近日，由金科創新社主辦的“2026金融業數據管理創新研討會暨首屆金融數據管理人年會”圓滿落幕。會議以“筑牢數安底座，釋放數據價值”為核心，聚焦金融數據管理全鏈路痛點。從中小機構數據治理難點到DCMM認證實操，從數據加密合規到平臺技術架構搭建，嘉賓針對現場高頻問題給出詳實解答，本內容為年會問答精華整理，拆解數管全領域實操要點。

數據治理機制與策略

數據治理是金融機構釋放數據價值的基礎，也是當前行業實踐中的核心抓手，中小金融機構治理資源不足、DCMM認證落地難等問題備受關注。本次會議中，嘉賓圍繞行業共性的治理痛點提出實操問題，以下為相關針對性解答，為金融機構完善治理機制、制定科學策略提供參考。

【問】請問中小保險公司如何在數據質量不高，數據治理亟待提升的背景下，解決數據智能準確性的問題？

【答】中小企業通常在數據治理的投入資產不足，建議先盤點數據質量問題，聚焦業務戰略開展問題解決，價值容易呈現，也比較容易獲得領導與業務部門的支持。

【問】咨詢一下要過DCMM認證需要什么條件，需要什么樣的人才準備，大概投入和改造周期是多少？

【答】DCMM有5級，沒級別的要求都不一樣。基本是4級需要每個領域都沒有明顯的硬能的短板。5級在此基礎上在每個領域都要有國家標準或規范制定的經歷。太保以往幾十年間一直在做治理，22年開始成體系的開展3年期的全面治理，這么多年的積淀才評獲5級。制度規范很快能補上來，落地執行與能力建設是一個漫長的積累。

數據安全與合規

數據安全合規是金融數據管理的底線要求，監管對加密、權限、分級分類的要求持續升級。嘉賓圍繞客戶端加密、數據庫防護、權限設計等實操問題展開提問。

【問】提到的客戶端軟加密，如何實現的，密鑰如何保證存儲安全？另外按照新的監管要求敏感數據如客戶信息要加密存儲，貴公司方案里如何實現的？

【答】是客戶端Sdk通過算法完成數據的加解密，通過引入協同簽名技術來提高客戶端密鑰的安全性。網上交易系統不涉及敏感數據信息的存儲，是保障網絡通信過程中的傳輸安全。

【問】請教下監管要求的敏感數據的加密做法，主要是數據庫層面的，如何平衡開發應用的便利性與加密安全的矛盾？

【答】網上交易系統不涉及敏感數據信息的存儲，數據庫層面的個人理解可能需要專門加密硬件設備配合加密算法共同來保障。

【問】請問貴司對數據庫中的數據如何實施加密？庫、表、行、字段？

【答】網上交易系統不涉及敏感數據信息的存儲，如果要對數據庫中的數據實施加密，可能需要專門加密硬件設備配合加密算法共同來保障安全。

【問】集團與各子公司數據權限和管理如何設計建設的？法律合規如何治理考慮？

【答】我們設計數據權限管理流程，數據的使用有逐級授權，也有相關記錄備查。同時也對數據活動按監管要求進行評估，審核通過后才能使用。

【問】數據分類分級標注及數據目錄的動態管理和維護貴司建立了哪些有效的機制？

【答】目前數據安全的管理要求在行業里向下落實，據悉保險行業也在制定數據安全分級分類的標準。我們數據管理部門會聯合安全管理部門一同動態落實與調整相關標準。

數據治理技術與工具

技術與工具是數據治理落地的核心支撐，直接決定治理效率與落地效果。現場嘉賓聚焦質量監控、平臺架構、系統適配等技術實操難題深度提問：

【問】數據質量問題發現識別具體的技術方案？時效性如何？質量改進閉環機制比如時效性改進執行的如何？如何進行日常管理聯動，并形成系統上的記錄？

【答】除實時性要求特別高的需求外，數據質量的監控時效基本T+1。數據治理平臺也可以配置監控的實效周期。業務部門提供檢查業務規則，科技部門轉化成可執行的檢查程序，科技部門與業務部門共同制定整改方案，數據管理部門配合進行問題分發與質量整改跟蹤。

【問】請問貴司數據治理機器人是自主研發，還是購買產品再進行定制化開發。如果是前者，請問是否是基于數據標準進行掃描，如果是后者，請問購買的是哪家公司產品？

【答】我們的數據治理平臺、以及相關的智能化治理機器人都是自主研發的。從技術來說，我們發現市面上沒有一家廠商能適配我們多法人統一規范，又滿足各子公司個性化的要求。從管理上來說，太保的數據治理制度往下落實，數據治理又要與資產管理、應用體系打通，需要適配敏捷的方案迭代，外購產品通常難以改動。

【問】請問貴司統一數據治理平臺，技術架構是怎樣的？是通過統一的數據湖/倉，來對接多數據源？

【答】數據治理平臺即對接入湖內數據，也適配目前主流的數據庫。有些實時性高的質量問題也是采取直鏈方式監控質量問題。

【問】外購系統數據如何治理？

【答】外購的系統確實存在廠商不愿意配合的問題，目前在自主可控的要求下，除一些行業通用交易平臺外，我們大部分外購系統都在采購合同里要求執行集團的治理標準。

【問】請問數倉和湖的備集群與主集群的時差分別是多少？如何保證主備集群數據一致性？

【答】按照批量同步的方式來做，設定了每天的同步時間窗口。本來想用華為的數據庫同步工具來實現，但是發現用工具的話，靈活性不滿足要求，有的表我們不需要同步。關于一致性，本身數據Copy完就會做檢驗，然后再疊加Count和Sum檢驗。

【問】華為這套數據存儲的成本與之前的CDH比較有沒有優勢？主備集群的數據存儲副本數一樣嗎？

【答】副本一樣多，不過開發測試環境做了單副本，提高性價比。存儲成本通過使用容量更大的硬盤，綜合測算下來相差不大。

【問】MRS和DWS的數據架構和流向能否展開講下？

【答】正向加工嚴格遵守先MRS，再DWS。另有存檔數據流，在空閑時把DWS的數據同步回MRS的歸檔區。DWS作為跑批定向加速的場景，在上面主要部署應用集市。而MRS主要是承載貼源、模型、領域集市和對時效要求不那么高的應用集市。

【問】BI有沒有碰到用戶的數據量特別大的情況？

【答】有的，數據量大的，我們會設置BI分店的模式，以平衡用量和管理復雜度的問題。不過這個分店不面向個人創建，而是以業務部門/分支機構為單位創建，其中的數據原料由我們部門統一提供。

數據資產管理與運營

數據資產管理與運營是釋放數據價值的關鍵環節，數據資產入表更是當下金融機構的重點實操工作，外購數據版權、自研數據估值等問題成為行業關注焦點。

【問】數據資產入表中：哪個部門牽頭？外購的數據入表的話有沒有碰到版權的問題？如碰到，入表時怎么處理？自己生產或加工的數據入表時采用怎樣的估值方法？

【答】數據資產入表是由數據產品的管理業務部門發起，多方聯合協同審核。外部數據我們征詢了法務及財務意見，一般要二次加工后、且有實際的業務應用場景和價值量化的基礎上才能滿足入表的條件。

在金科創新社官網、微信公眾號均可下載活動資料！