「摘要」为深入贯彻落实党的二十届三中全会精神，把握数字经济发展新趋势新特点，发挥数据要素倍增作用，结合农发行数据战略和规划，本文围绕“治数、管数、用数”，从数据治理体系、数据统计体系、数据资产体系、数智服务体系、数据平台体系五个方面提出工作举措，加快推动数字金融落实落地，全力服务于业务发展，推进数字服务、数字决策、数字管理、数字运营、数字监督实现重点突破，充分发挥数据要素新质生产力作用，为农发行高质量发展提供数智动力引擎。

「关键词」数字金融 新质生产力 高质量发展  数据要素  数据战略

为深入贯彻落实党的二十届三中全会精神，把握数字经济发展新趋势新特点，发挥数据要素倍增作用，农发行加强上云、用数、赋智，深化数智模式改革，创新业务服务模式，加快推进全行数字化转型，推动数字金融蓬勃发展，支持全行聚焦主责主业，深耕“三农”、服务“三农”，充分发挥政策性金融作用，更好服务乡村全面振兴，助力农业强国建设。

一、充分认识数据是重要生产要素的重要意义

（一）数据是新质生产力的重要生产要素。党的二十届三中全会指出，“健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制。”数据要素因其显著的乘数效应和创新引擎作用，逐渐被认定为新质生产力的核心生产要素。与传统生产要素相比，数据具备可复制、可共享、无限增长和供给的禀赋，打破了传统要素有限供给对增长的制约，为持续增长和永续发展提供了基础与可能。数据作为新型生产要素和重要战略性资源，通过与其他生产要素协同联动并渗透生产、分配、流通、消费各环节，将显著促进生产资料的提质升级，优化产业结构，提升全要素生产率，进而引发生产力的跃迁和全域经济的颠覆性变革。

（二）做好数据工作是推动农发行高质量发展的重要引擎。近年来，农发行高度重视数据管理和服务工作，先后制定农发行“十四五”科技发展规划、全行数据战略及规划，大力推进实施数字赋能工程，健全数据治理体系，优化数据管理机制，加强数据质量管控，一体推进依法治数、协同管数、共享用数，进一步夯实了发展数字金融的数据基础，取得了积极成效。但与新形势下建立数据基础设施、促进数据共享、进行数据产权归属认定等要求相比，农发行还面临着不少问题和挑战，需要坚持问题导向和目标导向，围绕“治数、管数、用数”，从数据治理体系、数据统计体系、数据资产体系、数智服务体系、数据平台体系五个方面变革，多措并举，加强体系设计和重点突破，完善相关制度机制，优化数智支撑工具，打造数智创新场景，推进数据要素在业务领域广泛应用，为农发行高质量发展提供数智动力引擎。

二、健全数据治理体系，提升数据治理效能

深入贯彻全行数据战略与规划，持续完善“1+6”数据管理模式，健全覆盖数据管理全生命周期、明确各参与主体职责的数据管理总体治理机制，优化数据口径制定、数据质量问题整改等6项重要数据工作机制，进一步补数据治理短板、强数据管理弱项，精益求精，持续完善数据治理工作机制。

（一）顶层设计，构建“总分联动、职责清晰、高效务实”的数据治理机制。一是聚焦数据质量管理的薄弱领域，探索建立源头数据认责机制。如涉农贷款、存款客户等，深入研究业务管理与系统建设实际，合理明晰相关业务数据的管理责任部门，依次推动重要数据产权归属认定，实现“数有所属、责有所依”，解决现有部分业务数据治理职责不清、流程不畅等问题。二是强化业务部门和条线的数据治理责任意识，逐步加强总行部门协同管数机制。通过机制的约束，使“数据-业务”二者有机统一、不可分割的思想深入人心，促进总行各部门的横向协同、四级行纵向贯通，营造全行协同“治数”“管数”的良好氛围。三是持续完善省级分行分组协作机制，巩固深化省级分行治数协同。支持牵头行在数据治理、监管报送、报表减负方面发挥更大统筹引领作用，优先开展报表上收等新方法的试点，不断探索数据管理新路径，总结提炼优秀经验做法，并在片区内推广应用，切实以点带面提升全行数据管理能力。

（二）夯实根基，筑牢“标准全、架构优、管控严”的数据治理基础。一是制定新版数据标准，保障系统中关键数据规范一致。结合监管报送制度和业务管理需要，加紧丰富完善企业级数据标准，加快推进企业级数据标准V3.0发布，并持续推进标准在源头系统落标和行内经营分析中的应用，支持数据交互一致语言，提升数据共享共用力度。二是加强数据标准管控，提升数据落标全流程管控能力。结合统一技术开发平台建设，将落标工作前移并嵌入系统建设全流程，加强对源头系统数据落标的管控和评价，打通睿寻数据管控平台与统一开发平台，实现企业级数据标准到各系统开发环节的自动化推送、自动化管控，为提升源头系统中关键数据的规范性和一致性提供关键保障。三是推进数据架构治理，实现系统间数据的互联互通。将数据架构作为企业级架构设计和管控重要内容，绘制全行架构资产统一视图，重点优化客户、机构、员工等领域数据架构，将架构管控要求贯穿系统设计、研发和上线全过程，深入解决系统间数据不关联、不互通、不一致等突出问题。

（三）精准治数，建立“事前、事中、事后”数据质量管控机制。一是事前把好数据产生环节质量关。聚焦监管校验规则以及业务应用要求，开展溯源分析，持续增设源头系统数据录入刚性控制规则。推动业务部门对于重要源头数据进行释义，加强业务培训和录入指导，确保业务认定准、录入操作准。二是事中做好常态化数据质量监测。根据监管报送、业务管理和数据一致性要求，制定和部署源头数据质量系列校核规则，对源头数据实时动态监测，实现按机构自动分发数据质量问题，支持问题整改全流程数字化管控。三是事后做好数据质量问题整改。对于数据质量问题深入分析、精准溯源，标本兼治，在源头端、加工端、报送端多端发力，既解决报表端问题，又解决源头端问题，对问题进行归因分析，完善数据标准，丰富校核规则，深化治本之策。

三、完善数据统计体系，提升统计工作质效

按照统一规范、准确及时、科学严谨、实事求是的原则，加强统计基础建设，持续完善统计管理制度、统计业务制度和统计调查、分析、报送和信息服务流程，丰富统计指标体系，加强统计数智赋能，探索统计监督工作，不断提升监管报送水平和统计分析质效。

（一）提质增效，全力推进监管报送即抽即用。一是完善监管统计制度体系，提升监管报送质效。按照即抽即用工作方式，完善组织架构，强化职责分工，优化报送流程，重点开展数据异动监测和统计报备，提升监管问询答复时效和质量。二是优化报送管理模式，提升精细化管理水平。推进现行报表层层填报、层层审核调整为月初各级行同步审核、定点解锁，报表修改填报转变为监测核查，实现工作重心由后置报表填制、审核转移至前置的源头数据维护、监测和治理，推动报送工作重点从“填数”到“管数”转变。三是加强报送指导，形成报送工作合力。做好口径文档、校验规则、填报指南等知识积累和传导，迭代更新和发布成果，运用AI大模型技术探索以机器人问答等多种方式指导全行报送工作，持续提升监管报送水平。

（二）守正创新，全力提升统计分析服务质效。一是拓宽统计数据服务场景，实现统计数据复用共享。以智能数据分析平台、农发智勤APP等为发布载体，推动目前各类统计分析报告自动化生成，实现全行复用和共享，推进统计数据智能化服务。二是加强政策理解，提升统计专业分析能力。深入研究国家政策文件、行业发展趋势和行内业务热点，开展专题数据分析，建立部门间协作研究机制，加深业务技术融合，提高专项统计分析深度和产出效率。三是完善分析框架，提升统计分析权威性。根据行领导讲话等关注的行内热点，及时调整完善统计分析框架，丰富分析内容，确保统计分析材料的及时性、聚焦性和权威性，切实发挥统计分析服务经营管理和决策的价值。

四、优化数据资产体系，推进全域统一管理

持续推进基础数据、外部数据、指标数据、报表数据等数据资产识别、盘点和统一管理，推动数据资产化、资产服务化、服务智慧化，实现数据资产管理和价值发挥由局部探索、破冰突围到全面深化转变。

（一）优化机制，推进全域数据资产统一管理。一是优化数据资产管理机制。明确数据资源发现与采集、资产盘点与发布、资产运营与管理等环节的流程与各方主体职责边界和工作机制，丰富数据资产信息，实现跨机构、跨部门、跨行业数据资源有序共享。二是优化数据资产盘点工作机制。结合数据湖建设，探索建立数据资产识别盘点落地的合理路径，实现入湖数据全部纳入数据资产管理。三是构建全行数据资产目录。综合不同系统平台数据目录的优点，进一步完善资产平台数据资产目录，实现源头数据、数仓数据、报表数据、指标数据、外部数据、模型数据等统一展现。四是实现数据资产一体化管理和应用。打通数据资产目录与具体数据展现平台的互联互通，实现数据资产目录查询、数据查询及申请调用的一体化应用，为全行各类人员查询、使用数据资产提供统一、有效的支持。

（二）动态更新，推进指标体系持续丰富和有效应用。一是优化指标体系建设。结合前期指标管理工作成果，以指标库建设为抓手，按照体系化推进和重点突破的思路推进指标体系建设。梳理整合行内分析和监管报送所需指标，形成指标标准3.0。二是推进指标应用场景落地。分步推进共享指标、统计简要分析、信贷等级行、固定资产等专题分析场景中指标的建设落地，动态补充丰富指标库内容，推动“一次加工、多处使用”模式的落地。三是推动关键数据“一口出”。实现全行关键指标的统一定义、统一发布、统一加工、统一管理，并以此为契机推动业务用数模式转变，推进报表指标化管理和场景化展现。

（三）加强探索，推进数据资产和业务场景有效融合。一是强化业务场景数据建模。打破部门银行壁垒，深入挖掘数据价值，提升数据洞察能力，实现数据赋能业务。围绕全行用数需求，分析提炼应用场景，重点推进贷款、风险领域分析场景的建设及推广。二是尝试对数据应用场景进行应用评估和价值评估。为后续参与数据要素流通、发挥数据要素做好先期储备，也为数据管理资源分配提供参考。三是加强外部数据引用。加强与同业、厂商、政府等的合作，加大各类数据产品的引入力度，丰富完善外部数据资源，助力服务乡村振兴和农业强国建设。

五、加强数智服务体系建设，释放数据要素价值

融合内外部数据，深化数据和人工智能融合应用，通过寓数于服、因数而创、向数而行、用数增效、聚数赋能，加强数智服务体系建设，统一规划和持续丰富数智服务场景，不断提升数字服务、数字决策、数字管理、数字运营、数字监督能力。

（一）寓数于服，提升数字服务能力。一是助力以客户为中心的金融服务转型。坚持以客户为中心，将大数据、智能模型与客户服务全生命周期相结合，充分挖掘资金支付交易链条中的价值信息，分析支付链中的上下游企业数据，挖掘潜在客户需求，实现金融服务精准触达。二是强化内外部数据要素融合应用。构建客户统一画像，开展精准客户分析，洞察客户行为偏好，探索“大模型+大数据”技术在金融客户服务领域的高价值应用，构建基于AI技术的智能应答客户服务，构建智慧客户服务。三是构建“数字员工”服务，持续推动基层减负增效。深入AI智能算法等前沿技术，打造以“智能问答机器人”为代表的高效、精准的“数字员工”队伍，通过记录并学习资深员工的工作流程和决策逻辑，为员工入职培训、日常业务开展等提供智能化、标准化服务。

（二）因数而创，提升数字决策能力。一是构建全视图数据即席查询体系。依托智能数据分析平台即席查询和自助查询等功能，构建信贷、财务、存款、支付等全业务视角即席查询主题，降低全行自主用数分析决策门槛，推动数据价值释放。二是优化完善高管驾驶舱。引入外部数据和实时数据，紧密贴合农发行战略目标，完善开发关键业绩指标（KPI）分析展示，形成企业级价值云图，探索建立动因变化价值预测实验舱，为高管层科学决策提供数智支持。三是助力数字化风险决策支持。采用“大数据+AI”构建高时效、高精准的项目贷款风险预警、风险限额控制、资产质量下迁预警等风险识别预警模型，为业务风险防控提供重要数据服务支持。

（三）向数而行，提升数字管理能力。一是加强资产负债统筹管理。以数据赋能提升流动性监管指标前瞻预测的科学性，逐步实现事前规划、事中监测和事后归因分析的全链条资产负债组合管理。优化定价管理流程，完善FTP传导机制，提升定价管理效能，运用智能模型实现政策性让利与财务可持续的精准平衡。二是推动流程信息化、自动化和财务事项全生命周期管理。通过大数据支持ERP管理平台建设，推动企业资金、物资、信息、人力等资源充分有机结合，实现业务功能集成贯通和数据价值挖掘应用，利用智能化分析技术，加大数据挖掘应用力度，实现企业资源数据的充分应用和融合共享。

（四）用数增效，提升数字运营能力。一是强化运营管理智能化水平。通过深度整合ICR（智能识别）等AI技术，实现业务处理流程的自动化与智能化升级。减轻基层员工在数据录入、文件处理等方面的工作量，大幅提升工作效率与质量，缩短业务处理周期，在提高客户满意度的同时，有效降低运营成本、增强市场竞争力。二是推进运营风险数字化监测与管控。引入AI智能分析模型等工具，实现运营的集中智能监控、预警和统计，各业务的核算、清算全流程监控、自动预警，反电诈事中预警和拦截，满足智能运营风险管控需求，提升稽核监测能力。

（五）聚数赋能，提升数字监督能力。一是健全数字化合规监督体系。通过数据驱动，基于大量交易数据构建非现场监测模型，对预警信息进行查询查证、分类处置、统计分析，推动各类突出问题和风险早识别、早预警、早化解、早处置，切实提升内控合规管理质效。二是建立智能监督风险监测模型。建设智能化的监督分析模型，自动收集、整理和分析各类业务数据，运用算法模型进行风险评估和预警，减少人工干预，降低操作风险，大幅提升监督工作的时效性和准确性。三是加强财务监督数字化水平。综合运用财务大数据，进行精准财务特征画像和预测，对违规财务事项进行预警，提升潜在财务风险和疑似合规问题事项的智能识别的财务监督能力。

六、打造数据平台体系，加强数智技术赋能

通过数据中台、服务平台和管控平台的统一规划和建设，推进实现数据平台工具的系统性重塑和整体性优化，打破数据壁垒，沉淀通用数据服务能力，实现数据的共享和流通，促进不同业务流程之间的数据协同，打造企业级数据服务新模式。

（一）整体重塑，打造“湖仓一体”的数据中台。采用分布式、湖仓一体及云服务等新型架构建设数据中台，集“采、存、管、用”四位一体，对海量、多源、异构的数据进行采集、存储、计划、治理，构建集成数据整合、提纯加工、建模分析、质量管控、可视交互等功能的综合型数据中台。通过架构优化和整合，优化数据流转链路设计，补齐实时计算能力短板，提升内外部数据融合服务能力。

（二）优化整合，构建数字化智能服务平台。结合大数据、数据湖、人工智能等平台技术，构建即席数据查询、经营统计分析、高管驾驶舱、数据挖掘分析、数据提取等功能于一体的数字化智能服务平台，提供面向全行的基础数据服务、标签画像服务、算法模型服务、智能决策服务，丰富数智服务场景，提升业务决策效率与精准度。

（三）持续完善，提升监管数据报送平台质效。以基层减负为目标，以提升报送质量为主线，采用现代技术栈提升系统架构的灵活性和可扩展性，通过自动化与智能化手段增强数据处理和报送的效率与准确性，优化报送功能与交互体验，提升用户满意度，实施计算资源自动管理，持续优化平台性能，全面提升监管数据报送质效。

（四）逐步扩展，加强人工智能平台基础能力建设。以算力平台为支撑、决策式和生成式为两式，围绕6大组件领域和大模型的融合建设，支撑N个AI场景效果，形成一套自主可控人工智能全场景统一体系，建设具有“架构好、框架优、能力广、效能高、建模快”等特点的企业级人工智能平台。平台融合生成式与决策式AI的强大能力，支持内容的“生成”“理解”和“推理”，通过跨范式的融合实现不同模型范式的统一开发、管理和应用，形成“看、听、说、想、做”智能决策能力。

（五）迭代完善，打造功能完备的数据管控平台。注重从数据治理工作实践中总结提炼治理工具的优化需求，以需求驱动睿寻数据管控平台建优建强，打造自主可控、性能优异、功能强大的数据治理工具，为企业级数据标准管理、数据质量监测、数据血缘分析、数据分类分级等工作提供全方位支撑，持续提升数据治理工作自动化水平。