金融场景下大数据建模常见的数据质量问题及应对策略研究.pdf

专题

Subject

编辑徐航

金融场景下大数据建模常见的数据质量

问题及应对策略研究

文／马文星王锋²韦晓？

1.工银科技有限公司2.中国质量认证中心

[摘要】随着科技的快速发展，数字金融已被视为是科技金融、绿色金融、普惠金融及养老金融

发展的核心，其健康发展对于铸造新质生产力具有重要意义。大数据建模是更好、更快地发展数字

金融的重要工具和方法，本研究从金融的视角出发，在深入分析金融数据的特征、大数据建模的价

值和保证数据质量重要性的基础上，对金融场景下大数据建模过程中常见的数据缺失、数据错误、

数据滞后、数据失衡和数据余等数据质量问题，提出针对性的应对策略，以充分发挥数据要素价

值，助力数字金融发展。

[关键词]数字金融大数据建模类

数据质量应对策略

[中图分类号]N945.12F49【DO1】10.16691/j.cnki.10-1214/t.2024.07.009

金融作为国家核心竞争力的重要组成部分，其高分发挥数据要素价值4。然而，在金融场景下，大数据

质量发展是推动中国式现代化强国建设不可或缺的内建模过程较为复杂，所涉及的数据范围较广，容易出

在要求。党的十八大以来，我国金融事业取得了新的现影响大数据建模的数据质量问题。

重大成就。习近平总书记在2023年中央金融工作会议1金融场景下大数据建模数据质量的重要性

上首次提出并强调要做好“五篇大文章”。其中的数

1.1金融数据的定义及特征

字金融依托人工智能、区块链等信息技术手段，推动

金融数据在国内外尚未有明确而统一的定义。美国

金融行业在业务模式等方面大力创新，已被视为推动

在“非公开信息”的概念中对其有所提及，指“消费者

科技金融、绿色金融、普惠金融及养老金融发展的核提供给金融机构、来源于消费者任何交易或所获得服务

心，其健康发展对于铸造新质生产力具有重要意义2。的可识别个人金融信息”；我国则将“个人金融信息”

大数据建模是发展数字金融的重要工具和方法，定义为“金融机构通过外部渠道或自身业务开展获取、

通过收集、处理和分析海量数据，帮助金融机构更准保存与加工的个人信息的总称”，包括个人的账户、财

确地识别风险、评估价值、制定策略和优化服务3。在产、身份等信息。由此可见，金融数据不仅包括金融机

大数据建模过程中，数据质量是影响模型效能的关键构采集的原始数据、加工处理后的数据，还包含具有金

要素之一，以高质量的数据为基础进行建模，可推动融属性的数据，如宏观经济数据、金融市场数据等。

金融数据与服务的融合应用，提升数据利用效率，充金融数据具有以下特征：一是规模大，涵盖范围

54|《质量与认证》2024·07

广，通常以大量观测值和交易记录的形式存在；二是更1.3保证数据质量的重要性

新频率高，要求对数据进行实时或近实时获取和分析；《“十四五”大数据产业发展规划》强调“构建

三是多样性，通常来源于不同的渠道；四是关联性，数行业数据治理体系”，鼓励企业发挥技术驱动治理的

据之间常存在关联关系；五是敏感性，国家政策变化等作用。人民银行印发的《金融科技发展规划（2022-

情况均会对金融数据造成影响[5]。2025年）》提出“高质量推进金融数字化转型”。国

务院《关于构建数据基础制度更好发挥数据要素作用

1.2大数据建模的价值

的意见》提出要“完善治理体系”。还有首次将数据

1.2.1推动产品创新