迈入数字时代，银行必须将数据的管理与应用提升到战略层面。尤其对于区域性银行而言，管理层与业务人员都需要深刻认识到所有的服务和行为都可以量化，只有通过对这些量化的经营数据进行分析，才能对银行业务发展形成全方位视角，进而提升决策质量和业绩表现。

显而易见，传统的数据管理、应用思维和服务模式已无法满足新时代的业务发展需求，区域性银行需要强化自身的“数据智能”，从数据中提取信息，获取知识，最终创造业务价值，促进银行业务的可持续发展。因此，强化数据资产化管理及提升数据场景化应用是区域性银行必须应对的两个课题。

1)数据资产化管理：银行需要将数据作为行内最重要的资产之一进行体系化管理，可以从建立数据治理长效机制、转变内部数据的共享服务模式、以及引入并整合外部多生态数据等方式着手，从“质”和“量”两方面为银行的数据智能建设提供基础保障。

2)数据场景化应用：银行需将数据资产转化为可对业务产生洞察的信息，主动将数据工程、数据分析、数据科学与业务场景做深度融合，积极探索和积累在客户运营、渠道运营、产品创新、风险管理等场景的数据化应用，为决策、管理与业务赋能。

盘活数据管理“新资产”

区域性银行在发展过程中，积累了海量的客户数据、交易数据以及外部数据等，这些数据已经成为了银行的重要资产。但整体而言，相较于大行，区域性银行数据“质不高、量不足”，数据离散化、碎片化的问题仍然非常严峻。因此，亟需同步提升数据的“质”和“量”。

1.提升全行数据治理能力

高质量的数据是数字化转型的原料，是打通业务与技术的桥梁。区域性银行已充分认识到数据的重要性，并将数据治理能力建设作为数字化转型的重中之重。本次调研中，被调研的区域性银行对数据治理工作均已开展或已有明确规划，但仅28%处于已完成或持续优化阶段，大部分仍处于正在起步阶段。

对于区域性银行而言，数据治理无法一蹴而就，需要银行全员参与，实施“以用带治，以治促用”的数据治理方针，并作为一项长期的日常工作进行精细有效治理，持续迭代：

1)短期治理破局。区域性银行可以侧重于全行数据治理体系建设，启动数据需求和质量治理，并推动指标标准化建设。

2)中期夯实基础。区域性银行可以持续完善数据管理机制及优化建设系统工具，实现指标体系系统落地并迭代推动数据治理。

3)长期全面提升。区域性银行可以将结合数据分析挖掘作为重要驱动因素，基本建成数据治理体系机制和平台，全面支持用户需求。

2)强化内部数据共享能力

区域性银行普遍存在数据统筹能力不足的问题。尽管部分区域性银行已经成立了负责全行数据集中管理的一级部门，但各业务部门把持数据，跨部门数据割裂等现象仍然非常严重。为进一步打造银行数据智能，区域性银行需要对内部所有相关的各种结构数据进行整合与分析，通过改变数据服务模式来打造内部数据共享能力，改变以往按部门、按业务条线提供数据应用建设的支持模式，建立一种直接向业务部门提供数据支持的模式，以实现及时响应业务的精细化管理和决策需求。在这一过程中，数据中台应运而生。

数据中台是以数据资产为原材料的企业级数据资产综合生产及服务中心，是实现数据智能及价值的基石。对于区域性银行，数据中台的核心价值是确保银行可以“找得到、管得住、用得好”数据，且作为连接前后台的“变速器”，数据中台可以汇聚共享复用的数据能力，帮助银行提升数据应用效率、强化数据协同能力、丰富数据服务应用与开拓数据创新空间。

对于区域性银行，数据中台的建设相较于业务中台的建设，拥有改造少、风险低及见效快的特点。在数据中台的建设过程中，区域性银行更多可以考虑分阶段进行，优先考虑引入较为成熟的第三方数据中台产品，快速落地数据中台，支持部分业务的智能化及自动化;其次丰富数据中台及服务，拓展更多数据应用场景;最后对数据中台进行持续性演进，全面开展数据智能服务。

3)增强外部数据引入能力

相较于大型银行，区域性银行在数据资产的积累上存在显著差距。为了快速提升数据资产的“量”，引入第三方数据是其明智的选择。区域性银行应当坚持在合法合规考量的前提下，选择和整合可信的外部数据资源，通过开展外部合作和数据共享，快速沉淀数据及获取数据结果。

外部数据的应用并不局限于数据本身，它的价值在于准确、及时地将外部数据与行内数据进行整合，把跨业、跨界多维度的数据集聚起来，发挥行业数据各领域所长打造数据生态圈，实现数据价值与业务深度融合，促进智能风控、智能营销、智能运营、智能决策等各大应用场景最大化效果提升。为了更好地运用第三方数据并确保自身数据的隐私保护，区域性银行可以考虑引入联邦学习/计算产品。通过联邦学习，区域性银行可以针对机器学习算法进行定制化的隐私保护改造，保证数据不出本地即可完成模型训练，最大化各个合作企业在安全基础上的数据价值，有效解决业界数据孤岛的难题。