平安人寿数据管理实践：智能驱动，构建数据新生态

在正文开始前，为大家推荐一个金融数字化经营解决方案：当前我国金融机构普遍面临数据要素分散、数据服务体系不健全、数据场景应用不清晰等问题，在此背景下，帆软金融事业部提出基于用户、场景为中心的多职能多业态多终端数字金融解决方案生态，助力企业构建数据“横向到边，纵向到底”的一站式分析平台。复制链接即可下载方案：【https://s.fanruan.com/2k4wr】

外部要求与内部诉求

作为一家领先的金融企业，平安人寿必须严格遵守国家金融监督管理总局、人民银行等监管部门的政策和规定。这些规定包括但不限于《银行保险机构公司治理准则》，该准则强调董事会在数据治理中的责任；《银行业保险业数字化转型的指导意见》，该意见引导金融行业通过数据资产和数字化技术推动创新；以及《银行保险监管统计管理办法》，该办法要求银行业和保险业按照EAST标准（EAST 5.0和EAST 2.0）报送数据，确保数据质量达到监管要求。

监管部门通过EAST数据报送系统检查企业运营情况，一旦发现问题，可能会面临严重的处罚。同时，企业内部对数据质量的要求也在不断提高。随着业务环境的复杂化和发展速度的加快，业务部门对数据的时效性、报表的生成速度和准确度提出了更高要求。特别是在平安人寿成立30多年后，业务团队更替频繁，新加入的人员迫切需要更快捷、便捷的方式来学习和掌握公司数据，这对数据服务体系的要求尤为迫切。

数据管理面临的挑战

平安人寿在数据管理过程中，积累了大量的报表和数据资产，然而，业务人员常常面临以下问题：数据难以查找，数据口径不一致。业务部门和技术部门之间的沟通成本高，效率低。

在缺乏成熟数据管理体系的情况下，无法清晰回答“我们有哪些数据？”、“这些数据如何分类？”等问题，往往只能模糊地回答一个大概的数字范围（例如10PB），但无法提供具体的覆盖领域或精准的数据描述。此外，平安人寿的科技团队包括业务系统开发、数据系统开发和AI技术开发，这就要求在团队之间明确责任、分工和协作关系。然而，数据在不同系统中的流动性导致某些数据存在多份拷贝，在环节出现问题时，常常难以确定责任方，协同解决问题的效率也受到制约。

数据治理与数据管理的区别

为了理解数据治理与数据管理的关系，我们可以将其类比于制造业的生产线管理。

数据开发是数据的生产端，类似于个人APP或保单承保系统；数据应用则是数据的消费端，例如大数据平台、数据仓库或BI报表。当数据应用过程中发现数据质量问题时，便需要数据管理机制介入，确保从数据的生产到消费的各个环节顺畅衔接。数据治理则承担着更高层次的职责，它从企业顶层设计、规章制度建设、部门壁垒打破、流程优化等方面入手，推动数据管理能力的提升。简而言之，数据管理是日常的、具体的数据运营和质量控制，而数据治理是系统性和战略性的、面向全局的管理框架。

数据治理面临的具体挑战

在平安人寿的实际操作中，数据治理面临以下几个重大挑战：

（1）庞大的数据资产管理：平安人寿的系统和数据库种类繁多，数据库表和数据字段的数量庞大。为了进行全面的数据盘点和资产识别，必须明确数据的质量、安全和分类要求。这项工作量极其庞大，且具有一定的挑战性。

（2）增量数据与历史数据管理：增量数据的管理通常由业务和开发团队积极推进，但历史数据的问题解决则面临诸多困难。尤其当历史数据涉及监管报表，未能及时解决将会导致监管部门的处罚，这无疑加大了团队的压力。此外，随着AI和大模型技术的飞速发展，如何挖掘和应用非结构化和半结构化数据，也成为一个亟待解决的课题。

（3）业务交付中的跨部门协作：数据治理往往涉及多个部门的协作，存在较高的跨部门沟通成本。即使我们通过典型问题推动全公司治理，也难以保证未来不再出现类似问题，因此需要在公司层面建立长效机制，治本而非治标。

（4）预算与工具的支持：数据治理依赖于各种数据工具，但在降本增效的压力下，数据治理所需的预算和工具支持往往得不到充分保障。缺乏合适的工具，推动治理工作将面临重重障碍。

（5）数据治理意识的缺乏：推动数据治理的最大挑战，实际上来源于团队对数据治理意识的欠缺。尽管技术团队负责数据开发和系统建设，但业务团队普遍认为数据管理应由技术团队负责，缺乏数据责任意识和主动认领数据管理职责的勇气。这使得数据治理的推动往往困难重重，难以形成全员参与的合力。

数据治理整体框架设计

明确数据治理的关键内容和活动

结合企业实际情况，制定数据治理组织，明确各岗位/角色的职责

确定运营模式，形成长效数据运营机制

建立数据认责体系，明确各角色的权责利

自动化的元数据管理，解决数据的基础问题

数据质量管理：从数据质量监测到数据问题改进的闭环管理

数据安全管理：数据分类分级、数据脱敏、数据加密

基于数据平台能力，夯实数据治理各项能力

培养员工的数据素养，养成用数据说话，用数据思考，用数据决策的习惯

不定期开展数据成熟度评估，明确数据治理能力的现状和不足

面向未来的数据治理路径

针对上述挑战，平安人寿将进一步加强数据治理框架的建设，通过以下方式逐步完善：

• 加强数据资产管理与盘点：建立全面、标准化的数据资产管理体系，清晰定义数据质量、安全及分类要求，提升数据的可管可控性。
• 完善历史数据的清理与整合：加大历史数据治理力度，特别是监管报表相关数据的精准管理，避免因数据问题引发的合规风险。
• 提升跨部门协作与沟通效率：通过定期的跨部门沟通、工作坊和协作平台，确保数据治理过程中的各方有效配合，共同推动数据质量的提升。
• 加强工具和预算支持：积极争取预算支持，投入先进的数据治理工具，确保治理工作的高效开展。
• 增强数据治理文化建设：在全公司范围内加强数据责任意识的培养，通过培训、考核和激励机制，使每一位员工都能认领和承担相应的数据治理责任，形成全员参与、共同推进的数据治理文化。

通过这些策略的实施，平安人寿将不断提升数据治理水平，确保在复杂多变的金融环境中保持竞争力，为客户提供更加安全、可靠的金融服务。