本文共字，预计阅读时间。

2025年2月19日，国家数据局在北京召开高质量数据集建设工作启动会，深入贯彻落实党中央、国务院关于数字经济发展的决策部署，积极推进“人工智能 +”行动，推动高质量数据集建设以高效赋能行业发展。在数字化时代，数据已成为商业银行的核心资产之一，高质量数据集建设将为商业银行的发展带来新的机遇和挑战。

一、数据集建设对商业银行的核心启示

（一）重构业务模式：从经验决策到智能驱动

传统商业银行的业务决策多依赖经验判断。客户经理、信贷审批人员凭客户、行业经验或初步利用数据分析评估信用和需求，决定是否放贷，在面对新兴业务和复杂的市场环境时，经验的参考价值会大打折扣，数据分析也存在数据孤岛、模型泛化性不足等问题。

高质量数据集建设可以打破这些局限，收集整合多类数据，利用持续更新的高质量数据流，建立自优化决策模型，使商业银行突破传统“网点辐射”模式，转向全渠道数据整合。分析多维度数据，精准评估信用风险，提供个性化服务，还能实现业务流程自动化与优化，提高效率、降低成本。

（二）风控体系升级：从辅助决策到智能管控

目前风险模型主要是通过收集和分析多维度数据，利用大数据建立智能模型并辅助选择模型策略，根据风险等级采取不同的措施。高风险预警通常需要风险管理人员介入，因此模型的精准度直接影响风控体系运营效率。

高质量数据集建设为风控体系升级创造条件。通过实时收集和分析高精度、多维度风险数据，如市场波动数据、客户信用数据、交易异常数据等，使用新一代人工智能进行模型训练和场景应用，实现动态模型迭代、策略优化和智能管控,能够进一步提升风险管理效能。

（三）盈利模式创新：从利差依赖到数据变现

长期以来，商业银行的盈利主要依赖于存贷利差。然而，自2022年起，随着利率市场化的推进，存贷利差逐渐收窄，金融市场的竞争也日益激烈，传统的盈利模式面临着巨大的挑战。

高质量数据集建设为盈利模式创新提供新的思路。数据质量决定了变现能力的上限，数据质量越高，其可组合和复用性就越强，形成“一次投入、多次变现”。将辅助性数据资源转化为可量化、可交易的生产要素，不仅提高了了产业应用的智能化水平，也为可持续发展铺平了道路。

二、商业银行数据集建设的现实挑战

尽管数据集建设为商业银行描绘了转型蓝图，但针对上述转型，还需要克服以下几点挑战：

（一）挑战一：数据安全与隐私保护

在数字化时代，数据应用需以安全性和合规性为前提。客户隐私、财务信息和商业机密等敏感内容，一旦泄露，会给银行的声誉信誉和客户带来双重损失。随着网络攻击技术的不断发展，黑客、病毒等安全威胁日益增多，商业银行的数据系统也面临着巨大的安全风险。

同时，《数据安全法》《个人信息保护法》等相关法律法规对数据安全和隐私保护的要求也越来越严格，对数据的收集、使用、存储和共享等环节都做出了明确的规定，商业银行必须严格遵守这些法律法规。

（二）挑战二：数据质量与数据治理

数据质量是数据集建设的基础。如果数据存在错误、缺失、重复等问题，分析和决策将失去准确性和可靠性。内部业务系统、外部合作伙伴、社交媒体等广泛来源的数据，在格式、标准和质量上存在差异，这给数据的整合清洗带来了很大的困难。

数据治理是确保数据质量和有效利用的关键。目前很多商业银行的数据治理体系还不够完善，存在数据管理职责不明确、数据标准不统一、数据流程不规范等问题。这都会导致数据在流转和使用过程中出现问题，影响数据的价值挖掘和应用。

（三）挑战三：技术人才与创新能力

高质量数据集建设需要先进的技术支持和专业的人才队伍。商业银行需要掌握大数据、人工智能、云计算等新兴技术，才能对海量的数据进行有效的存储、处理和分析。然而，目前很多银行在技术方面还缺乏自主研发和创新能力，对外部技术供应商的依赖度较高。相关领域的专业人才供不应求，使高质量数据集建设和应用遇到很多技术难题，影响项目的推进和实施。

三、商业银行数据集建设的实施路径

（一）强化数据安全与隐私保护体系

商业银行应建立健全数据安全管理体系，加强对数据的全生命周期管理。制定安全制度和操作流程，确保数据安全完整。采用加密、访问控制、数据脱敏等技术保护数据。加强员工培训，提高安全意识，定期组织演练提升应对能力。积极与监管部门和行业协会合作，遵守法规要求，维护金融数据安全稳定。

（二）提升数据质量与完善数据治理

建立统一的数据标准和规范，对不同来源的数据进行标准化处理，确保数据的一致性和准确性。加强数据清洗和整合工作，对错误、缺失、重复的数据进行清理和修正，提高数据的质量。

完善数据治理架构，明确数据管理的职责和权限，建立数据管理部门和数据使用部门之间的协同工作机制。制定数据管理制度和流程，规范数据的采集、存储、使用和共享等环节，确保数据的合理使用和有效管理。

（三）加强技术研发与人才培养

加大对大数据、人工智能等新兴技术的研发投入，建立自主可控的技术体系。与科研机构、高校等合作，开展产学研联合攻关，共同解决技术难题，推动技术创新和应用。

加强人才培养和引进，制定完善的人才培养计划和激励机制。通过内部培训、外部招聘等方式，吸引和培养一批既懂金融业务又懂数据分析技术的复合型人才。

国家数据局高质量数据集建设工作启动会为商业银行的数字化发展指明了方向。商业银行应充分认识到数据集建设的重要性，积极应对现实挑战，采取有效的破局之道，加快高质量数据集建设，实现业务模式重构、风控体系升级和盈利模式创新。以数据为舟，以技术为桨，方能驶向数字金融的新蓝海。

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文版权归原作者所有，如有侵权，请联系删除。