AI赋能数据资产管理革新：在数据标准等多领域的探索实践

DATA&AIMANAGEMENTsUMMIT一数据资产管理现状|数据资产的核心价值与战略地位在当今数字化时代，数据已成为企业最宝贵的资产之一，其核心价值不言而喻。数据不仅能够帮助企业洞察市场趋势、优化运营决策，还能区动业务创新，提升竞争力。因此，数据资产在企业战略中占据举足轻重的地位，有效的数据资产管理成为企业实现可持续发展的业务优化的驱动力市场竞争的优势业务优化的驱动力市场竞争的优势数字化转型的基石数据资产核心价值与战略地位0数字化转型的基石数据资产核心价值与战略地位0京决策支持的核心资源DAMS中国数据智能管理峰会在金融银行业，数据资产管理面临挑战与机遇。挑战需克服，但也为行业带来新机遇。通过强化数据管理，金融银行业能够解锁数据资源的巨大潜力，促进风险管控与客户服务的双重升级，引领业务向更高层次转型。面临的挑战金融银行业作为数据密集型行业，面临着数据资产管理方面面临的挑战金融银行业作为数据密集型行业，面临着数据资产管理方面的诸多挑战，如数据质量参差不齐、数据孤岛现象严重、数据安全风险高等。机遇挑战这些挑战同时也孕育着巨大的机遇。通过加强数据资产管理，金融银行业可以更有效地利用数据资源，提升风险管理能力，优化客户服务体验，推动业务转型升级。机遇挑战DAMS中国数据智能管理峰会结合实际情况，建立数据管控体系，在该体系指导下开展数据治理相关工作，如制定数据治理架构及相应的制度、建设平台与工具、创建管理流程。数据治理保障机制数据治理核心领域数据治理保障机制数据数据质量元数据主数据数据生命周期技术数据模型一数据资产管理现状|数据治理架构参照外部监管数据治理相关要求及主流的数据管理体系，建立了数据管控体系，目前框架内的组织、制度、各管理职能和相关工具平台已基本建设完整并持续深化。·以数据战略为总体纲领数据战略组织架构组织架构管控机制数据资产管理赞·以组织架构作为支持保障··以组织架构作为支持保障·明确数据归属管理部门数据管控委员会办公室数据定义部门数据录入部门数据使用部门业务管理部门IT部门数据归属管理部门(数据Owner)··依托制度流程，构建数据管控机制数据标准管理细则数据质量管理细则数据生命周期管理细则数据共享管理细则数据安全管理办法指标管理细则主数据管理细则…·统一·统一管理全局数据资产·从管控治理向服务支持扩展数据地图数据模型数据元素公共代码主数据元数据指标数据模型数据元素公共代码主数据元数据指标特定代码数感级别清理策略表结构文件接口·融合研发过程开展管控治理数据资产管理平台DAMS中国数据智能管理峰会对齐标准规范，全面覆盖DCMM模型的各专业领域的相关管理要求；加强数据应用管理制度建设，保障数据应用安全合规，提高数据对业务的支撑能力；适度超前，探索数据数据资产化、市场化相关的管理规范。数据治理总纲数据治理管理办法01提升数据管理规范性数据治理管理办法数据管控要员会议事规则数据对外服务管理细则数据分析应用细则数据价值转化数据基础治理规范手册数据对外服务管理细则数据分析应用细则数据价值转化数据基础治理规范手册数据共享管理细则数据安全管理办法数据共享管理细则数据安全管理办法数据质量管理细则数据标准管理细则元数据管理细则…………价值02保障数据安全合规数据开发平台管理手册数据分析平台管理手册人工智能平台管理手册数据分类分级管理手册质量检核规则管理手册数据标准贯标手册数据表管理手册制定数据安全政策，防范泄露风险，确保数据保数据开发平台管理手册数据分析平台管理手册人工智能平台管理手册数据分类分级管理手册质量检核规则管理手册数据标准贯标手册数据表管理手册03促进数据价值利用…整合数据资源，挖掘数据价值，洞察市场趋势和客户需求，提升市场竞争力，创造商业价值。…中国数据智能管理峰会DAMS中国数据智能管理峰会平台化数据治理各子领域实现平台线上化管理，确保高度融合性和强大延展性，满足多样化的数据管理需求。全覆盖平台全面要盖多种类型数据资产的盘点与管理，包括结构化和非结构化数据，逻辑资源如模型、报表等，确保高效利用。自动化引入智能算法与自动化工具，优化自动化引入智能算法与自动化工具，优化数据资产管理流程，缩短管理周期，提升数据资产的价值转化效率。数据资产管理平台提供从资产定义、盘点分类、规划到服务、监控、优化的全流程数据资产数据资产管理平台提供从资产定义、盘点分类、规划到服务、监控、优化的全流程管理，确保数据资产的完整性与持续增值。可视化实现数据资产的全生命周期可视化监控与全角色访问，增强数据运明度，促进数据资产的有效利用。全场景数据资产以商品化形式在平台门户中开放，支持业务用户查找与申请使用数据资产，实现数据资产全场景应用与共享。监管要求国家标准1业务需求数据标准数据标准中英文命名统一术语统一理解存储统一定义内具有唯一性。/号不能为空字母数字1RULE_DSRL0000014632-性别只能为2-男性或3-女性一数据资产管理现状|数据质量管理机制·根据原银保监会2018年发布的《银行业金融机构数据治理指引》(银保监发[2018]22号)第四章节“数据质量控制”内容，制定《xX银行数据质量管理细则》,细则明确了工作原则、职责分工以及管理内容等。·工作基本原则：全行各级机构按照“各负其责，齐抓共管”、“源头管控，标本兼治”的原则开展数据质量管理工作，全面提升数据质量。数据质量管控机制1.定规则2.检数据3.析结果4.改问题5.控质量1.定规则2.检数据3.析结果4.改问题5.控质量6.评结果数据服务流程平台闭环数据资产管理平台根据外部监管和企业内部需要，实现了数据质量管理从需求收集、处理、检查、分析、提升的数据质量控制全流程闭环。为进一步提升重点监管报送的数据质量，在问题治理全流程管理基础上，增加问题分类及派发督办运营流程，形成数据质量常态化的运营管理体系，持续提高监管报送数据质量。EAST报送源头系统1.定规则2.检数据3.析结果4.改问题5.控质量6.评效果规则来源规则研发及执行规则来源规则研发及执行问题分类识别定期发布问题分类识别定期发布数据质量评估报告(数据质量评估报告》DAWS中国数据智能管理峰会数据安全审计数据安全审计数据安全策略数据安全管理数据安全策略数据安全管理策略细化管理深化审计强化管理办法定义等级与策略宇段级数据分级实施监管机构审计配合《XX银行数据安全管理办法》定义了数据安全等级及相应策略。逐步实施字段级数据安全分级，对重点共享数据人工分级打标并在数据资产管理平台发布。积极配合人行、银保监、审计署及国寿集团等监管机构的数据安全监管和审计。外部规定整合与记录内控合规一体化平台收录外部数据安全管理规定，详细记录并说明制定过程中的依据。全行数据安全宣贯通过多种形式(课程、直播、考试、海报等)全行数据安全宣贯，培养安全意审计系统开发部署按审计署要求，在审计现场开发和部署审计综合分析系统。DAMS中国数据智能管理峰会一数据资产管理现状|数据应用与共享的管理思路与原则触客触客使用，用数从严本双率全行数据内部共享遵循“开放共享”的核心原则旨在挖掘数据价值，优化客户服务，推动业务创新发展√导向明确√权益归属√导向明确√权益归属√强化数据应用√最大限度开放√清单化管控√数据安全为前提原则√原则明确√合规性保障√场景管控谁使用谁负责管控触√原则明确√合规性保障√场景管控谁使用谁负责管控触客使用DAMS中国数据智能管理峰会挑战痛点·数据格式五花八门，难以统一的混乱·数据源头纷繁复杂，质量把控难上加难·安全标准各自为政，难以形成统一防线·数据定义迷雾重重，理解偏差的根源·数据更新维护滞后，时效性问题凸显·防护技术日新月异，追赶更新的无尽挑战·数据标准滞后不前，难以跟上时代步伐·数据错误异常难缠，处理过程曲折多变·内部管理暗藏风险，合规意识薄弱成隐忧DAMS二数据资产管理的挑战与痛点|AI时代到来AlAl时代正悄然降临，人类智慧与机器智能深度融合。Al凭借其卓越的数据处理、精准学习与预测能力，及自我优化迭代特性，广泛渗透至生活各领域。从智能家居到自动驾驶，再到智慧金融，AI正快速变革世界。它高效解难题，也展现创意魅力，提升效率，促进社会创智能投顾企业智能风险分析智能投顾信用卡欺诈检测信用卡欺诈检测客户服务聊天机器人中国数据智能管理峰会应用场景输出应用场景输出数标数标数标数标数标数标类词泛企业级数标构建：利用A技术自下而上对字段(表头)聚类分析，并经过人工的审核确定，最终得出16万项的泛企业级数标资产。分词模型文本相似度比较模型………同义词归并翻译同义词归并翻译模型文本纠错模型翻译模型三Al赋能数据资产管理的策略与实践|智能推荐数据标准泛企业级数标的推荐：在运营的过程中，利用A技术实现与研发全流程融合的自动化、智能化管理，让用户使用泛企业级数标更加便捷，后期随着用户的使用，人工智能Al模型会越来越精确，数据标准会越用越准，越用越有价值。介介泛企业级相似匹配分析t输入“客户名称”按照文本相似度+引用次数排序，泛企业级相似匹配分析t输入“客户名称”按照文本相似度+引用次数排序，推荐预期用户需要的Top20泛企业级数标选择并投入使用，数标资产引用关系建立并登记中文名英文名法人客户名称企业客户名称三Al赋能数据资产管理的策略与实践|内嵌研发设计控增量数据标准信息项质量规则1质量规则2化前端代码(JS)JS代码1JS代码2后端代码(JAVA)JAVA代码1JAVA代码2统一应用研发平台模板设计质量规则3JS代码3字段A质量规则1质量规则2质量规则3验代码校验文件低代低代码开发可榴化设计HTMLHTML页面前端页面管控口数据接口管控JAVA文件wuwJAVA代码1JAVA代码3JAVA代码2e调DAMS中国数据智能管理峰会三Al赋能数据资产管理的策略与实践|智能数据清洗与整合通过先进的机器学习算法，Al能够自动识别并修正数据中的错误、缺失和异常值，实现高效精准的数据清洗。Al与数据清洗整合的结合不仅大幅提升了数据处理的效率与准确性，还为企业的数据分析和业务洞察提供了坚实可靠的基础。清洗整合后清洗整合前清洗整合后原始数据地址：北京市朝阳区中关村大街123号AB大厦4层2室原始数据地址：北京市朝阳区中关村大街123号AB大厦4层2室地址2:北京朝阳区中关吝大街123号AB大厦402会议室基于规则的A校验基于规则的A校验清洗与整合AI校验结果AI校验结果通过规则1:地址格式包括省、市区/县、街道、门牌号。标准化数据标准化数据地址1ABC大厦(不存在)地址2中关音(错字)规则3:地址没有拼写错误。2023年起，XX银行在数据安全领域与哈工大、西工大等高校团队联合开展Al自动分类分级模型的研究，训练智能数据分类模型，实现数据分类的自动判断，辅助数据安全分类分级开展。数据变更数据变更智能识别与分类表名客户姓名构建分类分级“智慧错题库”,通过持续学习与自我优化，提升Al模型识别能力，确保提升后续分类准确性与效率的持续提升。分类分级审核智能识别技术将业务人员的数据分类分级任务由“开放式填空”升级为“标准化判断”,确保分类分级结果的高度一致性与规范性。DAMSDAMS中国数据智能管理峰会四未来展望|数据资产管理的新模式与智能化升级路径Al引领数据资产管理进入新模式，通过一系列的Al落地应用，显著提升了数据管理的效率与精度。这一变革不仅巩固了当前数据管理的坚实基础，更为未来数据资产的高效利用与价值挖掘铺设了广阔道路。提升数据质量与可用性Al技术通过自动化数据清洗、数据标准化和数据校验等过程，显著提升数据的质量和可用性，助力企业明智决策。优化数据治理流程AI能够自动化数据治理流程，如数据分类、数据标签化和数据生命周期管理等，提高数据治理的效率和准确性，降低合规风险。增强数据洞察与决策支持Al通过高级分析、预测建模和智能推荐等功能，