数据要素背景下金融业数据治理新路径研究报告

数据要素背景下金融业数据治理新路径研究报告北京金融科技产业联盟2025 年 7 月版权声明本报告版权属于北京金融科技产业联盟，并受法律保护。转载、编摘或利用其他方式使用本报告文字或观点的，应注明来源。违反上述声明者，将被追究相关法律责任。编制委员会编委会成员：何军聂丽琴李琛琛编写组成员：孙伟吴晓渊顾羿煌李光耀董波李晓歌崔曦月陆燕朱颖宋文顶陶红兆刘通刘程琳隆峰张放温国梁孟萦卢翼李木子华桊兴赵亮肖体爱于宏亮刘丽丽卫少林刘绍华张海燕李振高强裔张澍何苗杨洋王旭东李培林睿陈承禹孙巨洋周元珂王艳艳孙振超张莹赵子凌杨祖艳靳晨杨景瑞黄勇刘志强编审：黄本涛国钰魏中宣参编单位：交通银行股份有限公司中国光大银行股份有限公司上海浦东发展银行股份有限公司中金金融认证中心有限公司中国邮政储蓄银行股份有限公司平安银行股份有限公司青岛银行股份有限公司北京国家金融科技认证中心有限公司中央国债登记结算有限责任公司新华三技术有限公司恒丰银行股份有限公司金电信息科技（北京）有限责任公司华控清交信息科技（北京）有限公司飞腾信息技术有限公司马上消费金融股份有限公司目录一、 总体概述 ................................................1(一) 数据要素助推数字经济新发展 ............................ 1(二) 数据要素背景对金融业数据治理产生深远影响 ...............1二、 金融业数据治理现状介绍 .................................. 3(一) 政策与标准 ............................................ 3(二) 主要工作领域与内容 .................................... 3三、 金融业数据治理面临挑战与机遇 ............................ 6(一) 问题与挑战 ............................................ 6(二) 趋势与机遇 ............................................ 7四、 面向 AI 赋能的数据治理新路径 ............................ 10(一) AI 技术赋能数据治理的基本逻辑 .........................10(二) AI 赋能数据标准管理 ...................................11(三) AI 赋能元数据管理 .....................................12(四) AI 赋能数据安全管理 ...................................12(五) AI 赋能数据服务 .......................................13五、 面向新领域的数据治理新路径 ............................. 14(一) 面向非结构化数据资源的数据治理 ....................... 14(二) 面向 AI 模型的数据治理 ................................ 20(三) 面向数据要素市场化的数据治理 ......................... 28摘要：《“数据要素×”三年行动计划（2024—2026 年）》提出充分发挥数据要素的放大、叠加、倍增作用，在金融服务等12 个领域试点数据要素的融合应用，赋能经济社会发展。在数据要素与金融服务相融合的背景下，数据要素加速实现市场流通的要求，以及人工智能等新技术的广泛应用对建立相应治理体系的紧迫需求，给金融业数据治理工作带来新的课题与挑战。报告分析了新背景、新技术的应用对于改变传统数据治理领域工作范式和催生数据治理新课题、新领域两方面的影响，通过梳理金融业数据治理现状，比较行业实践案例与前沿理论动态，形成理论与实践之间的交叉验证，构建起数据要素新背景下金融业数据治理新路径的整体框架。报告总结了 AI 技术赋能数据标准管理、数据安全管理等传统数据治理领域的路径。提出了面向 AI 模型与非结构化数据两大新领域的治理路径。报告阐明了数据要素市场化与数据治理工作的关系，对未来支持数据资源入表、数据要素加速流通的金融业数据治理做出展望。1一、总体概述（一）数据要素助推数字经济新发展党的十八大以来，我国数字经济快速发展，数字经济规模占国内生产总值（GDP）比重提升到 40%左右，数字经济规模连续多年稳居世界第二。数据是数字经济发展的基础，数字经济与传统农业、工业经济的主要区别在于数据成为关键生产要素，数据要素的流通、共享、交易构成我国数字经济快速发展的源头活水。2023 年 12 月，国家数据局联合多部门印发的《“数据要素×”三年行动计划（2024—2026 年）》（以下简称《行动计划》），提出充分发挥数据要素的放大、叠加、倍增作用，在金融服务、智能制造等 12 个领域试点数据要素的融合应用，推动数据要素与其他要素相结合，发挥数据要素乘数效应，赋能经济社会发展。《行动计划》的出台，将进一步促进数据要素在相关行业和领域的广泛应用，推动数据要素驱动经济社会高质量发展新态势的形成。在此背景下，探讨面向人工智能的数据治理、面向数据要素市场化流通的数据治理等关键课题，尝试构建金融业数据治理新路径，对于推动落实《行动计划》、促进金融服务中数据要素的价值释放具有积极意义。（二）数据要素背景对金融业数据治理产生深远影响数据要素与金融服务相融合的政策导向，一方面将对金融业数据要素的价值释放形成有力推动，另一方面，大数据、人工智2能等新兴技术的广泛应用，促使金融机构对完善相应的数据治理体系产生了更为紧迫的需求。1.改变传统数据治理领域工作范式在数据要素新背景下，金融机构广泛将人工智能技术应用到数据治理领域中，赋能数据标准管理、元数据管理、数据质量管理、数据安全管理等子领域，改变了这些领域原有的工作范式与路径，使得这些领域数据治理工作的效能得到显著提升。2.催生数据治理新领域在“金融+数据”深度融合的政策导向下，金融机构将机器学习和深度学习模型应用于客户营销、风险防控等业务领域，借助其强大的数据处理和建模能力开展经营决策、推动业务发展。在这一背景下，如何建立覆盖 AI 应用全生命周期的治理体系，有效规避 AI 模型开发、部署、使用过程中可能产生的数据安全、数据质量风险，更好地发挥 AI 模型的业务价值成为金融机构面临的新挑战。同时，持续迭代的 AI 模型、不断扩充的 AI 算力只有在与其能力相匹配的数据集相结合时才能产生促进数据价值释放、推动金融业务发展的效果，这就要求金融机构将数据治理拓展到非结构化数据，实现 AI 算力与计算对象之间的高效供需匹配。这些背景共同催生了 AI 模型治理、非结构化数据治理等新领域。3二、金融业数据治理现状介绍金融业是典型的数据密集型行业。建立完善的数据治理体系，对数据要素开展系统性的治理，对于金融机构的数字化转型与高质量发展具有重要意义。（一）政策与标准《中华人