FCon 联席主席吴震操：金融数据治理既是技术问题也是管理问题

金融行业数字化转型正处于加速阶段，但转型过程中的痛点和挑战仍然无法避免。在 9 月 5 日的 InfoQ 超级连麦·数智大脑直播中，极客邦科技创始人 &CEO 霍太稳对话 FCon 金融科技大会联席主席、恒生聚源总经理吴震操，一起围绕金融数字化转型的当前形势，金融数据治理过程中需要注意的问题，以及大模型等先进技术对金融业创新的影响等话题进行了探讨。

吴震操表示，金融行业数字化转型的挑战主要表现在业务复杂、数据异构，强监管，和业务传统带来的惯性。对此，金融机构不仅要把数据治理视为一个技术问题，更要视为一个管理问题。在他看来，技术解决了数据的收集、存储、自动化建模和分发，但不能解决业务流程再造、数据和接口标准管控等，这些是管理问题的一部分。

以下是对话全文（经 InfoQ 进行不改变原意的编辑整理）：

InfoQ：金融行业的数字化转型现状如何？

吴震操：整个金融行业从电子化转向信息化，再到现在的数字化，体现了金融行业不断变革和发展的态势。数字化不仅是提高服务质量和资产管理效率，本质上是如何高效地帮助实体行业进行融资和发展。

金融行业数字化转型的现状是“参差不齐”。这主要是因为数字化转型需要高额的投资，而金融行业又处在严格的监管环境下。虽然一些企业可以通过使用公有云和 SaaS 服务来降低运营成本，但由于金融行业对数据安全有更高的要求，很多解决方案需要内部实施和消化。

特别是对中小型金融机构来说，高昂的数字化投资成本是一大挑战。举个例子，一个小型银行如果要推出信用卡业务，每年需要投入千万级用于系统建设和运营，而其收入和客户数量却可能无法支撑这样高额的投入。相比之下，大型金融机构，由于资金充裕，更容易实现数字化转型，并且更可能看到投资回报。一些大机构甚至孵化出自己的金融科技公司，以推动数字化进程。

我认为金融行业的数字化转型正处于一个加速阶段。随着新技术的出现，比如云计算解决了算力问题，更先进的算法模型也逐渐应用，加上金融行业本身拥有海量数据，这都为行业提供了难得的转型机会。不论是大型还是中小型机构，都有各自不同的实施路径和解决方案。

InfoQ：从您的角度和经验来看，金融行业在进行数字化转型的过程中，遇到哪些困难或痛点？

吴震操：金融行在业数字化转型的过程中，痛点主要集中在以下几个方面：

• 业务异构

首先，金融机构（如银行和证券公司）面临的第一个挑战是业务异构性。这意味着不同业务部门有各自独特的特点和需求。以一个综合性商业银行为例，它既有零售业务也有对公业务，还涵盖贷款、信用卡、银行间金融市场、资金托管、投资银行等多个方面。这些各个部分都有自己对数据使用和业务管理的特殊需求。

• 数据异构

其次是数据异构性的挑战。金融行业需要处理大量不同类型的数据，包括结构化和非结构化数据，电子和非电子数据等。例如，在个人银行业务中，还涉及身份验证、生物信息、各种申请单据和抵押物资料等。因此，数据管理变得复杂和多样。

• 传统惯性

最后，金融行业因为其行业敏感性，一直以来对数据的安全性、准确性和时效性的要求都很高，行业整体在过去几十年的发展中形成了一套相对固定、传统的运营模式。这种“惯性”或“传统”在某种程度上阻碍了数字化转型的进程。

InfoQ：从您的角度来看，为了应对金融行业在数字化转型过程中遇到的异构和数据安全等问题，我们应该采取哪些措施和使用哪些技术？

吴震操：解决这些问题需要从多个方面来考虑：

• 组织决心与变革：数字化转型不仅是技术变革，更是组织变革。首先需要克服组织和企业的惯性，这是第一步；

• 业务流程的深度刻画：虽然大多数金融机构已经实现了信息化，但从信息化到数字化需要深度地刻画现有的业务流程和管理方式；

• 了解客户和产品（KYP & KYC）：金融机构需要用数字来描述他们的客户和产品，这是数字化转型中非常关键的一步；

• 数据的有效利用：金融机构拥有海量的数据，问题是如何有效地使用这些数据。例如，在资本市场投资和银行信贷的业务中，需要对各种数据进行业务建模；

• 系统实现与落地：有了业务模型和数据后，接下来就是如何通过系统将这些应用到实际业务中，这可能涉及到大数据平台、数据仓库和其他技术解决方案；

• 文化和组织问题：在整个数字化转型过程中，还需要解决组织文化和结构的问题。

总体来说，无论是大型还是小型金融机构，都需要解决这些共性问题以成功进行数字化转型。

InfoQ：数据治理到底是一个技术问题还是管理问题？从您的角度，金融机构应该如何保证或提升数据质量？

吴震操：数据治理是一个技术问题，更是一个管理问题。

• 数据治理的双重性质：技术解决了数据的收集、存储、自动化链接和分发，但技术不能解决数据的标准和接口标准，这些是管理问题的一部分。

• 管理性问题：数据治理也涉及到管理性问题，比如统一的数据标准、管理理念等。例如，很多公司在做数据中台时，强调有 "one ID"、"one API"、"one Model"、"one Service"，这些都是治理中的关键管理性问题。

• 数据质量与来源：要保证数据质量，首先要考虑数据来源。数据可能来自业务过程、外部购买或第三方。无论来源如何，都需要在数据进来的时候进行贴源治理，确保数据准确和完整。

• 成本与效益：数据治理可能会有很高的成本，但这是一个平衡的过程。不同规模的机构可以从最关键的业务或产品入手，逐步推进数字化转型。

• 信心与持续改进：在整个数字化转型过程中，最重要的是给团队和整个机构以信心。通过不断地积累小胜，逐渐转化为大胜。

• 交易级的数据质量：在金融数据方面，强调一个词叫“交易级”的数据质量，因为交易是不能出错的。一旦出错就会带来极大的损失，所以希望使用的数据都能满足交易级的标准。

• 逐步推进与投入：数字化转型是一个循序渐进的过程。大机构有大机构的投入方式，小机构可以从自己最关键的流程入手。最重要的一点就是要给整个团队、整个机构，给他以信心，不停地积小胜变成大胜。

InfoQ：关于数据资产化的文件对金融行业的影响，您认为有哪些？

吴震操：您提到的数据资产化在金融和数据行业中是一个非常前沿和复杂的话题。资产化的基本思想是将数据从一种单纯的信息或者服务转变为具有明确价值的资产，这样它们就能在财务报表上有所体现。这一转变会对企业和行业产生多方面的影响。

• 财务影响

1. 提升资产负债表: 如果数据能被合法和合规地资产化，它将增加公司财报中的资产总额，有助于提高公司的信用和融资能力。

2. 资本化可能性: 以前看似“无形”的数据投入，现在有可能转化为“有形”的资产，这样企业的研发和数据获取成本就有可能资本化。

3. 税收问题: 资产化会涉及到折旧和摊销等问题，可能对企业的税务结构产生影响。但这也取决于当地的税法和会计准则。

• 业务影响

1.数据交易市场: 资产化后，数据有可能进入交易市场，形成明确的买卖价格，从而创造新的收入来源。

2. 增加流动性: 当数据变成一种可以交易的资产时，它能增加市场流动性。

3. 新业务模型: 资产化可能会促使企业探索以数据为核心的新业务模型，比如数据交易、数据共享等。

• 安全与合规影响

1. 数据隐私与安全: 数据资产化可能引发一系列关于数据安全和隐私的问题，需要在资产化过程中充分进行考虑。

2. 法规与审计: 如您所提，这一变化也可能引入一系列新的审计和会计挑战，需要行业和监管机构共同探索。

• 行业影响

1. 创新与竞争: 可能会促使更多公司进入这一领域，加速行业创新和竞争。

2.促进数字化转型: 对于整个金融行业，特别是在数字化转型中的企业，数据资产化可以说是一种正向推动力。

InfoQ：恒生聚源在金融行业的数字化转型的作用是什么？

吴震操：作为一家在行业内服务超过 20 年的金融数据供应商，它服务于各类、各级资本市场，以提交市场效率。恒生聚源的业务范围非常广泛，包括但不限于二级市场的交易数据和一级市场的企业研究数据等等。通过深入的数据分析和模型构建，恒生聚源能够为银行、券商、基金、资管机构，甚至监管机构和央行提供有价值的信息。在这个过程中，恒生聚源使用了多种工具和模型，以帮助市场参与者快速了解市场动态，完成交易和投资，甚至进行深入的市场研究。这不仅提高了交易效率，还有助于机构财富增值。

更重要的是，恒生聚源通过数据和知识提供了基于这些信息的决策系统，从而进一步提高了整个金融市场的运行效率。在数字化转型的大潮中，恒生聚源可以说是最早推进数字化转型的公司之一。因为它本身的产品和服务就是数据和数字，这使得它在理解数据价值和数据衍生价值方面具有独到的见解。这些数据不仅能够反映出相关资产和交易标的的价值，还能为市场参与者和交易对手提供宝贵的信息。

InfoQ：大模型在金融行业的应用有哪些？

吴震操：尽管大模型在中国还不到一年时间就已商用化，但其应用前景非常广阔。因为金融行业本身就是信息密集型的，大模型能很好地处理大量的文本数据。首先，在资本市场的角度，大模型对投资研究有着天然的优势。投研人员需要处理和分析大量的信息，大模型能辅助他们更高效地进行信息检索、抽取和知识生成。内部业务团队和买方团队可以直接从这些研究报告中受益；

其次，在投资顾问和理财领域，大模型也有其独特的价值。消费者在进行投资时总会有各种疑问，大模型能准确地获取和分析市场资讯，为客户提供更加精准的建议，做好投后的陪伴；

另外，在客服场景，大模型也有巨大的应用空间。客服每天需要解决大量客户问题，大模型不仅可以辅助客服进行更有效的信息检索，还可以直接作为聊天机器人，提供更加人性化的服务；

除了上述应用，金融机构还有其他后线部门和场景，如投行、风控、监管和合规等，都能从大模型中受益。当然，大模型也有其局限性，如目前尚不能进行复杂的数学推理。特别是在金融领域。由于大模型是生成式模型，即使训练数据是高质量的，生成的信息也可能不准确。因此，在金融行业应用大模型时，必须谨慎处理这一问题，确保信息的准确性。

关于 FCon

首届FCon全球金融科技大会将于 11 月 19-20 日在上海举办。大会将围绕金融领域数字化转型挑战探索、DevOps 在金融企业落地实践、金融行业大模型应用、创新的金融科技应用、金融实时数据平台建设之路、金融安全风险管控、数据要素流通与数据合规等 10+专题进行交流。

目前大会邀请了汇丰科技中国区的代理总经理马国栋、度小满金融数据智能部总经理杨青、蚂蚁集团副总裁 & 首席技术安全官韦韬博士、恒生聚源总经理吴震操担任大会联席主席。更多嘉宾仍在邀请中......

我们诚挚地邀请您加入我们，共同探索金融科技的未来。点击链接即可查看全部演讲专题，目前 5 折 优惠购票，仅限前 100 人，咨询购票可联系：13269078023（微信同手机号）。