保险企业数据质量管理技术及其应用简

数据质量管理是指对数据在获取、存储、数据质量评估、维护、应用、消亡生命周期的每个阶段里可能引发的各类数据质量问题进行识别、度量、监控等一系列的管控活动。数据质量管理技术是循环管理的过程，其目标是通过可靠的数据提升数据在经营管理中的价值，并最终为企业赢得经济效益。数据质量管理，不仅仅对问题数据和垃圾数据进行探查、清理、补充和完善，更是对数据质量和组织管理技术的改善。在保险业，针对数据的改善和管理，主要包括数据探查、数据评估、数据清洗、数据监控、数据稽核、错误预警等内容。     

商业银行数据要素价值实现的理论与实践探讨

数字经济发展趋势下，数据资源、数据资产、数据资本、数据产品等相关概念既有所差异又存在共通之处，其本质都是数据生产要素在不同阶段的具体表现。本文基于数据生产要素理论，构建了银行数据要素价值实现的理论模型，总结出银行数据要素“资源化—资产化—资本化”的价值实现过程。基于银行业实践，本文发现目前我国银行数据要素呈现出“数据资源化大规模展开、数据资产化理论研究先行、数据资本化尚未取得实质性进展”的特点。因此，未来商业银行推动数据要素价值实现的方向主要有：一是树立系统性思维，在监管合规要求下，进一步加大对数据资源的保护、管理和开发力度；二是探索科学性方法，适时推动数据资产入表，全面深化数据融合应用；三是坚持开放性路径，利用先进科技手段有序推进数据流通共享，探索数据银行可行模式。     

基于监管合规的中小银行数据治理体系研究

数字经济时代，数据已经成为银行的重要资产和核心竞争力。中小银行客观上存在资源投入不足、标准职责不清、报送口径杂乱和应用模式单一等数据治理难题，在“严监管、细监管、深监管”的数据管理背景下，中小银行可以从顶层设计、战略目标、数字技术、专业人才和考核政策等角度突破数据治理难题，基于应用角度做好数据盘点、数据认责、数据标准、数据安全和数据质量管理等具体的数据治理工作，在此基础上基于全域数据观，搭建统一的监管数据集市，在满足监管合规要求的同时，充分发挥数据价值，赋能业务发展，提高银行经营质效。     

数据仓库中的逻辑数据模型

在数据仓库项目中，我们常常需要进行数据整合，即将企业不同业务系统的数据进行抽取、清洗、转换，最后变成可以进行数据分析的企业基础数据集。逻辑数据模型（以下简称LDM）就是企业基础数据的一部分，它是企业数据资产的全面的、准确的描述，是数据整合的核心或目的。数据整合就是将不同来源的数据整合到一个统一定义、统一形式的LDM中。     

数据资产证券化的法律风险辨识与中国启示——以美国数据资产证券化实践为鉴

数据资产证券化是以数据资产未来产生的现金流为偿付支持，发行数据资产支持证券的过程；它能为数据产业提供强大的金融驱动力，是突破我国数字产业化与产业数字化发展瓶颈的关键环节。美国实践表明，数据资产证券化存在特殊法律风险，涉及数据来源的合法性、数据资产评估的准确性、数据企业经营活动的稳定性、数据安全隐患等。我国现有规则难以防范上述新型风险，这种局限性的理论症结在于数据权益分配争议和多数人侵权理论分歧。借鉴美国的理论和实践经验，能使我国深入认识数据资产证券化的特殊法律风险，提前做好充分的制度准备。我国可运用实用主义原理调和理论困境，在规则层面明晰数据来源合法性判断规则、完善数据资产评估规则、调整数据企业的合规义务、健全管理人管理规则，助力中国数据资产证券化顺利实施、数字经济蓬勃发展。     

数字化转型大背景下银行数据能力怎么建？

数字化转型大背景下，银行经营管理愈发依赖数据，数据已逐渐成为银行不可或缺的生产要素，但当下各银行依然普遍存在找数难、取数难、用数难、可信度低、质量差等问题。各银行都高度重视数据能力体系建设，但数据丰富度不足、时效性不高、整合度低、累积历史问题多等诸多难题亟待突破。针对当下银行数据能力体系建设现状，本文提出银行需构建起支撑全量数据、全域数据两类应用的数据双模能力体系方案，给出升级完善全量数据体系、构建全新的全域数据体系、构建有数字化工具支撑的数据治理体系、打造可并行支撑全量及全域数据应用的湖仓一体的数据基础服务体系、完善数据组织文化人才梯队建设等五大举措，并介绍了银行业数据能力建设的领先实践。     

金融数据共享利益冲突平衡的法律进路

数据是数字经济时代最重要的生产要素之一，流动的数据才能发挥数据价值，金融数据共享是数据流动的一种形式。金融活动中金融数据在不同金融机构之间、金融机构与科技企业之间、金融机构与金融监管机构之间共享，金融数据控制者对其所控制的数据的财产性权益期待是促进数据共享的动力。金融数据中有大量关涉个人信息的数据，而且金融数据安全关系到国家金融体系安全，在确保国家金融体系稳健和个人信息安全的前提下，将金融数据权利赋予金融数据控制者，有利于促进金融数据共享，最大限度地挖掘金融数据价值。为平衡金融数据共享主体之间的利益冲突，应当以确定数据权属为底层逻辑，优先保障个人信息权益，并通过引进侵权惩罚性赔偿机制，调整惩罚性赔偿金分配机制和个人信息侵权公益诉讼规则，完善个人信息侵权赔偿制度。     

数字化转型大背景下银行数据能力怎么建？北大核心

数字化转型大背景下，银行经营管理愈发依赖数据，数据已逐渐成为银行不可或缺的生产要素，但当下各银行依然普遍存在找数难、取数难、用数难、可信度低、质量差等问题。各银行都高度重视数据能力体系建设，但数据丰富度不足、时效性不高、整合度低、累积历史问题多等诸多难题亟待突破。针对当下银行数据能力体系建设现状，本文提出银行需构建起支撑全量数据、全域数据两类应用的数据双模能力体系方案，给出升级完善全量数据体系、构建全新的全域数据体系、构建有数字化工具支撑的数据治理体系、打造可并行支撑全量及全域数据应用的湖仓一体的数据基础服务体系、完善数据组织文化人才梯队建设等五大举措，并介绍了银行业数据能力建设的领先实践。     

贸易信贷数据综合利用系统的设计和实现

2008年下半年，国家外汇管理局在全国推广了贸易信贷登记管理系统。该系统缺少数据的统计分析功能，而贸易信贷数据综合利用系统完善了对数据的统计分析及综合利用。该系统以贸易信贷登记系统中逐笔数据为基本信息源，并引入企业档案系统、出口收汇核报系统和进口付汇核销监管系统等数据，将这些数据信息搭建在同一数据平台之中，实现对贸易信贷数据的查询、汇总、分析和监管，并借助与贸易信贷管理相关的外部数据实现对贸易信贷登记数据进行事后核对。     

金融行业的大数据管理探讨

目前，全球正处在一个数据暴增的时代，数据以几何级数增长。海量的数据给管理和维护带来困难的同时，也提供了巨大的潜在价值。如何存储这些快速增长的、海量的数据？如何对大数据进行分析处理，挖掘出价值？相关的一系列问题已经成为所有企业特别是金融行业面临的共同挑战。一、大数据的定义和特点大数据对每个领域都产生了影响，在商业、经济和其他领域中，决策行为将日益基于数据和分析作出，而不是基于经验和直觉。根据科技研究公司IDC作出的初步估算，数据一直在以每年50％的速度增长并形成海量的数据资源。（一）大数据的定义     

开放平台数据共享的制度困境与法律应对

数据成为数字经济时代国家基础性战略资源和重要生产要素。在合法获取用户数据的多种方式中，开放平台数据共享模式是企业之间共享数据的重要方式，对建构数据要素市场、释放数据价值发挥重要作用，但在实践中面临着数据权益保护不足、数据安全受到威胁、数据垄断等诸多风险。现存风险的背后是我国开放平台数据共享存在法律制度困境。数据要素市场建构需要高效便利的数据共享流通规则，这就需要在政府主导多方协同综合治理的基础上平衡信息保护和数据流通，重视提高数据共享效率兼顾数据权益公平配置。开放平台数据共享法律制度完善需区分场景，明确多方参与形成数据权属划分规则，分类适用数据授权规则以平衡数据共享和隐私保护的冲突，分层规范参与数据共享的平台主体资质，以及优化反垄断中滥用行为的认定标准。     

搭建金融业数据集成平台

数据集成主要是指基于企业分散的信息系统业务数据进行再集中、再统一管理的过程。如何正确搭建适合金融企业的数据集成平台？企业要实现数据集成的应用，不仅要考虑企业急需集成的数据范围，还要从长远发展考虑数据集成的架构、能力和技术等因素。从数据集成应用的系统部署、业务范围和实施成熟性看，数据集成主要可分3种架构：单个系统数据集成架构、企业统一数据集成架构、机构之间数据集成架构。     

数据能力服务在智慧城市中的应用

大数据已经成为极其热门的话题，根据研究公司IDC作出的估测，数据一直都在以每年50％的速度增长，换而言之，也就是每两年就增长一倍。面对海量数据的采集、存储、挖掘、分析，大数据技术脱颖而出。“大数据”正在对各个领域造成影响。举例来说，在商业领域中，交易决策行为将日益基于数据和分析来作出，而并非基于经验和直觉；而在公共卫生、经济发展和预测等领域中，“大数据”的预见能力也已经崭露头角，从而也增加了城市服务和管理的“智慧”。     

厘清数据资产化发展的关键问题

<正>当下，需要立足我国要素市场化改革顶层设计思路，结合国际资产概念发展，从价值创造出发明确数据权利、探究数据权属、推动建立数据产权制度我国数据资源丰富，国家数据资源调查报告显示，2021年我国数据产量达6.6ZB，同比增长29.4%，占全球数据总量的9.9%，居全球第二位。大数据时代，数据逐渐成为战略资源和创造社会财富的重要生产要素，因此，激活数据要素、挖掘数据要素价值、促进数据要素融入国民经济价值创造体系已成为培育经济社会发展新动能的重要途径，战略意义凸显。     

企业数据资产价值评估研究

随着大数据技术的发展，数据资产逐渐成为企业的核心资产，数据资产的价值也在多个方面得到体现。准确评估数据资产价值不仅能够促进企业降本增效，还能推动数据交易市场的构建规范。本文从影响企业数据资产的因素出发，分析并构建了数据资产价值评估指标体系。结合层次分析法、成本法、市场法、收益法和综合法等多种方法建立了数据资产价值评估模型，为企业评估数据资产价值提供了借鉴和依据。     

数据大集中引发的思考

2002年6月，湖北省农行成功地推广了ABIS综合应用系统，实现了全省数据大集中，数据资源的集中存储、共享和管理。4年后的今天，湖北农行将实施更深层次、更大范围的数据集中，即数据上收到总行。2006年5月12日，该行ABIS、AIPS、IBS、BIBS、CMS等系统将一次性切换到农总行数据中心，实现总行运行中心集中控管的全国省级分行数据大集中。     

请帮忙把爱心转交

8月4日早上，周一的早上，月初的早上——一个忙忙碌碌做报表的早上：25家支行的数据，13家保险公司的数据，CS2002动态监测系统数据，经营分析系统综合统计数据，中间业务平台系统的数据…要对这些数据进行提取、处埋，同时还要把各支行上报来的数据进行统计，真是一个相当庞杂的系统工程呢。我一边采集数据，边刷新邮件接收，忙得不亦乐乎。     

数据、数据资产及其价值评估

数据与传统生产要素相比具有独特的性质，对于数据的不断认识、对数据资产的深入理解以及对数据资产价值评估的核心要素进行广泛和深入的研究及探讨具有重要的现实意义。本文对数据、数据类型、数据资源和数据资产的相关概念、内涵和相互关系，数据要素价值分配和评估对象进行了阐述，对数据资产的成本、收益、市场和风险要素以及价值评估的主要方法进行了较为系统的分析。本文抛砖引玉，希望引起行业专家学者更广泛和深入的研究和探索。     

大数据时代商业银行企业文化面临的挑战

大数据的特点可以归结为4个V：Volume（体量）指数据规模庞大；Variety（多样）指数据类掣繁多、构成要素复杂，除了传统的结构化数据外，还包括文字、语音、视频、文档等非结构化数据；Value（价值）指数据价值潜力巨大，但隐藏较深，需要运用综合复杂的分析算法对数据进行挖掘与整理；Velocity（速度）指数据的处理速度快、时效性强，并及时反馈处理结果。     

银行信贷登记咨询系统运行中存在的问题及建议

一、系统老化，数据更新存在遗漏现象，造成信贷业务数据上报不及时。特别是农村信用社由于受硬件设施的限制，至今未使用银行信贷登记咨询系统，未实现与人行数据联网，影响系统数据的全面性、真实性。