數字金融時代央行數據架構分析

導語：數字金融時代央行數據架構分析一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：2020年疫情席卷全球，給各行各業都帶來巨大沖擊，為應對疫情，金融機構借助新技術將大部分業務進行線上化遷移，實現金融業務“非接觸、云上辦”。疫情的突發加速了數字金融時代的到來，推動我國數字金融進入高質量發展階段。如何在數字金融時代來臨時及時調整策略，保障金融監管的有效性，維護社會經濟金融持續穩定發展，是中央銀行面臨的新形勢和新挑戰。本文從數字金融發展對金融行業的影響分析著手，闡述央行數據架構的基本情況并分析當前存在的問題，對數字金融的大趨勢下如何解決這些問題給出相關意見和建議，以期為央行優化數據架構、深挖數據價值、進一步提升履職效能提供參考。

關鍵詞：數字金融；數據架構；金融監管

一、引言

黨的十八大以來，以習為核心的黨中央把創新擺在國家發展全局的核心位置，大力實施創新驅動發展戰略，開創了新時代經濟社會發展新局面。在此背景下，金融科技方興未艾，推動金融業態進行深刻變革。央行出臺金融科技發展規劃，推動構建金融與科技深度融合、協調發展的新生態。金融機構也加速金融科技統籌布局，通過設立子公司、混合所有制、股權期權等手段推進組織架構重塑，把科技元素注入業務全流程，顯著提升金融服務質效。目前，已有11家全國性銀行成立金融科技子公司，金融業科技“含金量”進一步提升，創新活力得到充分釋放。為應對突如其來的疫情，人民銀行等五部委聯合推出三十大舉措支持金融防疫，不僅滿足了人民群眾正常的金融服務需求，而且為打贏疫情防控阻擊戰、維護經濟穩定發展提供了強有力的支持。金融機構也紛紛推出各種“非接觸式”服務，加碼拓展線上業務，推動金融與衣食住行、醫療教育等場景深度耦合，提升金融服務的可得性。截至2020年底，全國銀行業離柜率近90%，疫情期間社會公眾足不出戶便能辦理金融業務。數字金融日新月異的發展會對金融行業產生哪些影響，央行的數據架構現狀如何，是否符合業務發展趨勢，能否跟上監管科技應用的步伐并引導金融機構業務數字化健康發展，本文將深入探討。

二、數字金融發展對金融行業的影響分析

黃益平等認為“數字金融泛指傳統金融機構與互聯網公司利用數字技術實現融資、支付、投資和其他新型金融業務模式”。筆者認為，數字金融是指將互聯網及信息技術手段與傳統金融服務相結合的新一代金融服務，比互聯網金融、金融科技的內涵更加廣泛，其主要特征是對海量數據的綜合分析和再利用，實現利益最大化。我國數字金融的發展源于互聯網企業，隨后擴展到傳統金融機構，并催生大量P2P網貸平臺，整個金融行業呈現百花齊放的態勢。（一）有效推進普惠金融發展。我國政府自2006年起大力推動普惠金融發展，采取了諸如成立小額信貸公司、在金融機構成立“普惠金融業務部”以及在農村進行“兩權抵押試點”等舉措。但這些措施收效并不明顯。隨著信息技術的快速發展，移動互聯網克服了地域、時間的限制，其與金融的整合，為推動普惠金融發展提供充足動力。《中國普惠金融指標分析報告（2019年）》顯示，全國使用電子支付的成年人比例為85.37%，比上年高2.98個百分點；農村地區使用電子支付的成年人比例為76.21%，比上年高4.06個百分點，電子支付使用普及率持續提升，城鄉差距進一步縮小。在人均銀行網點數、ATM機具、POS機具數有所下降的情況下，邊遠地區金融服務可得性不斷改善，數字渠道在增強可得性方面愈加重要。另外，金融機構借助大數據、人工智能、區塊鏈等技術重構傳統信貸業務流程，優化供應鏈資金供給，引導金融資源配置到經濟社會發展的關鍵領域和薄弱環節，推動實現小微企業融資服務增量擴面、提質增效。利用數據挖掘、情景感知等手段，推動金融與衣食住行、醫療教育等場景深度融合，實現主要民生領域金融服務廣覆蓋，進一步推動金融惠民利企。截至2020年12月末，普惠小微貸款余額15.3萬億元，同比增長30.9%，較好地實現了金融活水向小微企業精準式滴灌。（二）提高金融運營效率。業界普遍認為，中國數字金融的開端是支付寶的上線，并隨著其業務的不斷擴大而逐步發展壯大。特別是2013年余額寶上線后，互聯網金融遍地開花，各種網貸平臺層出不窮，使得傳統金融機構感受到巨大壓力，紛紛投入對數字金融的研究與應用中。經過多年發展，國內各金融機構已經利用信息技術實現數字經濟轉型。即通過大數據、云計算、區塊鏈及人工智能等技術，對大量數據進行挖掘和利用，實現客戶畫像、產品設計、精準營銷、風險管理等多場景應用，不僅讓機構在產品定價上更加科學合理，也使其對客戶具有更加清晰的了解，有利用降低運營成本和風險控制。（三）大幅增加監管難度。數字金融的大背景下，金融混業經營更加普遍，創新金融產品往往融合多種業務甚至多個行業，其相互關聯滲透，跨界混業更加明顯，單個市場風險可能沿著資金鏈、擔保鏈擴散到多個市場。而監管機構在對這些金融產品進行監管的過程中，顯得行動遲緩、力不從心。金融科技的應用使得金融主體與監管機構之間產生嚴重的信息不對稱性。通過傳統的監管方式難以及時獲取最新的金融行業數據，而數據的缺乏，導致無法就當前的形勢作出準備的判斷和監管決策。而且，金融科技的應用還讓“持牌經營”的底線受到挑戰，繞開監管的現象頻繁出現，如P2P、現金貸和ICO等。

三、央行數據架構的基本情況

（一）央行業務信息化已經基本實現。經過20余年的建設，根據數據集中與資源整合的原則，央行穩健落實“兩級數據中心”的總體布局，業務與技術進一步融合。目前已建立起覆蓋各業務條線的應用系統，包括國庫、貨幣發行、支付清算、賬戶、征信、會計核算、外匯管理等。據統計，截至2019年末，在人民銀行系統內，總行共推廣全國通用性業務系統82個，各省級分支機構根據各地業務特色和需要，自建信息系統并在轄內地市分支機構推廣使用。截至2020年一季度，成都分行轄內在用自建業務信息系統93個，其中省數據中心集中運行的55個，地市一級部署運行的38個。這些系統的推廣使用為央行及分支機構執行貨幣政策、維護金融穩定、提供金融服務的職能提供了堅實的技術基礎。（二）數據架構雛形初步實現。通過大量信息系統的建設，當前人民銀行基本實現了關鍵業務數據的集中存儲，部分應用系統已積累了海量業務數據。這些數據為大數據技術在央行業務發展和深度應用方面奠定了一定基礎。央行各應用系統的數據架構設計雖各有特色，但均設計有數據接口層和數據存儲層。數據接口層負責將不同來源、不同格式的數據入庫落地。該層數據存儲的時候，會依據數據對接的方式以及增量或者全量報送模式，采取相應的分區或分目錄來存儲報送的內容。數據存儲層是所有后期分析的數據基礎，存放與源系統基本一致的所有明細數據。如調查統計業務，央行制定統一的數據報送標準和要求，金融機構通過接口、報文、手工等多種方式報送數據，業務系統通過數據接口層對機構報送的數據進行統一的數據校驗和格式轉換等操作，校驗通過后再將數據存儲到后臺數據庫，即數據存儲層，用于業務處理分析等后續工作。（三）央行數據治理架構基本成型。在參照金融業數據治理實踐經驗的基礎上，結合央行實際特點和需求，將數據治理框架體系的設計分為兩個部分，一是數據治理的核心領域，二是數據治理的保障機制。數據治理核心領域是指數據治理的目標對象，包括數據的標準、質量、元數據、安全、生命周期等圍繞數據的8個核心領域，明確了數據治理工作需要管控的對象。數據治理保障機制是指保障各個核心領域的內容有效落地執行的管理機制，包括數據治理的組織、制度、流程以及技術支撐4個方面，確保管控對象始終保持完整性和準確性。兩個領域的內容共同形成央行“八橫四縱”的數據治理矩陣結構。

四、央行數據架構方面存在的問題

（一）數字治理標準參差不齊。人民銀行總行、分行及地市一級建設的眾多信息系統中，絕大部分開發較早、業務系統架構不統一，即便是同一部門的不同系統數據也不能互聯互通，數據共享整合難度較大。而且在各業務系統建設過程中，仍然以業務條線為主導，在數據資源管理上基本采用“數據跟著系統走”的做法，由各業務系統對自身的數據資源進行管理。在數據的治理和應用中，仍然存在數據存儲和使用不規范等現象，內部不同業務條線存在數據標準不統一、數據應用存在重復交叉、冗余數據較多、數據缺乏一致性、數據質量要求不一、缺乏統一的組織管理等問題，從而產生數據沖突，對高效精準履職產生消極影響。（二）數據利用不充分。近年來，隨著“兩級數據中心”總體布局的落地實施，各級數據中心已經收集存儲了大量的業務數據。但各業務系統相互獨立，對這些數據的分析利用，仍然局限于各業務系統或業務條線內，數據孤島問題突出，嚴重阻礙了數據的分享和利用。同時，不同業務條線存在重復收集數據的現象，不僅增加了金融機構的負擔，降低工作效率，而且難以保證數據的一致性。隨著“數字央行”建設進程的不斷推進，越來越多金融機構的數據匯聚到央行大數據平臺。這些海量的金融市場數據、客戶交易數據和個人行為數據，具有極大的分析和利用價值。（三）數據安全管理有待進一步加強。當今社會，數據已經成為社會經濟發展的關鍵生產要素和基礎性戰略資源，需要高度重視數據安全問題。在數據采集、傳輸、使用以及銷毀等數據全生命周期中，均存在數據安全相關風險。當前央行“兩級數據中心”采取的數據安全防控措施相對較散，部署的入侵檢測、防火墻、一體化等主要針對網絡和終端層面的攻擊檢測，缺乏應用安全、內容安全和高級威脅檢測的能力和措施，未形成以數據安全防護為核心的安全保障體系，無法有效識別隱藏在業務內部的風險，導致數據在流轉過程中做不到可見、可控，防范數據濫用和數據泄露的手段相對匱乏。（四）對新業態的監管滯后。我國金融監管體系主要是對銀行、證券和保險等傳統金融機構的分業監管。雖然在2018年4月成立了中國銀行保險監督管理委員會，負責依照法律法規統一監督管理銀行業和保險業，維護銀行業和保險業合法、穩健運行，但仍未從根本上改變分業監管的格局。在分業監管模式下，監管主體的監管行動是根據細分的金融市場和金融業務來確定的，不同的監管機構只針對在其職責范圍內的金融業務和產品的風險加以規范和管理。而數字金融是多領域混業經營，具有明顯的跨界特征，需要多部門綜合監管，傳統金融監管無法對其正常發揮作用。另一方面，各監管機構在數據分析成果共享、監管協同方面溝通協調不夠，導致對跨行業金融行為監管缺失或不足。

五、對數據架構改進的建議

（一）建立統一的數據治理標準，奠定數據應用基礎。一是細分賬戶體系粒度，完善金融元數據建設。央行已經了有關二、三類賬戶的規則設定，客戶賬戶是客戶金融能力和行為的基本體現，二、三類賬戶豐富了金融應用場景。應反洗錢要求，KYC（KnowYourCustomer）原則促使銀行等金融機構對賬戶使用者的基礎信息進行可信的維度擴展。賬戶的多維度建設使金融元數據標準化，可信、可分類、可聚合，形成金融物聯網中的數據節點基礎庫。二是建立對銀行機構的數據治理監督評估體系。銀行機構的數據質量直接影響央行的數據治理應用效果，應設立金融數據標準化和過濾規則，匯聚金融數據池。三是規劃全局數據架構，建立跨部門、跨機構、跨領域的數據共享與融合應用機制，打破數據壁壘。央行通過各經濟活動、金融業務的數字化規范，精準對接各金融機構生產數據，包括信貸數據、消費數據、產業供應鏈數據等，形成央行金融數據池，有關金融和經濟的上下文數據流形成閉環金融數據池生態圈，并不斷迭代更新、進化。（二）建立數據共享機制，深挖數據價值。一是內部數據的共享。以“數字央行”建設為契機，深入推進數據治理工作，制定統一的數據標準、數據模型和數據架構，推動各類數據的融合應用。摸清數據資產狀況，全面梳理央行擁有的數據資源清單，并持續進行維護，形成動態管理的數據資源目錄。在央行內部各業務條線之間、各級分支機構之間建立一套切實可行的數據共享機制，搭建數據共享平臺，讓數據能夠在各部門之間、各層級之間高效流動，同時保證數據的一致性和準確性，實現數據一次采集，多系統共享，減少重復收集數據的工作量，提高金融監管效率。二是外部機構之間的數據共享。對外構建央行與政府及行業相關部門、金融機構間的數據共享機制，目前部分機構已就欺詐管理、數據風控等特定模塊進行開放。分析消費金融就是通過分析客戶的資產數據、金融產品、風控3類資源的分布情況，對消費金融進行引導，并把數據分析結果共享給金融機構，調整金融服務和產品策略制定。將用戶金融行為分析的各行業發展數據，應用于政府其他部門進行產業調節等，不斷以數據驅動的方式進行模式發現、反饋、共享，關注經濟活動和金融行為數據流指向的業務途徑和用戶意向，建設央行數據計算平臺，為深入挖掘數據價值提供支撐。（三）深入挖掘數據資源，提升監管效能。建立數字化監管規則庫、監管知識圖譜和智能化數字監管平臺，實現監管規則形式化處理、數字化轉譯和程序化服務，提升金融監管的智能化水平。建設多方聯動的風險態勢感知平臺，通過復雜網絡、深度學習等手段，建立健全金融風險監測預警和早期干預機制，早識別、早預警、早發現、早處置，切實增強防范化解金融風險的能力。例如，央行制定的反洗錢實施細則等有關金融合法合規性的要求，一定程度上需要依靠人的經驗、數據后期的分析結果來進行事后審查，如果對金融行為數據模式進行匹配，做到KYD（KnowYourData），充分挖掘數據隱含的信息，實現內控規則、風控模型與交易流程的有機融合，則可以在非法金融行為（如洗錢、地下錢莊、涉恐等）進行的路徑中進行截斷、裁剪。（四）加強數據安全管理，防范隱私泄露。完善配套的數據安全防護和數據分級保護技術手段，規范引導建立金融業數據市場，及時制止金融業數據違規流通行為。設計安全的數據采集應用規則，排除數據濫用和個人金融行為隱私泄露風險。各行業機構生產消費、個人消費涉及多個金融機構以及各行各業，每個機構擁有部分數據，央行在采集后形成全量數據，對行業機構和個人的經濟、金融樣貌進行真實刻畫。央行采集存儲的數據應是安全可信的，數據分析后的結果應用于各行業機構需隱去明細和不相關的特征，留下個人金融行為黑盒子金融特征輸出和鮮明、準確的統計數據散列，并避免反推原始數據明細樣貌。

參考文獻：

[1]黃益平，陶坤玉.中國的數字金融革命：發展、影響與監管啟示[J].國際經濟評論，2019(6):24-35.

[2]中國人民銀行金融消費權益保護局.中國普惠金融指標分析報告（2019年）[R].2019.

[3]唐家才，王昕.爭做“互聯網+”時代的標準化領跑者[J].金融電子化，2019(8):26-27.

作者:何文才 王達山 單位:1.中國人民銀行巴中市中心支行 2.中國人民銀行成都分行