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，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，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。