牛新庄
中国邮政储蓄银行党委委员、副行长、首席信息官
尊敬的各位领导，下午好！很荣幸受邀参会，我分享的主题是“激发数据要素潜能，共筑数字金融新生态”。
每个时代都具有以技术特征标注的“生产要素”：土地与劳力标注了农业文明；钢铁与蒸汽标注了工业文明；如今，数据与算力标注了智能时代。“数据”不再只是人类社会的记录和展现，它成为了智能时代最核心的生产要素，正以前所未有的深度与广度，驱动并重构社会经济的一切价值逻辑。
邮储银行围绕“激发数据要素潜能”这一重要性和决定性的时代命题进行了前瞻性的探索和实践——以管好数据资产为基石，以用好数据资产为引擎，以创新数据资产为突破，搭建三级闭环体系，并进一步构建“快、准、全、易、智”五大支柱，全面盘活海量数据，推动数据资源向高价值资产跨越，为共筑数字金融新生态贡献邮储智慧与实践。
下面，我主要从“技术演进、邮储实践、未来展望”三个方面进行分享交流。
一、技术演进：以“记录-资源-资产”实现四次价值跃迁
（一）政策要求深化：从管理规范到价值发挥
“五篇大文章”为我国金融服务实体经济指明了大方向，中央经济工作会议提出“科技自立自强”，进一步凸显了数据要素在科技革命中的重要价值。近几年，国家层面围绕数据要素与数字金融的顶层设计日趋完善，政策导向已从“建制度规范”向“促价值释放”转变，政策体系日趋完善。
一是体系搭建期，健全全域管理体系。2019年10月，中共中央《中国共产党第十九届中央委员会第四次全体会议公报》首次将数据明确纳入生产要素。2022年12月，国务院发布《关于构建数据基础制度更好发挥数据要素作用的意见》（又称“数据二十条”），从数据产权、流通交易、收益分配、安全治理四方面初步形成我国数据基础制度的“四梁八柱”，提出20条政策举措。
二是作用凸显期，构建人工智能底座。2023年12月，国家数据局等十七个部门联合发布《“数据要素×”三年行动计划（2024—2026年）》，强调以科学数据支持大模型开发，构建科学知识资源底座，建设高质量语料库和基础科学数据集，支持开展人工智能大模型开发和训练。2024年12月，国家数据局等部门发布《关于促进企业数据资源开发利用的意见》，指出要引导企业加快向数据驱动的经营模式转型，通过多源数据整合分析、打通全链条数据、运用数字技术等方式，提升洞察市场和适应市场的能力。
三是价值释放期，贯穿经营创新全程。2025年3月，国务院办公厅发布《关于做好金融“五篇大文章”的指导意见》，强调依法合规推进金融数据共享和流通，通过数字技术赋能经营决策、资源配置、业务改造、风险管理、产品研发等各环节，提升数字化经营服务能力。2025年8月，国务院发布《关于深入实施“人工智能+”行动的意见》，提出加快实施“人工智能+”科学技术、“人工智能+”产业发展等6大重点行动，提升模型基础能力、加强数据供给创新等8项基础支撑能力。2025年8月，国家数据局发布《高质量数据集建设指引》，提出高质量数据集建设“1+1”的参考路径，指导推进高质量数据集建设，助力人工智能纵深发展。
这一系列紧密衔接、层层递进的政策布局，推动了数据效用的迭代升级、走深走实，对金融机构也产生了深远而具体的影响。首先，以全域视角健全数据管理体系，规范全过程、全领域、全场景、全覆盖的金融数据综合管理与应用能力，提升数据供给与交付效率。其次，驱动人工智能在更广范围、更深层次上与具体应用场景结合，着力打造高质量数据集，研发数据场景智能体。再次，必须在发展中统筹数据有序流通与安全可控，通过技术、制度与生态的协同，将数据安全贯穿数据要素价值创造的全过程。
（二）效能演进升级：从孤点记录到织网生态
在新的政策背景下，数据已从记录载体逐步演变为驱动业务发展、重构金融生态的战略资产。纵观从电子化、信息化到数字化、数智化的技术演进路径，其本质是数据价值的深化认识和价值跃迁——数据从单纯记录、点状孤立存在，逐步发展为彼此连接、织网生态驱动的核心战略资产。犹如一场从配角到主角的身份转变，数据已完成从辅助资源到核心要素的价值跃迁，成为驱动金融未来发展的“关键引擎”。
具体演进历程可归纳为四个阶段：
第一阶段：电子化——从模拟到数字的“记录革命”。
电子化阶段的本质是从模拟到数字，解决“有无”问题。从数据使用特征来看，广度上是单点、单业务环节的使用；深度上是静态的记录与存储，替代纸质介质；从资产化状态来看，数据作为“记录”，是成本中心，主要价值在于提升局部效率。
第二阶段：信息化——从数字到连接的“流程赋能”。
信息化阶段的本质是从数字到连接，解决“流程”问题。从数据使用特征来看，广度上实现跨部门、跨系统的流动，支撑核心业务流程；深度上实现查询、统计与流程管控，支持管理决策；从资产化状态来看，数据作为“资源”，是管理要素，价值体现在流程优化与内部控制。
第三阶段：数字化——从连接到重构的“模式创新”。
数字化阶段的本质是从连接到重构，解决“业务模式”问题。从数据使用特征来看，广度上覆盖全渠道、全链路、全生态，驱动业务创新；深度上成为客户洞察、产品迭代、市场响应的核心生产资料；从资产化状态来看，数据成为“潜在资产”，是价值创造源泉，直接关联收入增长与客户体验提升，亟待估值与资本化。
第四阶段：数智化——从重构到赋能的“智能跃迁”。
数智化阶段的本质是从重构到赋能，解决“智慧与自主”问题。从数据使用特征来看，广度上达到内外部数据深度融合，构建智能生态；深度上通过AI模型实现智能预测、自动决策与自适应优化；从资产化状态来看，数据成为“核心生产性资产”，构建战略级竞争力，可独立产生价值，进入可交易、可计价的资产运营阶段。
这四个阶段的演进并非简单的工具升级，而是数据价值本质上的深刻变革，标志着数据从信息系统底层的“二进制代码”，演变为可度量、可驱动，并具有业务关联性和经济价值性的“战略资产”。
计算机的根本原理基于二进制运算，8个bit构成1个字节，1024个字节为1KB，从bit到Byte，再到Data，成为Knowledge，最终沉淀为战略资产。如果将其转换成文字描述，我们可以这样理解数据的价值跃迁之路：它始于最基本的计算单位，不断汇聚成为有意义的信息单元，进一步组织为可被解读的数据，后被提炼为支撑决策的知识，最终沉淀为可产生持续回报的核心资产。
近年来，大模型技术发展迅猛，邮储银行已构建了300多个大模型应用场景。我们在大模型的运用过程中深刻感受到，一切大模型的应用，都起始于扎实的数据资产；一切大模型的好用，也终将归结于丰富的数据资产。如果没有清晰的数据治理和标注，所有的场景应用将无从谈起。如果说大模型类似于精密的“模具”，那么数据就是最基础的“原材料”，原材料不合格，模具再好也无法产出合格的产品，也就是业界常说的数据投毒问题。因此，在拥抱大模型的同时，筑牢数据资产的品质基础，比以往任何时候都更为关键和必要。
二、邮储实践：以“好用-易用-智用”搭建三级闭环体系
数据资产化是企业将数据资源转化为战略资产的系统工程。邮储银行构建了一个价值持续循环、效能不断提升的良性闭环体系，包含“管理-使用-创新”三个核心层级：以数据资产管理为根基，让数据“更好用”；以数据资产使用为引擎，让数据“更易用”；以数据资产创新为突破，让数据“更智用”。邮储银行的数据资产化实践以组织文化、制度体系、技术支撑和敏捷团队等保障体系为底座，在此基础上实现三个环节的层层递进，并构建“快、准、全、易、智”五大支柱，旨在盘活存量数据资源、推动数据资源资产化，最终完成数据从静态成本到动态资产的战略性跨越。
（一）以数据资产管理为根基，让数据“更好用”
数据资产化的前提是具备高质量、高时效、全域化的“原材料”。邮储银行搭建“快、准、全”三大支柱，重塑数据资产管理体系，奠定数据资产化的价值转化基础。
第一支柱：以“快”制胜，自研信创架构，提升数据处理效能
邮储银行自研适配信创环境的大数据产品UDZ，采用“Hadoop+MPP”协同架构持续向一体化架构演进升级。运用流式技术构建实时数仓，通过数据湖技术实现流批数据融合，初步构建了湖仓一体、流批一体的架构，提供“批量+微批+实时”多时效数据服务模式，奠定数据资产化基础。
在数据处理方面，每日处理实时、准实时数据超50亿条，覆盖个人存款、贵金属交易等17个核心业务系统，聚焦风险防控、精准营销、实时大屏、绩效管理四大关键领域，建设183个准实时业务场景，为总分行提供持续、稳定的实时数据加工与传输服务，全面赋能业务决策与运营管理。同时，每日处理数据量约300TB，完成超25万个批量作业，处理6.7亿条客户数据、18亿个账户数据，高效支撑监管报送、风险管理、经营分析、营销建模等场景。
在产品研发方面，自主研发数据库、大数据Hadoop生态产品，建设标准化组件替换原有开源HDP版本，在全行推广产品应用，加速邮储银行国产化自主可控进程。
第二支柱：以“准”立本，强化数据治理，输出优质数据资产
资产的价值根植于可信度，邮储银行不断强化数据治理，通过输出高质量数据资产，为上层应用构建了准确可信的数据基础。
前期，邮储银行的数据治理基础较为薄弱，曾经出现一个客户用自己名字开通多个账户的情况。面对复杂的数据治理挑战，邮储银行深刻认识到缺乏治理的数据不是资产，而是风险。为此，我们构建了覆盖数据全生命周期的数据质量管理机制，以“主动预防、精准治理”为核心，采取刚性管控、流转校验、智能监测与常态化检核相结合等措施，持续输出准确、可靠、高效的数据资产，为深化数据应用、赋能业务创新和落实全行数智化战略奠定了坚实基础。
第三支柱：以“全”拓界，盘活存量资源，发布全域数据资产
真正的数据资产需突破内部孤岛。邮储银行通过存量数据全域融合，对内完成数字资产盘点，对外融合多领域数据，打通内外部数据疆界，构建了全域数据资产视图，激活数据生态潜能。
从整体实践看，邮储银行打造了数据资产管理与运营“两大支柱”，践行系统、安全、制度“三大保障”，提供“四类资产”，聚焦“四大视角”，为用户输出“五大服务”，输出客户、渠道、产品、风险、运营等“N项赋能”。此外，2022-2025年连续4年发布《中国邮政储蓄银行数据资产白皮书》，持续探索数据资产价值发挥机制，助力全行数据资产的高效应用。
（二）以数据资产使用为引擎，让数据“更易用”
数据资产管理是为了实现服务价值的转化。邮储银行致力于将数据能力无缝注入各业务环节，构建了全流程的数据资产管理与应用体系，以平台为底座，以工具为支撑，提供高效便捷的数智服务，强化数据在客户服务、科创金融、资金预测等领域的赋能，让数智化服务更“易用”，不断驱动业务增长。
第四支柱：以“易”为纲，实现易用目标，提供高效便捷服务
在平台化支撑方面，打造了集管理与运营于一体的数据资产管理平台，通过“管好数+用好数”的协同驱动模式支撑业务发展需求。
在工具化赋能方面，通过数据实验室、模型管理等系统，协同提供数据加工、分析挖掘、模型管理等服务，目前已累计开发一万余个规则、算法类模型，应用于客户分析、营销管理、风险监控等业务领域。
在服务化输出方面，提供了三种服务。一是API服务，依托标准化接口驱动业务流程优化。深度嵌入信用卡、贷款、营销等核心业务流程，实现毫秒级响应，已提供2100余项服务。二是报表服务，通过“AI+BI”融合降低智能洞察门槛。提升报表便捷与灵活性，实现数据服务自助化、智能化。三是图谱服务，运用图数据、特征库、场景库实现一体化应用模式，提升客户洞察能力。挖掘特征超1000个，支撑20余个业务应用场景。
在价值化赋能方面，涵盖了三个层面。一是建体系、强赋能，以智能营销精准匹配产品服务。采用“大数据+大模型”构建零售智能营销框架，服务理财客户5400万户，助力新增财富客户超15万户，理财销量超400亿元；经营性贷款信贷投放超100亿元，基于模型筛选的用户总授信约59亿元，支用金额超17亿元，真正实现了数据驱动信贷精准投放。二是建图谱、促复用，以产业链知识图谱赋能对公业务发展。聚焦航天、兵器、钢铁等重点产业链，采用“图谱+规则”、机器学习、图神经网络等方法开展潜客挖掘及产品推荐，“小企业产业链拓客模型”等数据分析项目带来新开户3300余个，授信金额近500亿元。三是开新局、提能力，以模型驱动科学管理与决策。比如，建立财务预算模型，预测精度提升超50%；建立流动性管理深度学习预测模型，变“被动响应”为“主动预测”，超储日均压降37亿元（降幅20%），为银行增厚收益超970万元。
（三）以数据资产创新为突破，让数据“更智用”
在夯实数据资产管理基石、构建数据资产使用引擎的基础上，邮储银行以数据资产创新为突破，拓宽挖深应用场景，让数据自身“会思考、能流动、可增值”，从而开拓价值创造新范式。
第五支柱：以“智”革新，构建应用场景，驱动业务创新发展
一是打造高质量金融数据集体系。邮储银行以行内结构化和非结构化数据为主要数据来源，融合外部数据，打造层次清晰、数智融合、可持续运营的高质量金融数据集体系，实现从结构化数据到全模态数据要素的运营模式转变。基于“通识-行业-企业-领域-场景”五层数据集架构，通过“采、建、管、用”四大标准工艺，实现全行内外部数据的灵活应用。
二是构建智能化数据工程能力。从国家战略和行业发展趋势来看，“数据要素×”行动明确要求激活数据价值，大模型正是释放银行海量数据资产价值，实现从“数据多”到“数据强”的核心转换器。邮储银行主动拥抱大模型技术，聚焦“AI for Data”，围绕数据“研发、流转、安全、治理”四大核心工作，构建基于大模型的数据智能化能力，实现从“人工驱动”到“智能内生”的重构，助力数据资产“管、用、治”的全链路高效闭环。数据研发方面，自主研发基于模式链接、自主纠错的NL2SQL智能体，具备SQL生成、分析、优化和解读等功能，可实现分钟级生成，生成准确率达80%以上。数据流转方面，自主研发基于控制思维链和大小模型融合的数据血缘智能体，具备智能血缘图谱、问题快速排查、冷热数据识别和数据确权认责等功能，精准、动态追溯数据流转，覆盖超600万字段，实现分钟级查询响应。数据安全方面，自主构建高质量语料集，自主研发基于编码器和解码器架构的分类分级大模型，具备批量分类分级、实时分类分级等功能，实现数据安全分类分级准确率业界领先。数据治理方面，自主研发基于大模型的相似性判断和关联分析能力，具备智能定标、智能贯标、智能检查和智能评估等功能，打造智慧数据治理助手，实现治理效率与准确性双提升。
在新技术应用的同时，数据部门的使命也在悄然转变。许多银行的数据管理部门认为，他们的职责就是管理数据，强调数据安全，但数据真正的价值不在于将数据“管起来”，而在于让数据“活起来”，使之驱动业务运营和场景创新。比如手机银行预约转账服务，邮储银行通过后台数据查询显示，有38万个客户会在每月固定日期进行转账操作，客户的真实所需就是功能的建设初衷，我们第一时间建立了预约转账功能并定向推送给这些有需要的客户；再比如短信推广方式，有很多客户习惯性不看或拒收短信，导致很多短信推广实际上是无效的，我们通过内部数据查询定位客户倾向，对于不接受短信方式的客户不再推送，每年可为邮储节省几千万短信费用。
三是探索大模型应用场景。当前银行业普遍存在两大痛点，一是业务人员不懂代码，且受限于高技术门槛和复杂的业务逻辑，取数效率低，同时缺乏智能取数工具，阻碍了数据资产价值释放；二是数据分析依赖专业人员，无法快速响应且缺乏智能分析工具，难以根据数据变化自动进行重点洞悉。为了解决上述问题，邮储银行参考豆包和DeepSeek模式开发了“智能问数”产品。区别于豆包基于社会综合性数据的特点，邮储银行“智能问数”服务主要聚焦于行内数据，自主调优Deepseek- R1模型，不依赖第三方BI工具，自研AI原生的“边想边算”能力及多智能体技术，并通过自然语言交互方式，实现查询数据、绘图制表、生成报告等核心功能，将以往需要几天达成的数据提取和分析任务缩短为分钟内完成，极大增强了经营管理者的分析和决策效率，显著提升了数据的易用性体验和智能化水平。使用人员仅需通过对话框询问所需数据，大模型即可自动给出结果。目前“智能问数”服务已覆盖用户2万余人，问数结果采纳率超95%，可提供2000余个业务指标，报告生成和问数响应时间均小于3分钟。
三、未来展望：以“管理-使用-创新”推动三层转化路径
未来，邮储银行将全面拥抱AI，通过智能技术不断完善数据治理、深度挖掘数据价值、持续强化数据驱动能力。通过构建“管理-使用-创新”三层转化路径，让智能技术贯穿数据资产管理、使用与创新的全价值链条，为高质量发展注入新动能。
在数据资产管理方面，打造全生命周期的“智能体系”。聚焦“AI for Data”，邮储银行将以AI为核心引擎，深度赋能数据资产的全生命周期管理，构建智能化的数据资产管理体系。通过AI技术实现质量规则的自动识别、实时监测与智能溯源。并基于大模型实现数据资产的自动盘点、打标与链路分析，覆盖数据“采、管、建、用、退”全生命周期。并在提升治理效率的同时，筑牢安全与合规防线。
在数据资产使用方面，探索数据深层价值的“智能服务”。邮储银行将借助AI驱动的分析工具与智能应用平台，挖掘数据深层价值，支持决策创新与业务赋能。通过构建数据智能体（Data Agents），打造体系化、平台化、通用化的数据智能服务能力，促进多元业务场景提质增效。积极应用大模型赋能业务发展和经营管理，探索研究智能管家、数字分身等方式，进一步提升经营管理效率。
在数据资产创新方面，开拓数据生产要素的“智能边界”。邮储银行积极探索以数据为核心生成要素的经营模式，利用生成式AI、机器学习等技术，持续激发数据潜能，开发数据产品与服务，推动数据从资源到资产、从资产到价值实现的实质性跨越。尤其是在构建高质量数据集方面，通过AI助力工具链能力提升，实现智能、自动标注，提供数据工程工具链能力。
2025年12月10日，邮储银行正式发布“AI2ALL”智能生态，标志着邮储银行已进入全面拥抱人工智能的崭新时代。我们深刻认识到，人工智能不仅仅是技术的跃升，更是对企业经营模式、业务流程、文化理念与价值体系的全面重塑，它推动的不再是单点突破，而是业务与技术深度融合、共同演进的一场系统性重构。在这场深刻的变革进程中，高质量的数据资产扮演着不可或缺的双重角色——它既是支撑银行智能体系稳健运行的基石，也是驱动业务价值持续增长的燃料。站在“数据”为关键生产要素的新时代，邮储银行将持续激发数据要素潜能，不断深化数据资产化实践，朝着共筑数字金融新生态的方向持续迈进！
