文/中国邮政储蓄银行党委委员、副行长、首席信息官?牛新庄
建设高质量数据集：夯实金融数智化发展基石
随着数智化转型的深入推进，金融行业正面临数据规模激增、来源多元、监管要求趋严等多重挑战。如何构建覆盖全面、标准统一、准确可靠的高质量数据集，已成为金融机构能否真正释放数据潜能、实现数智化高质量发展的关键命题。
本期封面专题，特邀银行、证券、保险等领域的代表性金融机构，围绕“企业级高质量数据集建设规划、标准体系建设”“多源数据安全合规获取与采集、数据清洗、数据预处理、数据标注、数据增强”“数据集划分、质量评估、偏差与公平性审计”“数据文档、版本管理、发布与维护”等方面，分享建设实践与案例经验，旨在探索适合金融业的数据治理路径，推动行业数据能力整体提升。
中国邮政储蓄银行
党委委员、副行长、首席信息官?牛新庄
识势：AI时代下的历史担当
当前，人工智能技术对助力产业降本增效、提升全要素生产率的作用日益显著。2025年8月，国务院印发《关于深入实施“人工智能+”行动的意见》，标志着我国人工智能发展正从“试验探索”阶段迈入“价值创造”阶段。人工智能系统能力的发挥，高度依赖于其所使用的数据集质量——高质量的数据集不仅是模型训练的基础，更从根本上决定了模型性能的上限。在金融领域，建设高质量数据集，是将数据资源优势转化为企业智能优势与发展胜势、深化金融服务实体经济的关键一环。
顺势：夯基筑台，积力蓄能
2025年以来，邮储银行以金融科技赋能高质量发展，打造领先的数字生态银行为战略目标，夯实安全可信的大模型应用技术体系，构建“1+3+6+N”的高质量数据集生态体系（“1”个企业级大模型数据基座，“3”大协同机制，“6”大核心数据能力，“N”个业务应用场景），以“数智云帆”驱动高质量发展引擎，在服务国家战略的宏阔格局中，奋力书写国有大行的时代答卷。
1.铸“云帆”之基，固企业级大模型数据基座
数据资源的统筹整合与高效利用，是激活数据要素价值、支撑金融机构数智化转型的核心支撑。邮储银行加快推进数智化转型，依托大数据平台数据工程、企业内容服务平台等系统，整合全行内外部数据，统一标准、统一管理，形成安全可靠、高效可用的企业级数据基座。在此基础上，围绕大模型在客户服务、合规风险、经营支撑等核心场景的建设应用需求，整合全行结构化、非结构化数据，汇聚行内知识库、高质量语料库等多元资源，打造层次清晰、数智融合、可持续运营的高质量数据集体系。以此打通数据流转堵点、破解数据应用难点，为全行业务数智化发展筑牢根基，为银行高质量发展注入核心数据动能，为驱动数据要素的整合流动与价值释放提供基础支撑。
2.构“云帆”之制，“共建、共享、共治”协同发力
共建：打破“资源壁垒”，汇聚全域数据合力。数据的洞察在于融合，打破“数据壁垒”是高质量数据集建设的首要任务。邮储银行树立“全行一盘棋”的理念，在数据融合方面，精细化盘点数据资产，构建数据血缘，打通数据共享通道，并融合多领域外部数据，建立全域数据资产视图，激活数据生态潜能。在业数技融合方面，通过组建企业级大模型工作组，打造“业务提场景、数据通脉络、科技赋能力”的协同共建模式，打破数据孤岛，打通业务环节，为高质量数据集建设奠定了坚实基础。
共享：打通“数据供给链”，实现全域数享。数据的高效流通和应用是高质量数据集建设的核心落脚点，更是反哺高质量数据集建设的关键举措。邮储银行以“DIKW（Data–Information–Knowledge–Wisdom）”理论为指导，将数据不断汇聚为有意义的信息单元，进而提炼为支撑决策的知识，服务于智慧应用。全行构建数据工程全流程工艺体系，打造便捷易用的“数据供给中枢”，沉淀数据资产，支持用户通过目录查询、智能问答检索方式，查阅、复用各类知识成果，按需获取数据资源。通过高效的数据共享、便捷的使用体验，降低数据应用门槛，形成以用促建的良性循环。
共治：激活“数据飞轮”，推动数据集持续升级。高质量数据集的价值不在于建成，而在于持续运营，共治的核心是打通“数据—模型—场景”全链路，推动数据集在迭代中升级、在应用中完善，激活越用越优的“数据飞轮”。邮储银行通过数据工程建设，驱动模型效果迭代优化，实现模型上线后数据质量动态监控与飞轮迭代。通过共治机制，实现数据提升模型能力、模型提升应用效果、应用积累反馈数据的良性循环，让每一次业务应用都成为数据集优化的契机，快速响应瞬息万变的市场需求，让“数据飞轮”持续转动、不断加速。
3.展“云帆”之力，“六维能力”赋能远航
治理能力：完备高效的数据治理，让数据由资源变成资产，为高质量数据集构建筑牢源头根基。邮储银行依托企业级数据治理体系，精准连接业务应用与数据资源，在确保风险合规的前提下，实现数据驱动经营决策和业务创新。围绕经营发展领域，提炼全行共性数据，构建企业级数据字典，实现基础数据“书同文、车同轨”。依托全行数据认责体系，以“主动预防、精准治理”为核心，采取刚性管控、流转校验、智能监测与常态化检核等相结合的措施，持续输出准确、可靠、高效的数据资产。
标注能力：精准高效的标注能力是数据由原始形态向可用资源转化的关键环节，助力高质量数据集实现标准化、结构化升级。邮储银行围绕“精准规范、智能提效”的核心要求，构建高效数据标注工具链，支持对文本、图像、音频等多元数据进行标注，灵活适配各类业务场景；紧扣不同业务领域特性制定专属化、精细化标注规则，建立常态化业务反馈机制，基于实际应用效果持续迭代优化标注内容；依托大模型能力实现自动化标注，提升标注环节效率。
评测能力：高质量数据集评测是数据到模型再到应用的质量控制器、导航仪和加速器，是实现可靠、高效人工智能的关键一环。邮储银行依托数据工程平台，搭建覆盖采集、建设、管理、应用全链路的高质量数据集评测体系。通过百余项评测算子进行多维量化评估，科学指导数据清洗与增强。将评测结果进行可视化呈现，助力快速定位数据短板，提升调参效率。从及时、有效、全面、多样、均衡五大维度细化业务专属规则，识别数据偏见与不均衡问题，确保模型训练效果与业务适配性。
安全能力：以合规化、智能化为抓手构筑坚实安全体系，为高质量数据集守护安全运营底线。邮储银行借助大模型构建“规则+模型”双驱动的智能化分类分级体系，实现自动化数据识别与分类分级。针对训练数据中的敏感信息，集成统一脱敏工具链，实现敏感数据的自动过滤，从源头降低数据敏感性级别，为各业务场景训练提供安全、合规的数据基础；面向训练数据的内容安全，构建覆盖识别各类违规内容的高质量问答集，支持自动化执行，并部署安全大模型对内容合规性进行智能判别，全面筑牢内容安全防线，切实保障各业务场景训练的高质量与安全性。
运营能力：高质量数据集的运营体系，覆盖数据全生命周期，涉及多方角色的协同，其核心是构建“数据—模型—场景”相互促进的飞轮效应，让数据在流动和应用中持续创造价值。在数据资产运营体系打造中，邮储银行提出了“快、准、全、易、智”的整体布局，高质量数据集作为数据资产的一部分，一方面依托“快、准、全、易、智”形成其基础运营保障，另一方面通过打造其特有的“数据飞轮”，依托应用反馈推动数据集迭代优化，实现数据集精准赋能业务场景，激活数据集长效运转的内生动能。
文化能力：以全员化、创新化为导向培育特色数据文化，为高质量数据集建设凝聚长效合力。数据文化是引领数据价值释放、把控数据建设方向的核心支撑，邮储银行高度重视数据文化的培育，以数据建模大赛为重要抓手，构建全员参与、乐于创新、善用数据的特色数据文化体系，通过“以赛促学、以赛促练”激发全员数据创新活力。近年来，全行已成功举办5届数据建模大赛，有效激发了员工对大数据与人工智能技术的应用热情。
乘势：扬帆而行，数智新航
“数智云帆”高扬，助力邮储银行在数智化转型的浪潮中破浪前行。依托高质量数据集，业务场景驶向价值蓝海，开启数智赋能的新航程。
1.深耕客户与市场，打造金融服务新体验
高质量数据集让洞察更精准、预判更前瞻，从而带来便捷的服务和更极致的体验。邮储银行立足于打造一流大型零售银行，全力推进大模型技术赋能客户服务，通过构建细分场景的数据集，训练客户行为偏好模型，打造基于自然语言对话的智能交互体验。高质量数据集的构建，助力银行服务从“标准化供给”向“对话式交互”转型，推动构建服务新生态，实现需求导向的价值闭环。
2.筑牢合规风控的“压舱石”，为业务稳健发展保驾护航
金融业务的根基是风险管控，而数据正是穿透迷雾、洞察先机的“慧眼”。在贷前审查领域，通过对多模态数据专业的清洗、标注与质检，形成专用数据集，支持分析与审查报告自动生成，智能审批流程不断完善。在贷后风控领域，邮储银行通过建设高质量数据集，对客户基础信息、征信记录、负债详情、经营流水等核心数据进行精准抽取、清洗整合与智能总结，精准捕捉潜在风险信号，依托大模型，为一线贷后人员提供标准化、智能化的风险分析报告，提升贷后风控效率与合规水平。
3.激活数据新动能，构筑经营支撑的“动力源”
高质量数据集推动经营管理转型升级，激活数据资产价值，为经营管理注入动力。邮储银行聚焦行内经营管理需求，依托经清洗整合的高质量数据集，支撑模型“边想边算”及多智能体技术落地，通过自然语言交互快速完成数据查询、绘图制表、报告生成等功能，以数据赋能经营管理，激活数据资产价值，大幅提升经营决策效率。高质量数据集推动经营管理向数智化、精细化升级，为银行高质量发展注入强劲动能。
结束语
数据浪潮滚滚向前，数智化转型永无止境。邮储银行的“数智云帆”已高高扬起，承载的不仅是海量数据资源，更是邮储银行服务国计民生的初心使命、改革创新的非凡勇气与高质量发展的坚定信心，更彰显了国有大行在数字经济时代的责任与担当。站在新的发展起点，邮储银行将乘“数”而上、加“数”前行，以更加昂扬的姿态驾驭“数智云帆”，在助力实体经济、服务国家战略的浩瀚蓝海中行稳致远，驶向更加辉煌的未来！