但现在看来，在特定的地缘政治条件下，这种分散化的意义也可能并不很大 2. 中国可以增加对战略资源生产国的股权投资，如对中亚、阿拉伯国家油田的股权投资 3. 在中概股遭到打压，股价暴跌的情况下，央行可以考虑为中国投资者购入优质中概股提供融资便利 4. 信守承诺，严格保护外国投资者在中国的投资 5. 对于中国企业的海外融资活动给予必要支持 6. 加快金融基础设施建设，如不受美国影响的结算、清算、报文系统的建设。
（五）健全完善环境立法，促进信息公开透明 英国的环境领域相关立法强调绿色金融的发展，英国气候债券倡议组织搭建的信息平台强调市场信息公开化和透明化，努力减少信息不对称，争取有效减少逆向选择和道德风险导致的漂绿行为。随着绿色金融全球合作机制的加速构建，加强与其他发达国家和新兴市场国家的互动与合作，有助于加快绿色金融发展进程。
2020-2021年度初始试点赠款计划为0.6亿英镑，若前期试点证明有效，预计未来几年将支出38亿英镑。3.社会住房脱碳基金示范：该计划向地方当局提供赠款，以改善效率最低的社会住房。因此，英国政府规定，到2035年，英国所有房屋都应达到效能评级（EPC）频段C的最低标准。在低碳转型的过程中，绿色金融可以引导资金导向，使更多的资金流向绿色产业，帮助其筹集生存与发展所需的资金，从而带动就业。北京的绿色金融发展深度较为欠缺，绿色金融发展质量较高。
为了促进绿色房屋的改造，英国创新了绿色房屋改造贷款，即通过成立节能减排基金，与银行及相关企业共同应对房屋改造所需的大笔开支，帮助英国家庭安装太阳能电池板、改装阁楼等节能措施。未来英国碳市场能否有效平稳地运行仍有待验证。银行数据治理的过程，恰恰是合理利用新技术全面推动大数据时代的数据、技术与业务功能有效融合。
促进金融科技创新与数字化转型，须避免粗放式扩张和防止泡沫积累，处理好创新与安全的边界，守住不发生系统性风险的底线，防范非系统性风险的积累，明确创新的底线与负面清单。当前，经济高质量发展、实现共同富裕、绿色低碳经济转型等都构成当前战略重点，而金融科技与数字金融创新都越来越密切地与国家战略相吻合。在此阶段，对于银行的数据监管政策，逐渐从数据质量考核结果导向的监管演变为对管理层面上的数据治理全方位要求。二、银行数据治理的目标选择 为了更好地推动银行数据治理的完善，需要全面厘清这一改革的战略目标。
《意见》则把数据能力建设作为重要部分，强调要从健全数据治理体系、增强数据管理能力、加强数据质量控制、提高数据应用能力等四个方面提升数据治理与应用能力，尤其指出确立企业级的数据管理部门，发挥数据治理体系建设组织推动和管理协调作用。正如开源成为技术发展的重要趋势，生态共建、合指成拳也成为数字化转型与数据治理建设的首选路径，跨部门、赛道、厂商而提供综合解决方案的商业模式成为主流。
要促使银行数据治理工作走上新台阶，需要做好几方面工作。加强对数据应用全流程的效果评价。回顾历史，监管部门于2011年颁布了《银行监管统计数据质量管理良好标准（试行）》，2018年发布了《银行业金融机构数据治理指引》。个人信息保护、国家安全信息保护等问题始终贯彻在数据应用中。
更好地满足数字经济需求。二是找到数据治理的痛点，从问题入手进行战略设计。通常来看，对于发展时间久、规模实力较强、经营模式较为成熟的商业银行来说，技术进步对其生产经营效率的提升具有促进作用。当然，中国特色的开放银行创新受到数据开放的更多监管约束，但仍然可以在合规前提下充分探索边界与空间。
从行业角度来看 促使整个行业提升全要素生产率。从商业银行个体角度来看 提升机构核心竞争力。
目前，无论是金融机构的数字化转型，还是新技术企业为金融机构提供技术支持，普遍存在技术和业务两张皮的问题。二是在技术安全方面，能够高效应对针对金融服务行业的数据攻击，更好地保证业务的连续性。
众所周知，源于海外的开放银行最初就是从数据共享入手，通过应用程序编程接口（API），以实现数据流在不同系统之间的实时流动和功能的无缝集成。恰恰是通过使数据要素更好地融入技术与业务协调创新的主线中，才能更好地促进创新场景落地。在数据治理方面，尤其对于中小银行来说，可以依托外部技术企业的数据模型快速建立数据建模能力，然后在各业务部门配置数据管理与分析资源，再把大数据分析结果全面应用在业务领域，从而为获客、风控及运营等提供有效的数据支持。以金融科技为特色的银行，应该着力关注如何通过数据治理来提升开放能力和服务生态。如《规划》中强调要发挥大型金融机构带动作用和示范效应，加强金融科技共性技术、资源和服务的开放合作、互惠共享，联合高等院校、科研院所、高新技术企业等搭建专业化金融科技产用对接平台，依法合规参与数字技术开源社区等创新联合体。四是在数据应用方面，真正做好数据安全保护，借助多方安全计算、联邦学习、隐私计算、可信区块链、标记化等技术，确保数据可用不可见、可用可计量、最小够用、专事专用。
例如，数据治理与管理是一项系统工作，涉及工作繁杂，如何能够有效规划、体系化推动，如何通过新技术应用来减少数据治理的成本费用，如何通过内控和审计来规范数据治理工作的开展，诸如此类的问题应该融入到数据治理的战略制定与落地中。挖掘业务场景，通过数据驱动催生新产品、新业务、新模式。
三、银行数据治理的重点举措 完善机制。当前影响银行业的周期性因素包括经济周期、技术周期、政策周期、利率周期、人口周期、行业周期等，未来银行经营失败或许成为常态。
五是在数据交换方面，构建规范、标准的数据分发机制，打造统一的数据交换平台，突出数据难以互联互通、共享共赢的潜在阻碍。助力国家重大战略目标。
完善数据治理制度，运用科技手段推动数据治理系统化、自动化和智能化。基于实证研究表明，近年来我国银行业全要素生产率呈现出波动大、异质性强、周期性等特点。一、银行数据治理的政策背景 问题的提出 近年来，数据治理成为商业银行发展中的关键问题之一，也是监管层关注的焦点。如果只根据业务需求匹配相应技术，则只能局限于现有商业模式逻辑，可能使得业务难以跟上数字化变革大势。
至此，银行数据治理被赋予了更高的历史使命，是银行数字化转型、银行服务经济数字化转型的重要切入点，也是推动银行业由高速增长向高质量发展转变的主要抓手，能真正促使银行拓展新业务，挖掘新动能，提升服务能力，提高经营管理质效。产业数字化则指应用数字技术和数据资源为传统产业带来的产出增加和效率提升，是数字技术与实体经济的融合。
银行业普遍缺乏大数据相关人才，如精通业务且懂数据治理的数据业务人才，主要负责业务应用场景分析和设计。银行数据治理必须与业务创新有效结合，稳健的数据治理也是提高创新效率的前提，可以通过深入的客户数据分析挖掘，更精准地了解客户需求，实现业务、产品和服务创新，全面提升客户服务质量和服务水平。
《规划》提出要力争到2025年实现金融科技核心竞争力跨越式提升，在此背景下，商业银行面临的挑战更加突出。以对公业务为主的银行，可在供应链金融等创新业务发展中着力探索数据链、数据生态的优化整合。
所谓数据治理，按照国际数据管理协会（DAMA）的定义，是对数据资产管理行使权力和控制的活动集合，包括组织、制度、流程和工具。以数据治理的标准化为支撑。实际上，多年前商业银行就已经开始应用API 接口，后来随着大数据、人工智能、区块链等技术快速突破，加之众多金融科技企业、互联网金融企业带来的金融脱媒挑战，使得银行在开放银行视角下再度重视API，并把其作为提升零售客户和对公客户服务质量的重要手段。截至2021年6月30日，我国共有银行业金融机构法人4608家。
从过去几年的走势来看，不良资产余额上升的趋势已经得到遏制，资产质量改善明显。进入专题： 数字经济 银行数据 。
数据治理本质上是管理与技术相结合，因此在银行数据治理创新与优化中，不仅需要充分关注各细分领域，如数据标准、元数据、数据模型、数据分布、数据存储、数据交换、数据生命周期管理、数据质量、数据安全以及数据共享服务等，更需要把数据治理与新技术应用广泛融合在一起，体现在数据治理与应用的全流程，真正发挥新技术带来的正效应。截至2021年末，商业银行不良贷款总额为2.85万亿元，增速回到了5.4％，较上年同期下降6.6个百分点，是最近几年首次低于10％。
近年来，许多银行纷纷在顶层设计层面布局数据治理，银行数据治理已然成为银行数字化转型、银行服务经济数字化转型的重要切入点，也是推动银行业由高速增长向高质量发展转变的主要抓手。但是，虽然大型银行和股份行的不良率持续改善，城商行和农商行不良率依然较高且存在较高反复性。
