徐小锋
南京银行数字银行管理部总经理
我今天分享主题是《中小银行数据治理之路》，中小银行整个系统建设的体系性和规范性跟大行相比仍有差距。对中小银行而言，数据治理非常重要，如何基于中小银行的现状做好数据治理工作？今天我将分享一下南京银行在具体工作中的一些实践。我讲的可能偏战术层面，主要分享6个方面：南京银行数据治理历程、数据治理“两个重要条件”、数据治理“三驾马车”、从管理到赋能的转变、智能化数据治理、数据治理效能提升。
一、南京银行数据治理历程
南京银行数据治理始于2014年，此后一直在摸索，真正转折点是2018年，南京银行成立了数字银行管理部。数字银行管理部职责范围包括：数据研发、数据治理、数据资产管理、数据建模、AI、全行数字化转型等，职责范围非常广。2020年开始，我们研究怎么把数据治理从事后向事前转变。2022年，研究数据治理从管理向赋能转变。2024年，我们开始探索全链路全生命周期数据治理；2025年，我们开始逐步迈向智能化数据治理。
二、数据治理“两个重要条件”
一是管理委员会制度。我行于2018年成立数据管理委员会，每年召开多次会议推进数据治理重难点工作。把数据管理委员会真正开好、开实，真正把数据治理重点和难点问题拿到会上晒一晒，让行领导、各个业务部门看得见。
二是人才队伍建设。我行组建了一支懂业务、懂数据、懂科技的复合型数据治理人才队伍。好多中小银行有一个误区，数据治理团队要不就是一个纯业务团队，要不就是纯技术团队，拿到一个数据治理问题的时候，没有办法直接“端到端”解决问题。如果把数据质量问题扔给业务，业务再去找技术，沟通成本非常高。我们的经验体会是：数据治理团队必须是一支复合型的人才团队，他们既要懂业务，还要懂数据，还要懂科技，现在又加了一个：还要懂AI。
三、数据治理“三驾马车”
通过事前预防、事中监测、事后改善的全流程闭环管理，我们持续优化数据质量，其中事前预防工作占比逐年提升，为数据治理筑牢根基。现在的中小银行事前预防和事中监测都做得很少，绝大部分工作量都放在事后提升上，而我们认为理想态是：70%靠事前预防，20%靠事中监测解决，10%靠事后提升。
一是事前预防，将数据质量要求嵌入信息系统建设各环节，从源头控制错误产生。2023年以来，南京银行审核新建项目，从事前实施数据质量控制的项目50余个。
二是事中监测，从客户、机构、交易对手等主数据入手，构建数据监测网，并逐步扩大监测范围。新发生问题大幅下降，成效显著。我们监测做完之后，客户主数据新发生问题会有明显的下降，IPMAC地址新发生问题情况、交易对手新发生问题情况也有显著下降。2022年开始，我们构建了4000多条质量检核规则。
三是事后提升，建立跨部门联动处理机制，遵循“先科技、后人工；先总行、后分行”原则，高效推进数据质量整改工作。
此外，定期评价、动态跟踪同样重要。建立数据质量评价的“北极星”指标，从多视角、多维度全面且及时地展现全行及各条线数据质量现状与变动趋势，精准呈现治理成效。
四、从管理到赋能的转变
数据的被动管理以监管合规为核心，对业务发展的支持作用有限。是纯管理手段，自上而下推动，多为“运动式治理”，难以持续，往往是“数据管理部门的负重前行”。而主动赋能是深入到业务场景，通过数据质量提升业务价值，提供端到端数据治理服务，技术赋能与智能化治理，实现“数据赋能的协同共进”。以下有两个例子：
一是同业客户数据治理。开展同业客户数据治理，提升数据准确性，以数据治理赋能同业客户洞察，助力客户画像、分层分类及贡献度分析应用。
二是绩效系统指标数据治理。开展指标数据常态化质量监测，保障全行经营考核指标准确、稳定，助力高质量数据赋能经营管理。2024年我们重建绩效系统时，就明确要把数据治理放在绩效系统建设非常重要的位置。绩效系统在运行的时候，我们的数据质量就是有保证的，总行到分行在用数的过程中将更加顺畅。
五、智能化数据治理
一是智能化溯源，有的放矢，运用智能化工具分析、定位源头数据项，快速圈定核心范围，针对性开展数据质量监测与提升。我们有很多报送系统都会用到源系统数据，同时有很多重要的系统也会用到源系统数据。我们基于AI做了一个自动化溯源的工具，大大减轻了人力工作量，同时提升了整体的效率。
二是数据质量检核智能化，基于DeepSeek开展数据质量检核智能化，能够有效解决传统数据质量检核依赖人工、效率低的问题。我们之前大概做了4000多条检测规则，都是靠人做的。有了大模型之后，我们通过大模型生成一些质量检核规则，辅助我们数据治理人员效率。
三是贷款投向行业智能推荐模型，设计“贷款投向行业”智能推荐模型，降低客户经理人工判断的成本和误差，提升贷款投向决策的精准度与效率。贷款投向以前都是靠客户经理录，容易录错。录错之后，从总行层面来讲检查成本非常高。我们通过大模型，能做到80%～90%的准确率，大大降低了客户经理录入成本，同时降低数据治理的成本。
六、数据治理效能提升
通过从事后整改向事前预防、从被动管理向主动赋能、从传统治理向智能治理的转变，我们数据治理实现了全方位优化，分行一线数据治理的质效显著提升。同时，分行在数据治理上投入的资源、人员、精力也下降了。2020-2024年，分行数据整改工作量下降了93%，分行数据治理人员投入下降了50%。
最后总结一下：
第一，未来数据质量是可以度量的，我们可以用一系列指标把南京银行数据质量进行整体度量。
第二，未来数据治理工作是可以收敛的，数据治理是一个长期过程，最终它的整个工作量和治理面一定会慢慢收敛。
第三，数据治理一定是能创造价值的，对银行未来发展起到非常重要的作用。
我就分享以上内容，不对的地方请大家批评指正。
