数据管理能力成熟度评估

DCMM（Data Management Capability Maturity Assessment Model，数据管理能力成熟度评估模型）是我国首个数据管理领域国家标准，将组织内部数据能力划分为八个重要组成部分，描述了每个组成部分的定义、功能、目标和标准。该标准适用于信息系统的建设单位，应用单位等进行数据管理时候的规划，设计和评估。也可以作为针对信息系统建设状况的指导、监督和检查的依据。

1.DCMM的来源

工信部信软司、国家市场监管总局标准技术管理司于2014年成立全国信标委大数据标准工作组，从事国家大数据领域标准化工作，负责对ISO/IEC JTC1／WG9国际标准归口工作，由梅宏院士担任组长，秘书处设在中国电子技术标准化研究院。

工作组成立当年，DCMM国家标准立项，正式启动研制工作，经过近4年的标准研制、试验验证，2018年3月15日正式发布，是我国数据管理领域最佳实践的总结和提升。

2.DCMM的内容

DCMM国家标准结合数据生命周期管理各个阶段的特征，按照组织、制度、流程、技术对数据管理能力进行了分析、总结，提炼出组织数据管理的八大过程域（如下图），并对每项能力域进行了二级过程项（28个过程项）和发展等级的划分（5个等级）以及相关功能介绍和评定指标（441项指标）的制定。

3.DCMM的价值

准确评估各地大数据发展现状。

通过对地方、行业各单位组织数据管理、应用情况的评估，可以掌握地方、行业单位组织数据管理和应用的现状，发现具备的优势和存在的问题，为如何更好利用本地、行业的数据资源和进行针对性的指导提供支持。

数据管理能力培育以解决企事业单位实际业务问题、支撑技术应用为出发点。通过将企事业单位业务、技术应用、数据需求与数据管理过程相结合，实现企事业单位数据管理体系革新、生产模式优化、运行效率提升，加快推动企事业单位向数字化、网络化、智能化转型发展，切实提高企事业单位的数据管理水平和综合竞争力。

该标准的评估对象既可以是数据拥有方，通过一系列的方法、关键指标和问卷来评价某个企事业的数据管理现状，从而帮助其查明问题、找到差距、指出方向，并且提供实施建议，为企业提供与企业发展战略相匹配的数据管理能力体系建设。也可以是数据服务商，通过该标准的落地实施，可以帮助数据解决方案提供方完善自身解决方案的完备度，提升自身咨询、实施的能力。

开展DCMM评估之后，可以免费享受一年的DCMM会员服务，从行业专家、最佳实践，行业研讨会、行业报告等多个层面开展相关服务，持续推动行业和公司数据能力水平的提升。

4.DCMM的评估体系

自全国信标委大数据标准工作组研究制定DCMM后，为促进标准落地应用，2018年成立中国电子工业标准化技术协会数据管理应用推进分会，在工信部信软司的指导下，不断丰富完善并初步建立了 DCMM 评估体系（如下图），在数据管理人员培训、评估机构选取、评估项目实施、优秀标杆评选、解决方案生态圈建立、地区/行业数据管理能力发展水平分析等方面开展了大量工作。

2019年7月，DCMM指导委员会成立，统筹DCMM工作，具体工作由中国电子工业标准化技术协会数据管理应用推进（DCMM）分会实施，分会内设监督委员会监督仲裁，不断完善DCMM评估体系建设，DCMM评估体系框架。

基于大数据的智慧清收

通过人工智能与大数据等先进技术快速妥善处置银行的不良贷款资产，成为化解金融风险的主要路径之一。

信贷资产清收工作是各银行机构信贷业务工作的难点和重点，信贷与资产清收工作的执行与效率，决定了全行的信贷资产质量，基于大数据、人工智能等技术的快速发展，北京融科数据科学研究院完成了银行信贷资产管理平台《金信通》的研究与开发，实现了对全行信贷资产的数字化管理、资产清收工作的移动化催收、资产诉讼清收的流程化管理，以及全行资产清收工作的智能化管理指挥，系统通过信息化管理手段，实现在控制新增不良贷款的同时，高效的完成存量不良资产清收工作。

目前，中国商业银行的不良资产规模达到约2万亿元，但不良资产业务中的信息化及智能化程度却远不能与其规模相匹配，甚至远低于银行其他业务部门的信息化水平。究其原因，不良资产业务流程长且涉及领域跨度大，导致很多银行不大敢利用大数据、人工智能、云计算等技术建立新的流程管理与风险管控体系，避免在风控流程与业务处置环节出现疏漏。当前人工智能与大数据等技术日益成熟，已经能够解决银行等金融机构的后顾之忧。银行信贷资产管理平台通过不良资产清收业务实际场景出发，协助金融机构构建数据自动抓取、OCR识别、分布式云计算、AI机器学习、文本搜索引擎等一系列新的不良资产处置业务操作流程，从而形成自有的风险资产大数据体系，实现智能风控。通过银行信贷资产管理平台的时时数据更新与企业经营状况大数据分析，持续减少这些员工在收集更新企业经营数据的精力时间消耗，他们就能花费更多精力设计更优化的不良资产清收处置方案，从而提高不良资产的处置效率。

此外，人工智能能否进一步提高不良资产的智能风控效率与资产处置决策机制，也与各级法院能否开放端口进行数据直接对接，资产管理公司能否对接端口对同类不良资产开展风险定价探究，债务人多头借债信息能否实现共享以提高判断决策效率息息相关。

不良资产处置的复杂性，决定了大数据、人工智能等金融科技技术只有与应用场景相结合，才能让先进技术直接服务于业务场景，做到准确把握客户需求，提供有针对性的技术，有效解决客户在不良资产处置日常工作里的各类具体问题。

人工智能与区块链技术

无论是区块链金融还是分布式金融，都是金融在探索中变革、在变革中探索的关键路径中的一环。未来金融的数字化是大势所趋，而区块链技术的基础性作用会显得越来越重要。

金融关系着国家经济活动的成败，也关系着每个人的日常生活。大到国家货币的发行，银行间的债券结算和汇率转换，小到每个人的电子支付和日常理财，都是金融活动的组成部分。金融业是信息化程度最高的行业，广泛应用了各种新技术，特别是IT技术。北京融科数据科学研究院致力于基于人工智能与区块链技术的金融科技研发。

人工智能技术首先以深度学习为突破点，通过机器学习算法，使机器的推理、判断和识别能力在某些方面超越了人类，取得了重要进展，如采用人工智能技术解决日常银行业中的智能运算和重要决策。

区块链技术则从分布式存储出发，创造性地结合了共识算法、加密传输和签名验证等核心技术，实现了复杂事务和合约处理的自动化、智能化和确权化，将对传统的金融领域的规则带来颠覆和挑战。

人工智能技术和区块链技术融合将给金融行业带来重大挑战，这样的挑战可能会导致两种结果：一是新技术被融入传统业务，从而实现信息化水平的升级，进一步提高效率、降低成本；二是新技术彻底颠覆传统业务。区块链技术和人工智能技术能否彻底颠覆传统金融业务，将取决于技术的成熟程度和应用深度。

人工智能与区块链技术

新形势下商业银行信息安全体系建设面临诸多挑战。银行业应当在构建无边界信息安全防御体系、加强隐私保护及信息安全风险管理方面快速转型，并结合大数据技术及信息安全技术，转变传统防御思维，采取全面防御、主动防护的积极措施。

在数字经济迅猛发展的今天，我国银行金融机构数字化转型工作取得长足进步，信息系统建设不断完善。但从信息技术角度来看具体有以下潜在安全风险：首先，金融消费者聚集的高度碎片化数据规模正在不断增加，银行信息系统的体量越来越庞大，运行环境越来越复杂，信息系统的高度耦合可能使得小问题导致大事件。其次，随着移动互联网、云计算、大数据、区块链等新技术的广泛应用，信息系统的基础架构不断调整，现有的信息安全防御体系面临失效的风险。再次，以金融欺诈为目标的黑色产业链已成规模，正在利用大数据等先进技术对银行业实施精准诈骗。

从本质上看，信息安全风险不仅客观存在，而且时刻变化。在金融科技时代下，商业银行面临的信息安全风险呈现出一些新特点，如：新技术带来了新的安全漏洞；传统安全手段无法有效应对新安全威胁；新研发模式导致了更多的系统缺陷等。从风险管理角度看，银行业应当从信息安全日常管理、信息安全风险管理及信息安全审计角度，构建信息安全管理多道防线，层次化落实安全风险防控。随着以开放银行和数字货币为代表的数字金融业务不断向前发展，银行业信息安全风险管理面临新的挑战。

北京融科数据科学研究院加强基于金融数据的信息安全与数据保护研究工作，研究工作主要集中在以下三个方面：

1. 构建无边界的信息安全防御体系研究；

2. 保障数字空间隐私安全研究；

3. 层次化提升银行业安全风险防控研究。

在云计算与大数据时代，网络安全的逻辑框架已从单纯的边界防护，上升到整个网络空间安全的概念。在此背景下，金融机构IT架构也在发生变革，金融业务云化，数据呈现海量集中部署、价值更高、边界更模糊等特点。如何实现对海量数据泄露事件的溯源和业务数据的风险分析，成为金融行业当前及未来要面临的一大考验。

RPA技术与培训基地建设

RPA(Robotic Process Automation)中文全称为机器人流程自动化，以自动化软件作为虚拟劳动力，依据预先设定好的程序与现有系统进行交互，并完成预期的任务。通过RPA软件编写的“机器人”程序，可以捕捉并模拟我们日常的键盘、鼠标操作等人机交互行为，它们可以完成识别、触发、通信、文本生成等任务，自动执行重复性的业务流程。RPA是目前最受欢迎的人工智能应用技术之一，因为它允许企业在原有业务系统之上进行业务流程自动化的部署，对原有系统无需任何改造，是一种非侵入式技术。而RPA机器人的实施周期非常短，针对一般性业务来讲7～14天即可上线应用。

北京融科数据科学研究院致力于RPA技术研发，以RPA人才培育为己任，为RPA行业输送源源不断的“新鲜血液”。企业对足够优秀的RPA人才的招揽几乎是不计成本。掌握RPA技能者，必将成为今后就业市场的“抢手人才”。毫不夸张的说，RPA将会是未来最有前景的职业之一。RPA人才的需求，主要来自三个层面，企业、实施、厂商。

1.客户角度：客户有流程需要发起梳理验证，那么就需要有能够快速整理业务并能梳理业务和优化它的人，同时也可能涉及系统的RPA技术验证，来做POC（概念验证）。

2.实施方角度：为了满足客户的需求，需要去落地RPA机器人自动化方案，甚至还可能帮客户去搭建RPA卓越中心（COE）。

3.RPA厂商角度：RPA厂商对于RPA人才的要求有两部分，一部分需要其去营销RPA产品，充当销售（售前）角色，让客户或者合作伙伴看到效果；另一部分则需要其培训RPA产品的部署注意事项以及功能扩展等，充当培训师角色。

RPA人才的备选条件，一名优秀的RPA从业人员应该具备以下5个基础条件、7个附加条件，才可称之为“RPA人才”。5个基础条件：

1.计算机类或信息类或数理统计类相关专业本科；

2.具有一定的编程基础，良好的沟通能力，逻辑思维清晰，具有组织和协调能力，可以快速了解用户业务场景；

3.主动学习积极性高，执行力强，善于解决问题,能主动推进项目进度；

4.具有敏锐的市场意识，团队合作以及良好的客户服务意识和创新意识；

5.加分项：有任意一款RPA产品的相关证书；熟悉VBA/C#/JAVA /Python/JS/PHP其一；有RPA实施经验。

7个附加条件：

1.有主机系统，网络设备，数据库技术，信息安全技术等方面的基础培训；

2.对软件产品售前或售后支持工作有了解或实践经验积累；

3.有良好的文档撰写能力——熟悉Office等工具；

4.了解财务；

5.了解自动化测试工具Selenium/Appium或按键精灵/AutoIT/句柄精灵/Inspect等；

6.具有ERP，CRM等管理软件实施工作经验；

7.了解OCR，NLP，知识图谱，人脸识别，机器学习等技术。