合作共赢 Cooperation
Case 行业新闻

中国人民银行杨竑:看央行如何智斗大数据

日期: 2017-10-13
浏览次数:

中国人民银行杨竑:看央行如何智斗大数据


中央银行作为国家货币当局,应用大数据技术可进一步丰富数据来源、提升分析手段、拓展共享渠道,为央行履职金融决策分析、防范化解金融风险、维护国家金融稳定带来新的改变;也将推动金融领域新的变革,为央行履职打开新局面。


央行处理大数据的主要挑战


当前,央行在应用大数据方面面临着诸多挑战。

1.扩大数据来源

目前各央行的数据来源基本为内部数据或其他金融机构报送的报表数据。机构间尚未建立起统一的标准数据交换通道,也较少和其他行业进行数据共享。扩大数据源,应制定相应的数据交换标准,促进机构间数据开放,将央行数据来源扩展至其他相关行业和相关机构,打破当前的“数据孤岛”。

2.提高数据可信度

大数据的来源广泛,部分来源的数据真实程度和准确性难以得到有效保证,如果不加甄别地全部采纳使用,可能会对最终结果造成“污染”。准确甄别数据真伪,需要在机制上根据数据来源的可靠程度进行标记区分,在方法上加强对数据真伪和有效性的校验,过滤失真数据或虚假数据,从而提供可靠的决策依据。

3.优化数据应用

当前央行主要使用传统调查统计方法,这些方法建立在科学研究的基础之上,经过了长期实践验证,更具针对性和高效性。与经过科学严谨试验和采样设计得到的数据不同,大数据的价值密度低,可能存在采样偏差。如何从中提取有价值的针对性数据成为数据应用方面需要面对的挑战。这需要基于一系列研究摸索,建立起有效的数据分析方法和模型,并不断通过其应用效果持续优化,提升数据分析处理和知识发现能力,从而提高数据应用价值。

4.加强数据保护

集中在央行的大数据“宝藏”蕴藏着巨大财富,但数据的集中带来风险的集中。在网络空间安全面临日益严峻的形势下,必须做好应对潜在“夺宝人”威胁的准备。推动健全相关法律法规,加强制度保障的同时,需要进一步完善技术防控措施,从单纯的基础安全保障转型到全方位信息安全防护,跟踪数据的规范使用情况,切实保障数据安全。

5.强化技术支撑

各央行基本都建设了数据管理平台来处理和分析监管数据,不过,若将其应用于大数据,还需要对现有IT设施做进一步的改造,也需要对现有IT布局进行调整。央行应提前布局对前瞻性、基础性的技术研究,优化调整IT系统架构,推进信息化建设,加快分布式架构应用,提升大数据的服务能力。


央行应用大数据的瓶颈和约束战


1.专业人才缺乏是制约央行大数据应用的重要瓶颈

发展大数据对于业务建模、数据应用、系统建设和技术管理等人员的知识结构和技能体系有着新的要求,与传统型人才不甚相同。缺乏掌握大数据技术的新型人才将严重制约央行大数据应用。一方面,需要更多跨学科跨专业的数据科学家,研究探索如何从大数据中提取有效信息的方法和模型。另一方面,需要高水平的信息技术专家,开展基础研究和关键技术攻关,形成安全可靠的大数据应用技术体系。为此,应建立有效的人才培养体系,构建灵活的人才交流机制,优化人才结构和布局,打造素质优良、善于创新的央行复合型人才队伍。

2.商业版权和隐私保护约束央行获取和使用大数据

合作机构对版权及工作秘密的保护,社会公众对个人隐私保护的担忧,将在相当程度上影响央行对大数据的采集和利用。增强合作主体与社会公众对央行的信任有助于打破这种约束。一方面,国家层面需要完善法律法规,明确央行及相关机构对数据保护的职责与使用边界,加强个人隐私信息保护,促进敏感数据的共享与利用。另一方面,央行自身要建立全面有效的数据安全保障机制,包括:完善自律机制、内部监督机制和技术防控措施,保障数据安全;与盈利性机构之间建立可控的信息共享机制或有偿使用机制,拓宽央行对商业数据的获取渠道。


大数据对央行政策制定的影响 


应用大数据推动经济发展、完善社会治理、提升政府服务和监管能力是发展趋势。大数据在央行政策制定中将逐步发挥越来越重要的作用。

1.拓展数据来源,夯实决策信息基础

多渠道获取经济金融及相关行业海量数据,丰富金融统计数据来源,增强数据采集的全面性和完整性,为央行决策分析提供来源广泛、类型丰富的数据资源。

2.改进分析手段、深度挖掘数据价值

利用更为先进和多样化的大数据分析技术,揭示经济运行的深层次关联问题,分析国家宏观经济形势和发展走向,为加强决策的科学性、精准性和有效性提供技术支撑。

3.优化决策流程,提升决策时效

整合数据资源,打破信息孤岛,实现信息的全方位共享,进一步优化决策链条,缩短决策周期,提升决策效率,实现决策对经济金融运行情况的快速响应。


央行应用大数据领域


应用大数据技术,一方面强调数据完整性和多样性,同时也关注数据之间的关联关系,具体表现为:一是对全量数据实时动态分析,做到以数据驱动分析结果,既可修正现有理论,也可对未来趋势进行预测分析;二是数据量级庞大,一定程度放松了对数据质量的要求,少量劣质数据的存在不会影响最终分析结果;三是大数据方法强调数据关联,通过技术手段发现与系统性风险高度相关的变量,进而实现对系统性风险的检测与预判。因此,大数据可广泛应用于宏观审慎评估、宏观经济形势分析、金融监管与风险防范、社会信用体系建设、反洗钱、精准服务实体经济等多个领域,全面提升央行履职能力。

1.提高宏观调控水平

建立金融宏观调控数据体系,提升信贷统计分析效果,加强与政府、商业、互联网等相关数据资源的关联分析和融合利用,建立基于大数据的宏观调控分析模型,为国家宏观经济政策的调整提供依据,提高宏观调控的科学性、预见性和有效性。

2.强化金融监管效能

建立“穿透式”金融监管体系,使监管部门全面掌握金融机构信息数据,及时准确把握和掌控机构行为,降低“监管俘获”风险,高效执行宏观审慎、微观监管政策,助力金融监管部门及时科学决策。建立宏观审慎评估体系,提高宏观审慎管理的效率和质量,量化系统性风险,强化金融风险预警水平,有力防范和化解金融风险,维护金融稳定。

3.推进社会信用体系建设

充分利用社会各方面信息资源,打破行业间信息孤岛,汇集金融、工商、税务、检察、海关等公共信用数据,整合互联网、电子商务等相关数据,建立多维度、全覆盖的大数据征信平台,为经济高效运行提供全面准确的基础信用信息服务。

4.提升反洗钱监管能力

优化反洗钱资金监测分析机制,建立国家层面跨行业的反洗钱数据分析平台。通过海量数据分析,发现异常可疑交易线索,初步筛选出有价值目标,为下一步案件调查做准备。加强反洗钱监管部门之间的信息共享和联动协同,提高对洗钱犯罪行为评估和预测的准确性和及时性,维护社会稳定。

5.加强金融精准服务能力

与发改委、财政、民政、工商、扶贫等部门协调联动,实现数据聚合,降低信息不对称,找准金融服务的支持方向和切入点,为不同层次、不同领域、不同类型的对象提供精准服务。组织推动金融资源向更有效率和急需扶持的产业流动,支持普惠金融、绿色金融发展,更好服务实体经济。


大数据使用不当带来的风险


大数据是一把双刃剑,在带来上述积极影响的同时,也要对大数据应用有科学的认识,避免过分依赖大数据。

1.数据的质量、全面性、有效性等因素将影响决策的有效性和稳定性

数据量大并不代表质量高,经验表明庞大的数据中往往鱼龙混杂,需要去芜存菁;大数据须具备全局性和完整性的特点,而实际得到数据往往是局限的,必须谨慎使用;大数据更新频率高、决策周期缩短的特点,一定程度上会形成冲动性决策,对决策的稳定持续性产生影响;市场变化无方,走向多种,但数据资源本质是历史数据的归集,用历史预测未来依然是一个传统难题。大数据应用于经济预测和决策制定造成的偏差会导致央行政策无法达到预期效果。央行应采取相关措施,降低因使用不当带来的风险,具体包括:进一步提高数据的全面性和真实性,完善分析模型;结合传统的分析方法,相互印证,提高决策的精准度;建立沙箱机制,提供缓冲和试错空间。

2.大数据应用和管理不当造成数据泄露和滥用会引发法律和道德风险

央行在使用大数据过程中,应采取有效手段,避免发生数据泄露和滥用。具体包括:界定和规范各类主体的法律行为,推动相关法律的制定并严格执行;健全数据防泄露、防篡改和数据备份等安全防护措施,完善相关管理机制;积极研究应用大数据技术构建安全的应用环境,提高技术防范能力;建立金融大数据使用规范,完善相关规章制度,防止大数据的不当使用。


Case / 相关案例
2016 - 07 - 18
研发合作基于客户需求或前瞻性探索,双方结合已有技术积累,针对特定问题联合进行技术攻关或产品预研的伙伴。 技术合作 提供技术及工具的伙伴,如提供各类开发工具、展现工具、专业技术等的伙伴,也可发展为OEM合作。 应用产品合作提供可与实验室现有产品紧密整合的应用产品、基于合作可以显著提升客户应用价值的伙伴。 资源合作可提供互补资源的合作伙伴,如数据资源、客户资源等...
关闭窗口】【打印