中国的银行业一直在转型，要么转型，要么在转型的路上。2000年以来，中国银行业经历了三次转型：一是2005年开始大行股改的市场化转型；二是2010年以后流程化转型，国有商业银行要按照扁平化管理的目标，对组织结构进行再造；三是2016年以来正在经历的数字化转型。银行业每一次遇上信息技术产业的升级与变革，都深刻地改变了商业银行的运作模式。
央行副行长范一飞曾表示，数据已成为金融数字化转型的基础性、战略性资源。商业银行需要走数字化转型道路以符合时代发展的要求已经是业内共识，但是在转型工作落到实处中，仍然面临着一些阻碍和问题，具体有以下几点：
1.随着经济结构调整，银行原有客群发展进入瓶颈期
比如传统支柱型产业房地产、基建等，导致业务增长、资产质量受到了严峻的考验，于是银行将业务焦点由少数的“头部”转向普惠大众的“长尾”，也就是中小企业和零售业务。而近年第三方支付的异军突起，一方面让银行的危机感油然而生，业务转型的动力更足，另一方面又从技术创新角度给银行提供了经验借鉴，打开了银行在“长尾”客群的经营方面的思路。
此外客户的需求也发生了改变，对于金融服务的期望和要求日益提升，在全渠道体验、定制化内容、智能数据、实时便捷及移动化等方面，对银行都提出了更高要求。
2.受监管和合规要求，银行数据质量、数据标准、数据安全问题突出
随着数字化转型步伐的加快，各政策性银行、大型银行、股份制银行，邮储银行，外资银行，金融资产管理公司，以及其他会管金融机构也纷纷开始了数据治理的相关工作。
但面临错综复杂、日新月异的数字化变革浪潮，银行的数据质量、数据标准和数据安全问题越发突出，比如数据来源不一，且尚未实现有效整合，数据碎片化和数据孤岛问题突出，无法充分发挥数据价值等。如何解决这些痛点，从而切实提升数据治理水平，是银行从业者需要面对的一道难题。
3.组织敏捷性不足，跨部门合作困难
数字化转型在很大程度上颠覆了银行传统的工作模式，这对商业银行的内部管理能力提出了更高要求。在数字化转型的实际工作中，银行科技部门常常需要深入了解用户实际，发现客户需求，这就要求他们对业务有一定的了解，与业务部门沟通协调到位。否则，科技人员会因为专业程度或者对业务的理解深度不够，面对用户实际需求无从下手，或者是开发出来的功能并不实用，徒增人力成本。
但目前部分商业银行仍采用传统的组织架构，未做合适的调整，或者是做出相应变革后，传统组织架构形成的业务惯性仍旧存在，只是单独设立科技部门，而未真正地打破业务部门与科技后台之间的壁垒，各条线与各部门之间界限依然明显，未能相互融合。在传统的组织架构模式下，缺乏统一合理的安排和调度，部门间无法做到充分协调合作，组织敏捷性不足，导致部门之间协同困难，出现了信息传导不畅、执行难、响应慢等问题。商业银行的“总分支行+科技部门”的组织架构模式相比于互联网科技公司的事业部制和扁平化管理，在信息传导和响应速度方面存在明显劣势。
4.产品缺乏灵活性与创新性
相较于商业银行，互联网金融科技公司明显更灵活也更有创新意识，他们在线上与数字化产品设计上，会依托自身技术优势和流量加成，提供个性化的产品和服务吸引客户，并拥有更强的数据处理意识和能力，会基于所获取的用户信息，进行信息整合、加工和反馈，从而进一步调整产品的服务和营销模式。
而商业银行的数字化产品，灵活性与创新性则相对较低，这或许是受限于更为严苛的法律监管和有限的科技能力，体现在线上业务运营的个性化程度不高、定价机制不够灵活、业务流程不够便捷等方面。
例如，网商银行和微众银行等具有互联网基因的金融科技公司，灵活运用人工智能、区块链、云计算、大数据等数字化技术，凭借自身积累在信贷领域发挥出了自身特色。微众银行推出的“科创贷”贷款产品，客户全程仅需线上操作，不需要在线下提供任何纸质材料，从申请到获批只需花短短的几分钟就能够放款。这些互联网金融科技公司创新地建立了一系列的数字普惠金融业务风控模型，在长尾客户的小额信贷服务上，给传统的商业银行造成了一定程度的冲击，传统商业银行在数字化产品设计上与互联网金融科技公司仍有一定的差距。
5.数据治理能力薄弱
数字化转型十分考验商业银行对数据资产的理解，考验商业银行利用数据创造价值的能力。银行是一个数据密集型行业，但部分商业银行目前对数据资产的理解仍然停留在较浅的层面，数据多处于“睡眠”状态，对于如何获取数据、管理与分析数据缺乏深入理解，存在数据管理散乱、利用效率低下、数据模型体系建设尚处于初步探索阶段等问题，在数据治理能力方面还有很大的提升空间。
数据从流入、存储、加工到消除的各个流程和环节，都需要统一的数据质量标准和范式，才能够形成有效且加工成本低的数据信息，但目前普遍存在多头统计、标准不一的问题。商业银行业务多，数据来源也就多，正因如此，如果对数据资产管理缺乏全局视角，数据间就无法形成互联互通的机制，更无法从中深度挖掘数据价值，最终导致数字化转型在实际应用层面无法落地或者功能不够丰富，容易跌入“以产品为中心”的陷阱。
对于业务多、产品多、流程多的商业银行来说，多部门数据的采集和交互确实存在一定难度，需要一定的时间来培养整个组织的数据资产管理的意识和能力。
银行要做好数字化转型，首先建立起科学的认识。
第一，银行数字化转型是一个渐进的过程。需要充分认识转型的趋势，数字化转型需要与业务战略保持一致，循序渐进。数字化转型应该从实际出发，尊重市场机制和发展的规律，探索合适的金融科技创新之路。
第二，数字化转型是一个全局性的工作。数字化转型的顶层设计非常重要，大部分银行在推动数字化转型的过程中都始终“战略先行”，制订包括IT系统架构、数据治理、业务与科技融合等方面的顶层规划。
第三，数字化转型是“一把手工程”。转型能否成功，董事会和高级管理层要负主要责任，“责任都在主席台”，功劳也在主席台。数字化转型需要机制与资源联动、技术与业务协同，保障数字化转型规划顺利实施。
第四，数字化转型应该因地制宜。根据各家银行的历史发展、资源禀赋、人才集聚等情况，打造商业银行特色数字化转型之路。比如，区域性银行应该逐渐回归本源、服务地方，结合地域特色和客群特点，打造成为经营特色化、内外敏捷化、全域智能化的区域数字银行。
大部分商业银行的数字化转型都建设两大体系：金融科技能力体系和数据综合利用能力体系，提升“平台+数据+模型”基础能力，实现系统化、信息化、智能化。加强“两个能力”建设，创新金融产品服务，优化数据应用系统和业务应用系统，提升数字化营销、运营和风控能力。
作为一家深耕大数据产品与服务的公司，小亿这里主要从数据治理方面来为银行业的数字化转型提供一些路径和思路参考。
1.制定数据战略，做好顶层数据规划
数据战略是制定企业数据资产管理的总体目标和发展路线图，指导企业在各阶段根据路线图中的工作重点开展数据治理和运营工作。商业银行需要通过内外部环境的分析，并在自身业务特点基础上来制定数据战略。
比如，零售业务为主的银行，其数据战略应围绕如何获客活客，如何对客户进行画像分析，精准营销，提升零售服务水平，并结合这些目标制定数据战略；而主打对公业务的批发银行，应遵循了解你的客户的原则，识别清理异常类对公账户，降低此类账户引发的洗钱及监管风险。
2.逐步建立数据治理架构，明确归口部门
数据治理是企业战略，是一项全行性的系统性工作，有效的组织架构是数据治理的基础，因此我们可以从以下3个方面来进行：
（1）建立数据治理委员会
建立由高级管理层和各相关部门组成的数据治理委员会，统一领导数据治理工作，负责制定全行的数据治理战略，科学规划数据治理发展路线和实施计划。
（2）明确数据治理的归口部门
因为多数银行的数据归属不同的部门，容易出现职责分散、权责不明，归口管理部门的确定有利于进行数据的统一管理，制定科学有效的数据管理制度，保障数据治理工作有效推进。
（3）构建数据管理的组织架构
银行需要按照自身的业务特色和组织结构，来构建数据管理的组织架构。这其中有各部门只负责本部门业务领域数据管理的分散模式，也有统一由归口管理部门进行管理的集中模式。具体选择何种方式，主要取决于数据治理归口管理部门的人力投入与专业能力，例如组织的沟通、业务的理解和技术开发的能力等。
3.制定统一、明确的数据标准，提升数据质量
商业银行顶层设计的落地与实现，需要建章立制来开展：
首先，需要形成从章程、专项管理办法到工作细则三个梯次的制度层级，合理地制定数据治理的具体领域和目标，明确需要遵循的原则，需完成的任务、采取的步骤和具体措施等；
然后，归口管理部门发挥牵头作用，推动和监督流程执行，为数据标准制定工作，提供人力、技术、资金等关键资源，并获得管理层的行政支持和充分授权，通过激励和问责考核体系，推进数据标准工作的制定与执行落地；
最后，自下而上归纳与由上而下演绎相结合进行数据标准梳理，一方面需要自下而上整理信息系统中的数据情况，同时也需要自上而下定义数据主题、细化分类，两者结合才能够实现全面整体的数据视图，形成有效的数据规范要求。
4.多层次多途径推动数据标准落地
数据标准的制定和落地是数据质量提升最关键的前提，主要可以从以下5个方面来进行：
（1）厘清相关方职责
需要厘清数据标准编制、维护、落地过程中的相关方职责，比如：
数据治理归口管理部门负责建立企业级数据标准化规划，统筹数据标准新增、维护、停用需求，牵头建立数据标准管理工具（如数据管控系统），组织开展数据标准相关培训；
数据标准业务责任部门负责编制、维护与解释归属于本部门的数据标准。系统建设/报表开发需求部门负责在系统建设或报表开发的业务需求提出过程中，明确数据标准执行要求；
科技部门负责应用数据标准规范系统建设与改造流程，确保数据标准被有效执行。
（2）建立数据标准管理工具
数据标准管理工作繁杂，需要借助有力的工具支撑，把数据标准管理流程嵌入日常工作流程中，加强数据标准落地流程管控。
（3）数据标准闭环管理
建立有“生命力”的数据标准，定期评估数据标准的适用性。如数据标准是否可以覆盖外部监管要求，数据标准是否可以有效满足国际、国家、行业标准及业务需求，数据标准的系统应用情况，数据标准是否有对应的业务责任部门等。
（4）做好落地效果评价
持续收集数据标准实施落地后产生的问题并进行应对，以元数据管理为基础，核对数据与标准的映射情况，定期评估数据标准的落地效果。
（5）培养员工数据标准落地意识
加强各个环节中的培训工作，保障在信息系统建设或改造过程中数据标准有效落地。
5.加强安全管理，完善客户隐私保护机制
数据安全是数据应用的前提，让数据更安全使用应作为商业银行数据治理的核心目标。
首先，建立数据安全策略与标准，依法合规地采集、保存及应用数据，保护客户隐私，是监管机构要求银行业金融机构的基本要求；
然后，通过数据资产盘点识别数据安全对象。盘点要以当地的法律法规和监管合规要求为依据，重点关注重要数据的定义和数据资产的分级分类，通过分级分类识别出核心数据资产和敏感数据资产，并投入更多资源精细化管理数据安全，使数据安全在共享和安全之间达到平衡；
最后，商业银行应加强个人隐私数据的采集和安全保护，从需求规划、系统设计、数据采集、数据应用每个环节都要将个人信息数据安全作为必要选项。
