在數字化轉型浪潮席卷全球金融業的今天，數據已成為金融機構最核心的資產之一。如何有效治理海量數據，釋放其潛在價值，而非陷入單純的技術堆砌與管理內耗，是行業面臨的普遍挑戰。ThoughtWorks中國首席金融數據科學家常國珍在接受專訪時明確指出：金融數據治理應當以業務價值為導向，特別是在在線數據處理與交易處理業務（俗稱“EDI牌照”業務）等前沿領域，這一導向尤為重要。

常國珍認為，傳統的數據治理往往側重于技術實現、標準制定與合規遵從，容易演變為一個由技術部門主導、相對封閉的“管控”項目。其流程漫長，產出與一線業務部門的實際痛點和價值創造需求時常脫節，導致業務部門參與度低，治理成果難以落地應用，投資回報率（ROI）不清晰。

“數據治理不應是IT部門的獨角戲，更不能為了治理而治理?！背鋸娬{，“它必須緊密圍繞具體的業務場景和價值目標來展開。我們需要問自己：這項治理工作究竟要解決哪個業務問題？是提升在線交易的風險識別實時性，還是優化客戶畫像的精準度以支持個性化營銷？是縮短合規報表的生成周期，還是降低因數據質量問題導致的交易失誤成本？只有明確了業務價值錨點，治理工作才有方向、有優先級，也才能獲得業務部門的持續支持和資源投入?！?/p>

他以當前快速發展的“在線數據處理與交易處理業務”為例，闡述了以業務價值為導向的數據治理實踐路徑。這類業務通常涉及支付、結算、金融信息實時處理等，對數據的準確性、一致性、實時性和安全性要求極高。

在治理目標設定上，應直接對接業務目標。例如，業務目標是“將實時反欺詐系統的預警準確率提升15%”，那么數據治理的焦點就應放在支撐該系統的相關數據源質量、實時數據流的完整性與時效性、以及風險特征數據模型的一致性管理上。

在治理范疇的優先級排序上，應遵循價值驅動。并非所有數據都需要同等強度的治理。應優先治理那些對核心交易鏈路、客戶體驗、風險控制或收入增長有直接且重大影響的數據域和數據鏈。例如，在交易處理業務中，客戶賬戶數據、交易流水數據、對手方信息的治理優先級，必然高于某些內部輔助性參考數據。

再次，在治理過程的推進中，倡導“敏捷治理”與“迭代交付”。不同于“畢其功于一役”的傳統瀑布式項目，應以最小可行產品（MVP）的思路，針對某個具體的業務價值點（如“減少交易因客戶信息不匹配導致的失敗率”），快速實施一整套可度量的數據質量提升或標準落地措施，在短時間內讓業務方看到效果、獲得收益，再逐步擴展和深化治理范圍。這種方式能有效建立信心，形成良性循環。

在治理成果的衡量上，必須與業務關鍵績效指標（KPI）掛鉤。數據質量的提升百分比、數據服務調用效率等中間指標固然重要，但最終的評價應體現在業務側，如：客戶投訴率是否下降、交易處理效率是否提升、營銷轉化率是否增長、合規成本是否降低等。

常國珍道，在金融科技競爭日趨激烈、業務創新速度日新月異的背景下，尤其是在線數據處理與交易處理這類高實時性、高并發性的業務領域，數據治理必須脫下“純技術管控”的外衣，穿上“業務價值共創”的戰袍。只有將數據治理的每一分努力，都清晰地映射到業務競爭力的提升上，才能真正釋放數據的巨大能量，驅動金融機構在數字化時代穩健前行、創新致勝。

以業務價值為導向的數據治理，并非弱化了技術、標準與安全的重要性，恰恰相反，它是要求這些基礎能力更精準、更敏捷、更有效地服務于業務戰略的最終實現。這或許是金融業從“擁有數據”走向“善用數據”的關鍵一躍。