助力业务。优化数据治理和应用，有助于打破金融科技场景落地的难题，缓解技术和业务“两张皮”的问题。

　　另一方面，还需探索完善银行业数据治理的外部环境保障，推动数据治理的规则完善。例如，从数据要素在整个社会再生产中发挥作用来说，离不开数据生产、交换、分配、消费等环节，作为重要起点就需要考虑数据要素确权问题。再如，个人信息保护、国家安全信息保护等问题，也始终贯彻在数据应用中。

　　未来，金融业加快数据治理是大趋势，金融业需要从多方面统筹把握、有序推进，尤其是数据治理成本投入问题。中国民生银行数据管理部总经理沈志勇表示，技术的最终目的是为经济性服务，数据治理形成的分工体现了经济性。主数据治理、数据架构等数据治理的具体工作也都是为长远经济性服务，帮助实现资源的优化配置。在执行数据治理的过程中，要注意衡量局部与整体、短期和长远的投入与产出。金融科技是金融和科技两个专业领域的双向奔赴，当前已经达到互相了解和协同的程度，未来金融和科技将实现更加深度地融合、更加地一体化。

　　守住安全底线

　　在金融数字化浪潮下，大模型的发展前景被寄予厚望，专家预测，大模型将加快优化金融业数据结构，加速银行业数字化转型。目前，银行业推进金融科技变革的期望愈加强烈，大模型将成为金融机构数字化转型的重要方向。

　　拥抱大语言模型技术能为银行带来多方面价值。沈志勇表示，一是提高生产效率，可辅助乃至替代人工生产内容。二是重塑知识体系，基于银行自身数据强化的大型模型，可以更好地满足知识获取的需求。三是提升用户体验，通过拟人化的交互和知识获取的便利，可以带来金融客户体验的提升。但是，银行要关注经济性，当下大模型的运用成本较高，各家银行需要紧密结合自身实际情况，对大模型和传统AI技术合理地组合和选择。

　　金融业作为数字化需求强烈的数据密集型行业，已成为大模型率先落地发力的最优场景之一。新网银行副行长李秀生表示，通过创新应用数字技术，新网银行打造标准化作业、智能化风控和自动化处理的信贷业务能力，为个人、小微客户提供全在线的普惠信贷服务，实现了智能化推动的普惠金融业务发展。如今，随着大模型的出现，人工智能发展已进入新的阶段，相信在未来几年，智能应用在银行业将无处不在。

　　目前，各大银保机构在守好安全运营底线的前提下，数字化转型驶入发展“快车道”。多位业内人士表示，新技术的应用同时也为金融业带来新挑战——数据安全已成为金融科技发展的基础性工程。