柳元鑫业务数字化第一步是对象数字化规则数字化过程数字化

　　2023年1月6日，由新华社瞭望智库主办的＂第七届新金融论坛＂在京举行。华为全球金融业务部首席专家柳元鑫进行了主题演讲。
　　以下是演讲内容实录：
　　目前，数据的重要性正在得到各个层面的重视，我们已看见两个趋势：国家的层面，把数据、土地、劳动力、资本这些并列为生产要素，去年底的＂数据二十条＂更为数据入表进行了初步探索；而全球来看，多个主权国家已经开始对数据安全进行法律约束。
　　为何数据变得越来越重要呢？如果我们观察行业的转型，就会发现：1990年以前，是IT技术的进步推动了各个行业的信息化，大量的软件替代了人工操作，我们把这个阶段定义为软件推动产业的转型；2000年以后，随着网络技术的发展，连接驱动了很多行业的转型，尤其是在消费互联网的发展背景下，出现了大量的新业态和新模式；而在当下，随着5G、大数据、云计算以及AI等技术的发展，万物互联，智能计算正在成为行业数字化的关键特征，数据则开始成为推动整个行业转型的重要驱动。
　　回到金融行业，银行一直是各行业数字化转型的＂排头兵＂。十年前招商银行通过移动优先更好服务客户，推动了零售业务的转型发展，而在这两年，各大银行都开始强调数据驱动业务的转型：工商银行基于SDAF开展数字化营销，并提出了完整的数据驱动运营建设思路；星展银行提出了Data First数据优先战略，全行推广数据驱动的运营模型；大量银行在规划架构转型时，都明确提出了要构建数据能力。一些领先的咨询公司，如麦肯锡、埃森哲更是明确提出，数据驱动的企业会是未来几年的一个发展方向。我们可以说，在金融行业，数据驱动业务发展、模式的创新，已成为推动行业前进的重要的手段，在这个阶段如何做好数据治理工作，发掘数据价值，应该是整个行业要思考的重要话题。
　　下面，我想结合先华为的实践，谈一下我们对数据和业务之间的关系和看法。和金融机构一样，华为也不是数字原生的企业，我们的业务原来是在线下的，IT系统的建设最早也是为了支撑业务的发展，天然存在着各种各样的数据孤岛，另外数据更多的是产生在交易阶段，而不是作业过程中。因此，实现整个业务的数字化的第一步应该是三个数字化：对象数字化，建立业务对象在数字世界的影视，丰富数据源；规则数字化，业务规则与应用解耦，规则可以配置；最后是过程数字化，所有的业务过程自记录，可以留痕。通过这样的改造，才有可能谈到我们后面讲的第二个阶段，数据即业务。在业务数字化后，应用感知、联结和智能方面的技术，实现数据到信息、信息到知识、最终智能应用知识来助力整个决策的全过程，这也是我们认为数据驱动企业数字化转型的具体目标。
　　回顾华为整个数据治理的过程，也符合前面所说的路径，我们把它分成三个阶段：第一阶段是数据清洁，目标主要为了满足我们的业务开展和管理的要求；第二阶段是打破企业内的数据孤岛，实现数据的共享，来支撑公司的数字化转型；第三步就是最近我们正在做的，希望通过数据生态的建设，使数据成为企业转型的核心竞争力。
　　第一阶段的数据清洁，华为是从2007年就开始了数据的相关工作，2014年正式启动数据治理。这个阶段主要明确数据在企业中的定位，系统性构建数据管理体系，包括政策、架构、基于业务流的数据治理、IT流、组织、文化等七方面内容，实现数据的清洁，支撑了公司业务流程的打通，确保了财报的准确。
　　第二阶段的启动在2017年，目标是发挥数据价值，支撑公司的数字化转型。我们以业务数字化为前提、数据入湖为基础，重点建设数据底座，并建成了完整的数据治理框架，实现数据在企业内的安全共享和敏捷自助，满足公司的数据消费。
　　第三阶段是对准数据业务化的目标，构建数据生态。在这个阶段，华为的整个数据战略发生了一个重大的变化。在此之前，数据更多是IT部门或者业务BG中的数据部门占主导，但到了今天，随着数字化的转型，所有的人被卷入进来。另外，我们探索数据要素的应用，希望将来有可能我们的业务先在数字世界中发生，然后再映射到物理世界，前瞻指导业务。在这样的情况下，数据治理必须涉及到对每一个组织、流程和人员的治理，必须要对数据战略也进行重新修订，从原来支撑公司的数字化转型，变成公司发展的核心竞争力。华为数据赋能业务的实践案例，通过数据的应用，实现＂事前预测、事中监控、事后回溯＂决策体系的构建，实现全集团经营过程的可视，以及对经营目标的及时改进。
　　以上是华为数据治理发展的历程和经验，最后我也谈谈对金融企业数据治理的几点浅见。
　　首先，金融机构的数字化转型关键在于数据，数据治理工作是需要顶层设计的，包括数据理念的转变、高层的关注、业务部门的卷入、数据职责的明确，以及建立数据架构标准持续改进数据质量。
　　其次是金融机构数据平台底座的建设问题。从现在来看，上云已成为金融机构IT架构转型的大方向，云化数仓的建设也是我们将来数据平台的建设方向，为金融机构提供可信、一致、准确的全域数据，实现数据要素自动嵌入业务流程。
　　在解决好企业内部的数据治理问题后，就要考虑如何实现社会层面的数据要素流转。金融机构拥有大量的数据，在完成数据治理支撑体系构建的基础上，做好数据的资源化、资产化，最终实现数据的资本化，实现数据资产的增值与变现，将是企业数据治理管理模式的重磅升级。