5月21日，银保监会印发《银行业金融机构数据治理指引》（银保监发[2018]22号）（以下简称《指引》），从征求意见稿到正式稿落地仅2个月时间，足以彰显金融数据治理的重要性和紧迫性。《指引》内容极为详尽，将数据治理纳入银行的公司治理范畴，并为之构建组织架构和治理体系，将数据治理职责细化到董事会、监事会、高级管理层、归口管理部门、业务部门等各相关部门，且明确牵头部门和业务部门职责，对岗位设置、团队建设和数据文化建设等提出要求，采取一系列措施加强数据源头管理和采集规范，以保证数据质量。
数据资源是金融行业的重要资产，随着数据治理工作的高效开展，未来数据的价值将会得到更大程度的挖掘，不仅可以提升金融机构的运营效率，加速银行业乃至整个资管行业更加高效、高质量的发展，也可以提高监管部门的监管效能，增强监管政策的实用性和时效性。
具体从银行经营角度看，自上而下的顶层设计，实际是建立了各个业务部门和技术部门的桥梁，将分散的数据信息形成统一的数据资产，统筹规划推进数据治理工作，数据化管理提升银行运营和风控的效率。高质量数据同样可以辅助银行经营决策，通过研究、分析可以快速发现可能存在的风险和漏洞或者进一步改善治理和服务的方向，进而进行制度优化、治理改善或者服务升级等，从而提高企业核心竞争力。
从金融监管的角度来看，通过真实、准确、完整、连续、及时的数据统计，可以为监管决策提供重要的依据和佐证，规避一些不必要的风险事件，进而提升监管的效能，使得发布的监管政策更加“对症”。目前来看，金融去杠杆的节奏趋缓，未来金融监管重心向长期规划转向，更多补短板的举措或将加速落地，避免监管政策滞后或“一刀切”，数据化监控也有利于提高政策的执行力，便于评估效应。
从现代化金融体系建设的角度来看，十三五现代化金融体系规划提到，在金融基础设施方面，将建立覆盖所有金融机构、金融基础设施和金融活动的金融业综合统计体系，实现全流程、全链条动态统计监测。银行是金融体系的重要部分，银行业数据治理是推进现代化金融体系的重要环节，完善大国金融数据治理，是国家发展的战略需求，高质量数据服务宏观调控，为宏观杠杆率计算提供更多的基础数据，监控货币政策的有效性和流动性。
自上而下全体系布局
政策纲领方面，金融监管工作的数据治理正自上而下全体系布局，目前落脚银行，未来或将全链条落地。今年4月9日，国务院办公厅官网印发《关于全面推进金融业综合统计工作的意见》，近期发布的《十三五现代金融体系规划》也强调“将建立覆盖所有金融机构、金融基础设施和金融活动的金融业综合统计体系，实现全流程、全链条动态统计监测”。
此次《指引》实操方面，要求银行自上而下推动数据治理工作在全行范围开展，并构建出顶层设计。这样避免单一部门影响力不足而导致无法有效全面推动相关工作，同时也体现出推动数据治理工作的决心。
鉴往知今，金融数据至关重要。回顾过去三年的风险事件，金融业综合统计为何规格如此之高的原因不难理解。比如2015年，高杠杆场外配资是2015年股市异常波动主要原因。场外配资从信托、银行、基金、证券公司等金融机构乃至民间借贷公司等各种渠道给炒股的加杠杆。2014年股市开始热起来时，各路机构就转而给股市放贷，各类伞形信托和配资平台迅速成长，通过各类结构化金融产品和创新工具等渠道分流，最终制造了一次迅猛上涨。如果当时有准确的数据统计系统，在杠杆疯狂到离谱之前，监管部门很可能可以预警风险并提前解决。退一步讲，在去杠杆的过程中，如果有充分的数据辅助，情绪面的恐慌程度或许会降低，不至于出现股市异常波动。
强調数据质量 凸显监管思维缜密
首先，明确数据治理的业务职责和问责机制。为有效落地数据治理工作并保证数据质量，除牵头管理部门外，《指引》明确规定了业务部门的职责、岗位配备以及问责机制，专门强调要为相关岗位科学规划职业成长通道，确定合理薪酬水平，确保队伍的专业性和稳定性。建立问责机制，定期监控数据管理、数据质量控制、数据价值实现等方面问题，依据有关规定对高级管理层和相关部门及责任人予以问责。
除此之外，《指引》要求银行业金融机构应当建立数据质量考核评价体系，将考核结果纳入本机构绩效考核体系，为数据治理保质保量提供抓手。
其次，加强数据源头管理和采集规范。为保证数据质量，《指引》将采集规范和标准通过信息系统进行固化，形成数据质量把控的第一道防线，质量监控体系是第二道防线，覆盖数据全生命周期，对数据质量持续监测、分析、反馈和纠正，解决数据质量的难题。
最后，《指引》还制定了配套的定期评估和检查，要求银行业金融机构应当建立数据质量现场检查制度，定期组织实施，原则上不低于每年一次，对重大问题要按照既定的报告路径提交，并按流程实施整改。