自2000年左右，金融行业开始做数据管理。从数据仓库到数据治理、数据应用，再到后来的大数据，以及今天的数据管理。我们把这个时期总结成数据资产化时代，或者叫国产化时代。
为什么有两个名字？数据资产化时代是因为国家已经将数据作为生产要素进行推广，并把数据和其他的生产要素并列；国产化时代是因为在2018年之后，数据管理的国产化趋势非常明显，所以，在新的时代下，数据管理既是一个数据资产化的时代，又是一个国产化的时代。
这个时代有三个突出特点：第一，开始大规模地向国产数据平台进行迁移；第二，数据资产评估以及相关的数据资产盘点等，已经成为各个金融机构的重点工作之一；第三，迄今为止，数据治理、数据分析已经形成了新的趋势，整个数据治理体系从标准到工具，已经变成以监管场景驱动推进的形式。
数据管理技术趋势
谈到数据管理的技术趋势和特点，可以参照Gartner发布的2022年成熟度曲线，有一些重要的技术趋势发展，像Lakehouse、DataOps、Cloud Data Ecosystem、Data Fabric以及Active Metadata Management。虽然在这些新的技术中，有很多是从海外或者欧美的技术应用趋势情况中总结出来的，但是它同样适用于国内的情况，只是在时间上可能会比欧美延迟1—2年的时间。纵观大趋势，有以下发展方向：
01.数据管理技术云化
近几年来，云原生是一个非常重要的趋势，数据管理技术也在逐渐云化，并从以前相对独立的、隔离的状态转变为基于企业云平台做技术升级。
02.数据管理和AI深度绑定
以前我们认为数据管理是数据管理，AI是AI，二者之间是有区别的。但是今天，我们讲AI时一定会提到数据管理，而数据管理作为一个重要的应用，在谈及时也一定会提到AI。这两个技术实际上是一种深度绑定、互相促进的关系。AI也从以前的Model-Centric开始逐渐向Data-Centric做相应转变。
03.数据能力中台化
跨平台管理和管控需求需要业务或者技术部门快速实现数据的接入和迭代，这就催生了DataOps的需求。
04.数据平台自进化
近年来，数据平台已经开始逐渐向第三代数据平台演进，Gartner也将Data Fabric架构的数据平台定义为新一代的数据平台。这种架构技术平台最大的特点就是有自进化和自演进的功能，也就是说未来数据平台不是按照我们传统的方式，基于数据驱动、技术驱动的方式从零逐渐地去建造，而是根据应用驱动的方式，利用主动元数据技术、知识图谱技术，根据访问的情况逐步地去完善，最终形成数据平台的自进化过程。
金融客户数据管理热点
当前金融领域的客户有哪些数据管理热点呢？
热点一：组织架构
人民银行和银保监会发布了数字化转型规定之后，各个银行也都加速了自己的数字化转型进程，其中最明显的特点就是各个银行在组织架构上的调整。从去年年底到今年年初，大的国有银行和股份制银行纷纷建立了自己的一级数据管理部，这是各个银行把以前在科技或者是在一些业务部门下的数据部门，直接提为一级部门的大调整。调整背后的深层次原因，实际上是希望有一个一级部门能够跨团队的推进整个银行的数字化转型，实现把银行以前的数据管理从成本中心往利润中心转变。
热点二：技术架构
从客户的情况中我们了解到，今年大家都在做自己的迁移过程，但是整体的国产化迁移并不是一个单纯从平台到平台上的迁移，很多时候都伴随着整个架构的迁移和演进。在迁移过程中我们发现，湖仓一体的架构是很多客户目前比较推崇的热点，很多客户选择在迁移项目的时候，整体地将原来的数据平台架构也一并进行升级，从原来只支持分析的模式向既支持天然数据、又支持复杂加工分析的模式方向走，全面地支持湖仓一体。此外，金融机构还开始大批量地拥抱开源相关的技术，像以前的ClickHouse、Doris这些在互联网用的比较多的数据库，金融客户在某些场景上都开始去逐步地进行推广。
热点三：数据资产
数据资产有两个热点：
第一个热点是数据资产的评估，这也是各个行业现在都在探索的热点。在2021年，光大银行、浦发银行分别发布了自己的白皮书；2022年年底，光大银行又进一步发布了其本身数据资产评估的白皮书，可以说在同业里光大银行已经做到了实践的先锋。这些对同业来讲有很好的借鉴意义，同业的客户也在逐渐摸索和完善自己的数据资产，并进行相关的数据资产盘点和评估。
第二个热点是数据资产的管理。在传统的数据管理中，数据资产往往是作为中后台部门进行相关的管理。但是在今天，我们看到企业架构建模和数据平台模型正在逐步进行打通，数据管理部门开始从以前的中后台部门逐渐走向前台部门。同时，金融客户在进行前端的企业架构建模时就会考虑到数据模型的设计，使得一套企业级模型既支持应用模型，又支持数据管理模型。
热点四：数据安全
2021年《数据安全法》发布，并规定了很多有关于数据安全分级分类的要求。随着一些新技术的出现，比如说隐私计算，它也在一定程度上解决了数据可用不可见的问题，这些都促进了金融机构在全力推进数据安全方面解决方案的落地和相关应用的研发。
金融客户数据管理痛点
很多金融客户也有不少的痛点，这些对我们来讲也是非常重要的输入。简单总结成如下四个方面：
痛点一：数据管理分散化
众所周知，银行的数据管理体系是逐步建立的，大部分银行的数据都散落在不同的数据管理部门。但是当前成立了一级管理部，要去管理全行的数据管理平台和数据资产，这时就会面临艰巨的任务——数据管理部门缺乏足够的精力来管理全部的平台。
痛点二：数据需求多样化
数据需求的多样化导致数据需求的管理方式也纷繁复杂，数据需求往往缺乏持续迭代的匹配体系支撑。如何能够让后续的数据需求不断地进行迭代，如何能够根据数据需求的多样化快速地构建新的平台，使得数据应用取得预期成效，这是一个很大的挑战。
痛点三：数据治理碎片化
到今天为止数据治理已经走到了第三波，第一波主要是数据标准，第二波是数据产品，第三波是以监管或者是其他场景为驱动的数据治理的方式。同时我们也能看到，数据治理已经不能单纯地按照中后台“头痛医头、脚痛医脚”的方式走，我们需要从源头来全面地推进数据治理。
痛点四：对数据价值的准确评估
数据作为生产要素，要实现相关的数据资产化，进行数据资产的交易，前提是要进行数据资产的盘点和估值，如何进行一个准确的估值？如何能够有一个公允的价值出来？这是金融客户数据管理面临的又一个挑战。
源启数据资产管理平台
基于前面提到的趋势、热点，旨在解决广大金融客户的痛点，中电金信推出了源启数据资产管理平台。源启数据资产管理平台由数据湖管理平台、数据集成平台、数据开发平台、数据管控平台、数据服务平台以及数据资产运营平台六部分组成。源启数据资产管理平台的特点如下：
第一
一体化开发平台基于DataOps的理念，以元数据为驱动，从需求到模型、再到调度，再到数据和审批，它能够去解决我们说得多平台的关系，也做了多平台的适配。
第二
数据治理平台以元数据为基础、以数据标准为依据，通过数据质量的检查以及内置的数据质量的规则，来实现全行数据资产一张图的过程，帮助数据管理部门拥有快速的数据抓手。数据集成平台和数据服务平台可以解决数据快速采集以及多方式应用的问题，可以用文本、报表、多维以及消息的方式来全面的满足相关的需求。数据资产运营平台可协助客户实现资产的确权、定价、处置、服务等相关内容。每一个模块可以独立安装部署，也可以组合在一起，既能匹配客户从数据采集、处理到组件式与原有组织融合的需求特点，又能匹配中小客户端到端、全家桶的数据中台需求特点，满足不同规模金融机构的需求。
第三
具有多平台适配、开放的特点。源启数据资产管理平台基于中国电子的PKS体系，本身的基因具备国产化的特点，但并不是一个封闭的体系。源启数据资产管理平台已经适配了市场上主流的数据库平台、调度平台、交换平台以及相关的中间件平台。
第四
全面满足云原生要求。源启数据资产管理平台实际上是中国电子金融级数字底座“源启”的一部分，而“源启”平台本身就是全面的云原生架构，数据资产管理平台作为其中重要的一个模块，本身也是完全满足云原生架构要求。
“1+2+3”数据资产咨询体系
推进企业数字化进程
同时，为了更好地满足客户的各方面需求，中电金信推出了“1+2+3”的数据资产咨询体系。这个咨询体系，一方面能够帮助客户，告诉客户应该怎么做，另一方面能够给客户推荐相关的产品，来帮助他完成相应目标。在中电金信的“1+2+3”中，“1”指的是一个管理平台，用于解决数据在线化和电子化的问题；“2”指的是两套体系，一套是数据安全合规体系，一套是数据资产运营体系；“3”指的是三个职能，也就是数据资源化、数据资产化、资产价值化。通过“1+2+3”的体系，中电金信可以从数据的规划、数据的发展、数据的落地以及整个数据的管理提供端到端的解决方案。
《中电金信数据治理白皮书》
全面阐述数字银行数据治理的建设体系
《中电金信数据治理白皮书》是中电金信在数据资产管理领域积累并总结出的一套完整方法论。白皮书总结了之前在数据治理方面整个实施和咨询过程中碰到的一些问题以及我们的建议；另外，针对不同类型的客户给出了针对性的数据治理工作推进的方法。最后，白皮书阐述了对于数据治理未来趋势的预判。
通过源启数据资产管理平台、《中电金信数据治理白皮书》以及“1+2+3”数据治理的咨询体系，中电金信能给业务团队带来四个方面的价值，包括通过数据驱动反向推动整个业务发展、快速解决业务转型对于数据的需求、助力企业实现第二增长曲线、解决取数难和获取数据久等，以此助力业务进行快速的数字化转型，加快业务数据化和数据业务化的过程。中电金信将基于源启数据资产管理平台、“1+2+3”的数据治理咨询体系以及中电金信强大的大数据团队能力，继续和我们的金融客户一起推进数字化转型工作。
