IBM：商业银行数据资产管理体系建设实践报告2021（19页）.pdf

1、采集法则：资产化场景出发，遵行“合理合法、按需采集”的原则。商业银行随着数据应用水平日益提升，对自身经营的认知、业务规律的探索以及未来趋势的判断也达到了一个全新的高度。数据资产的多少、采集能力的强弱，对业务支撑、管理决策的程度将直接影响商业银行经营与创新服务能力。虽然商业银行作为数据密集型企业，拥有海量的高价值数据，对数据资产的多来源、多样性采集意识某种意义上也将决定未来新的竞争优势，大有“得数据”就能“睥睨天下”之意。根据中国青年报社会调查中心联合问卷网关于数据过度采集的调查可以看出，近六成的受访者对于数据过度采集表示反对。因此我们建议以合理合法为原则，按需采集，通过数据外购、数据交换、数据

2、合作扩大数据资产规模。资产化过程中，通过数据资产价值评估，找出数据资产的价值分布情况，从资产化场景出发，以目标为导向监测数据资产的采集过程。对于空白领域，判断是否缺乏数据或者数据在“沉睡”中，这样可以使得数据采集变得更有针对性，也保证了我们采集数据资产的可用性。如果数据在“沉睡”，我们也可以通过监测定位后唤醒它。总之，要做到数据资产采集和使用价值评估“两手抓”，不要盲目追求数据规模而沦为数据资产的附庸。采集个人信息，也应当告知采集的目的、信息来源和信息范围等，采集非公开的企业信用信息，应当取得企业同意，保护客户的合法权益。“资产”从来都离不开“价值”。数据资产的管理本质上就是数据资产价值的管理

3、。数据资产价值评估从价值管理理念出发，提供了一个可靠的度量衡，按照 “发掘促活变现”的路径，强化了数据资产管理的全面性、针对性和可行性。数据资产价值评估主要包括内在价值、成本价值、业务价值、经济价值、市场价值五个维度。价值评估结果的展现方法包括划分价值等级、形成价值报告等。银行可以从积累的海量数据中通过评估内在价值，识别高质量、高覆盖度、高可用性的数据集，作为后续加工、算法处理、共享、流通使用乃至产品化的基础原料。在这一步骤中，保证了对高质量数据资产的发掘和优先纳入。在业务价值、经济价值的衡量过程中，数据资产价值评估与具体应用场景的业务衡量指标直接挂钩，并且通过多种测算方式计算数据资产对业务场

4、景的贡献程度。通过这两个价值维度，可以直接架接数据资产与应用场景的桥梁，实现数据资产价值的直接转换。 内生促活：通过价值评估结果，筛选出对业务场景价值高的数据资产，后续针对此部分数据资产进行针对性的运营促活，持续提升其价值。例如不断优化预测模型，提高预测的准确度; 外扩促活：对高价值、高可用性的数据资产，可以考虑向其他场景进行推广，对其他应用场景进行提升，实现外扩型的价值增长。例如交易行为分析结果应用于营销、风控等多个场景; 场景促活：在对全场景数据资产的价值进行分析后，识别适合发展的场景，并在此场景中积极开发利用各类数据资产，实现了应用场景的扩展。例如经过分析发现内部运营领域存在较多的数据分析需求，但目前行内未进行足够的投入。对数据资产经济价值、市场价值评估的最终目的是希望可以获得公允的货币化计量结果，作为产品设计、交易定价、收益核算的起点，支持数据资产价值变现。