作为新时代的“石油”，激活数据要素价值、构建高效的数据治理体系、推动数据在金融领域的深度融合与创新应用潜力巨大。
在业内人士看来，数据治理是金融创新的底座，金融创新是数据价值释放的引擎，两者的协同发展正重塑着金融行业的格局。
构建数据治理的新范式
在数字经济蓬勃发展的当下，传统数据治理模式局限已显。从战略机制入手，构建数据治理新范式，既是应对海量数据（603138）挑战的必然选择，也是释放数据要素潜能、驱动社会经济高质量发展的关键一步。
如何将这一构想转化为切实可行的实践路径？
广发银行金融研究院原院长莫照星分析认为，一方面，数据治理要通过制度框架与技术底座双轮驱动，突破传统的思维转向价值导向；另一方面，做好安全与效率的动态平衡，将伦理治理应用于业务全流程，金融业务也需要从被动合规转向顶层设计。
构建数据治理的新范式关键在于数据治理与价值创造的闭环联动股票配资平台门户，其本质是让数据从合规管控走向价值赋能，让数据在合规框架下实现从“资产沉淀”到“动能释放”的质变。对金融机构来说，数据治理最重要的一环是数据质量的管理。
去年11月，中国人民银行等七部门联合印发《推动数字金融高质量发展行动方案》，提出“夯实数据治理与融合应用能力基础”，并指导金融机构健全数据治理体系，完善数据治理制度和数据质量管控机制。
“数据治理与金融创新的战略协同，本质上是效率与安全、创新与合规、技术与人文的再平衡，未来的竞争不仅是技术的竞争，更是数据治理能力的竞争。”莫照星说，金融机构需要以数据要素和思维重构，在开放中建立动态治理体系，同时，坚守能力底线，让数据真正成为普惠金融、绿色金融、科技金融发展的新基建。“我们需要在‘放得开’与‘管得住’之间找到平衡，以数据治理的确定性应对创新发展的不确定性，最终实现金融服务实体经济的质的提升和量的增长。”莫照星说
探索创新与安全平衡之道
“原来我们做数据中台都是围绕着‘人’。到了大模型时代，数据则由机器解读和使用。”一名国有大行IT部门人士表示，银行储存的大量数据，如何转化为大模型的训练型和推理型，对于自身数据治理的机制和逻辑都会产生比较大的挑战。
当前，以数据为核心生产要素的大模型正重塑金融行业，显著提升了智能投顾、风险定价等场景效率，但其参数规模激增与黑箱特性，也带来数据隐私泄露、算法偏见等潜在风险。如何在释放其潜能的同时驾驭风险、筑牢安全防线，是数据治理、数据应用与金融创新协同发展的核心命题。
数据安全对大模型的效果有根本性的影响。“安全对大模型而言非常重要。”星展银行(中国)首席信息官兼科技及营运部主管宫霄峻直言，有五大安全问题需要特别关注，即幻觉问题、隐私风险、提示词注入攻击、数据投毒以及模型窃取。
面对这五大安全挑战，业界正从技术层面积极进行尝试。
“我们通过实时引擎加速知识的实时化，减少模型的幻觉问题。”据华为云北京产品中心总经理杨辉介绍，在安全方面，华为云有底层安全、数据安全、模型安全，支撑数据应用层面的安全防护措施。
强调大模型的安全，也是为了更好守护技术应用的合规底线，让大模型在金融服务中既能释放技术潜能，又能筑牢数据安全与隐私保护的防线。
在宫霄峻看来，做好大模型安全的管控，一方面是基于知识库的管控，另一方面是基于角色的访问控制。他直言，效率与安全平衡的策略，关键在于动态的资源调动，“敏感信息和非敏感信息要分开，数据要保证在公有云上不留痕。”宫霄峻说。
这一动态管控思路，与大模型的技术演进方向不谋而合。
“我们提供了DataArts平台，一个数据既能支持场景分析，也可以给大数据提数和供数。”杨辉表示，“我们通过大模型技术重塑了数据治理的平台，在这个数据治理平台的底座上，构建了向量存储和向量搜索。”
技术的演进也为构建可信数据空间提供了底层支撑。国家金融科技风险监控中心总经理范贵甫表示股票配资平台门户，构建金融机构可信数据空间，应支持其实现数据安全共享，打破数据壁垒，激活要素价值，推动构建行业跨机构的风险联防联控体系，让数据可信流通成为金融高质量发展的驱动力。
方道配资提示：文章来自网络，不代表本站观点。
