在数字化转型浪潮席卷全球金融业的今天，数据已成为金融机构最核心的资产之一。如何有效治理海量数据，释放其潜在价值，而非陷入单纯的技术堆砌与管理内耗，是行业面临的普遍挑战。ThoughtWorks中国首席金融数据科学家常国珍在接受专访时明确指出：金融数据治理应当以业务价值为导向，特别是在在线数据处理与交易处理业务（俗称“EDI牌照”业务）等前沿领域，这一导向尤为重要。
常国珍认为，传统的数据治理往往侧重于技术实现、标准制定与合规遵从，容易演变为一个由技术部门主导、相对封闭的“管控”项目。其流程漫长，产出与一线业务部门的实际痛点和价值创造需求时常脱节，导致业务部门参与度低，治理成果难以落地应用，投资回报率（ROI）不清晰。
“数据治理不应是IT部门的独角戏，更不能为了治理而治理。”常国珍强调，“它必须紧密围绕具体的业务场景和价值目标来展开。我们需要问自己：这项治理工作究竟要解决哪个业务问题？是提升在线交易的风险识别实时性，还是优化客户画像的精准度以支持个性化营销？是缩短合规报表的生成周期，还是降低因数据质量问题导致的交易失误成本？只有明确了业务价值锚点，治理工作才有方向、有优先级，也才能获得业务部门的持续支持和资源投入。”
他以当前快速发展的“在线数据处理与交易处理业务”为例，阐述了以业务价值为导向的数据治理实践路径。这类业务通常涉及支付、结算、金融信息实时处理等，对数据的准确性、一致性、实时性和安全性要求极高。
在治理目标设定上，应直接对接业务目标。例如，业务目标是“将实时反欺诈系统的预警准确率提升15%”，那么数据治理的焦点就应放在支撑该系统的相关数据源质量、实时数据流的完整性与时效性、以及风险特征数据模型的一致性管理上。
在治理范畴的优先级排序上，应遵循价值驱动。并非所有数据都需要同等强度的治理。应优先治理那些对核心交易链路、客户体验、风险控制或收入增长有直接且重大影响的数据域和数据链。例如，在交易处理业务中，客户账户数据、交易流水数据、对手方信息的治理优先级，必然高于某些内部辅助性参考数据。
再次，在治理过程的推进中，倡导“敏捷治理”与“迭代交付”。不同于“毕其功于一役”的传统瀑布式项目，应以最小可行产品（MVP）的思路，针对某个具体的业务价值点（如“减少交易因客户信息不匹配导致的失败率”），快速实施一整套可度量的数据质量提升或标准落地措施，在短时间内让业务方看到效果、获得收益，再逐步扩展和深化治理范围。这种方式能有效建立信心，形成良性循环。
在治理成果的衡量上，必须与业务关键绩效指标（KPI）挂钩。数据质量的提升百分比、数据服务调用效率等中间指标固然重要，但最终的评价应体现在业务侧，如：客户投诉率是否下降、交易处理效率是否提升、营销转化率是否增长、合规成本是否降低等。
常国珍道，在金融科技竞争日趋激烈、业务创新速度日新月异的背景下，尤其是在线数据处理与交易处理这类高实时性、高并发性的业务领域，数据治理必须脱下“纯技术管控”的外衣，穿上“业务价值共创”的战袍。只有将数据治理的每一分努力，都清晰地映射到业务竞争力的提升上，才能真正释放数据的巨大能量，驱动金融机构在数字化时代稳健前行、创新致胜。
以业务价值为导向的数据治理，并非弱化了技术、标准与安全的重要性，恰恰相反，它是要求这些基础能力更精准、更敏捷、更有效地服务于业务战略的最终实现。这或许是金融业从“拥有数据”走向“善用数据”的关键一跃。
