EY安永：2025年数据资产全生命周期管理体系建设白皮书.pptxVIP

数据资产全生命周期

管理体系建设白皮书

——数据资产如何成为企业新引擎？全生命周期管理是关键

2025年4月;;

01

全生命周期视域下企业数据战略;

自2020年4月9日中共中央、国务院发布《关于构建更加完善的要素市场化配置体制机制的意见

》，首次将数据作为新型生产因素写入中央文件以来，我国数据要素市场化改革进程显著提速。同时，2025年3月5日，《关于做好金融“五大文章”的指导意见》的出台，进一步提出了在五大核心领域高效利用数据要素的新要求，旨在推动中国金融体系向更高效、更包容、更可持续的方向发展。这一系列的政策导向，不仅为金融行业带来新的挑战，也为其指明转型升级新路径。

随着数据确权、流通、交易等基础制度的持续完善，金融行业积极响应国家战略部署，通过构建数据治理体系、深化技术应用创新等举措，加速推动数据资产从沉睡资源向核心资本转化。这场由政策驱动与市场需求共同催生的价值觉醒，不仅重塑了金融行业的发展逻辑，更为其深度参与数字经济建设、抢占未来发展制高点奠定了坚实基础。

金融行业推动数据领域相关管理工作，其直接的驱动力主要表现在如下三大方面：

n“厘清家底”——识别过往业务中已累积、多样化、高复杂度的数据特征，提高其被激发及再利用的水平。

n“明确价值”——推动数据管理工作向“高质量”转变，挖掘数据资产的潜在价值属性，提升其长期表现力。

n“创造财富”——促进数据在企业业务拓展、新业态开发过程中的核心决策力，促进企业数据产品的开发、内外部交易及交换，加速市场参与及财富创造进程。;

数据中台体系

数据基础平台数据应用服务平台数据资源管理平台数据治理平台

组织保障体系

组织定位组织架构岗位与流程制度保障;

02

海量数据资源的高效盘点与多维

分类体系构建;

6数据资产全生命周期体系建设白皮书;

挑战二是数据资源分类体系单一和基于数据的业务应用视角需求之间的矛盾???数据资源的分类天然和IT系统/表的分类一致，但如果仅仅是按照系统、表的视角，对数据资源进行分类，数据治理人员、数据分析应用人员难以对数据资源进行有效的检索和使用，企业耗费大量人力物力开展的数据资源盘点成果，难以最大化发挥其价值。

因此在传统的技术视角目录外，必须还要构建基于数据视角、应用视角的数据资源目录。在数据视角方面，基于金融行业数据模型，我们已经构建了一套包含大类-小类-子类-细目的四层分类体系，该分类体系基于对业务的总结和抽象，从数据的视角对数据资源进行了合理的分类，类目总数达到2000项左右；在应用视角方面，则需要基于金融机构对数据应用的场景分类体系进行构建,目前我们已经总结了银行业金融机构典型的数据应用场景近200个，可以实现从应用视角对数据资源进行全面分类。;

03

“业数技”三维协同驱动的数据

资源治理;

挑战一是数据治理的价值不显著，除了监管数据质量提升具备较为明确的价值外，数据治理在金融机构内部经营管理上的价值创造依然不充分，进而导致数据治理在企业内的重视程度、资源配备、协同推动等各方面都面临较大挑战，大量的数据治理工作停留在基础数据标准制定和监管报送数据质量问题解决上，导致数据治理的业务价值无法得到释放。

解决之道是构建“以用促治”的数据治理推进策略，除了基础数据标准、管理机制、治理平台等数据治理的基础性工作外，需要结合企业对数据的应用，并行推动数据治理工作。在金融机构常见的数据应用领域包括经营分析及其指标体系的建设、风控模型的建立、客户标签和画像体系、业财一体化分析体系、产品精细化经营和分析等，在这些数据应用领域推进的过程中，随着需求的明确、数据的探源和数据质量的分析，会发现大量底层明细数据的不标准、质量不高等问题，这些是数据治理以明确的业务价值为目标推进的场景和机会。除此之外，随着大模型在金融企业的广泛应用，大模型训练和运行所需的非结构化数据的治理，也成为数据治理工作的下一步热点,非结构化数据治理的基本逻辑依然需要遵循“以用促治”的原则，在非结构化数据资源目录体系构建、非结构化数据特征集构建等方面，开展治理工作。;

与数据应用并行推动数据治理工作，优点是具备明确的需求和业务价值，但随之而来是第二个挑战，“业数技”在这项工作中如何分工？金融机构传统