做好金融档案数据要素价值挖掘工作是一项系统工程，需要逐一破解现存的难点、堵点问题。在新质生产力时代背景下，金融档案数据要素价值挖掘可以加快发展新质生产力的方法体系为总指引，以劳动者素质提升为基本内涵，以技术创新为主要动力，以应用场景跃升为突破方向，进一步夯实档案人才队伍，做好基础支撑；搭建数据归档管理系统，做好资源支撑；依靠技术赋能数据开发和安全，强化技术支撑；不断拓展金融档案数据应用场景，强化需求驱动。

夯实档案人才队伍，筑牢数据要素价值挖掘的基础支撑。人才是第一资源，做好金融档案数据要素价值挖掘，需要配置一支高素质档案专业人才队伍，这是基础支撑。

一是增加档案专职人员配置。专业的人干专业的事。从金融机构档案管理人员的现状看，不管是总公司还是分支机构或部门，都需要配置专职档案管理人员，负责做好前期档案资料的收集、整理和归档以及原始档案数据的采集、归类、及时更新和储存。

二是提升档案人员的数字素养。档案资源向数据范式转型，对从业人员数字素养和数字能力提出了更高要求。档案从业人员首先要有很强的档案资源数据整合能力，能正确采集档案数据，并能规范化编制检索目录和分类；其次要能对数据进行结构处理和分析；最后要有极强的数据风险防范意识和能力。金融机构可以通过加强实操培训、引进高素质档案专业人才等方式，逐步提升档案人员的数字素养，提升档案数据资源的管理和价值挖掘能力。

三是引进培养高素质数据人才。金融档案数据要素价值的深度挖掘和广泛应用，离不开高素质数据人才的支撑。但随着我国数字经济的快速发展，各类数字人才紧缺是一个普遍现象。金融机构打造高素质数据人才队伍，要以自我培养为主，以人才引进为辅。挑选一批年轻金融业务骨干进行跨界能力培育，举荐到专业学院或机构学习数据分析、人工智能、区块链等方面的知识与技能，通过与工作实践相结合成为优秀的金融数据人才。在自我培养的基础上，引进高层次数据科学家，提升金融档案数据要素价值的深度挖掘水平。

构建数据归档管理系统，实现多元数据资源的协同共享。做好大量原生金融档案数据的集中、统一归档管理工作是实现金融档案数据要素价值挖掘的资源支撑。

一是开发统一的金融档案数据管理系统。针对金融机构内部各业务系统独立管理档案数据的现状，开发统一的档案数据归档管理系统，制定统一的数据采集标准和归档管理规范，对归档的数据进行整理、清洗，在提升数据质量的同时，实现全金融机构的档案数据及时、完整、准确的统一归档管理，打破数据孤岛。在内部数据资源整合的基础上，对数据进行挖掘分析，通过描述性分析、诊断性分析、预测性分析等方式，揭示出隐藏在数据中的业务发展关系和规律，助力本机构金融业务发展。

二是搭建数据交换和共享平台。在单个金融机构建立内部统一的档案数据管理系统的基础上，由中国人民银行等金融监管机构牵头，在金融机构之间搭建金融档案数据交换共享平台。例如，按照“统一平台、互通互联、存量共享、增量共建、物理分散、逻辑集中”的原则，探索建立区域性金融档案数据交换共享平台，率先打破同一省域或市域的金融档案数据信息壁垒。在依靠技术手段保障数据安全的同时，制定有效的监督和激励措施提升各金融机构交换、共享档案数据的积极性，将分割的条状数据在共享平台上实现块上的集聚融合，形成金融档案大数据库，拓宽金融档案数据要素价值挖掘的深度和广度。

三是强化数据安全与隐私保护。在金融档案数据统一归档管理和交换、共享的过程中，保障数据安全及客户隐私保护是前提。必须通过对敏感档案数据加密处理、建立数据访问记录、实施严格的身份认证和权限管理等方式防止档案数据信息被泄露、篡改或被非法盗用。

依靠技术提质赋能，强化数据要素价值的深度挖掘。技术创新是新质生产力的核心。而大数据、云计算、人工智能、区块链等数字技术的创新应用，促进了档案数据资源的整合、分析、共享和利用，为实现金融档案数据要素价值的深度挖掘提供了技术支撑。

一是数字技术保障金融档案数据的完整性、准确性。在金融档案数据采集中，文字识别、图像处理等技术的应用，可以将纸质档案中的文字内容转化为可编辑的电子文本，提高了档案数据化的准确性和效率。在金融档案数据储存管理的过程中，分布式存储、云存储等新技术的应用，一方面帮助实现档案数据的结构化管理和快速检索，提高档案数据的使用效率；另一方面确保了数据档案管理的安全性和稳定性。

二是数字技术实现金融档案数据可信流通、安全流通。金融档案数据涉及大量敏感信息，在流通、使用过程中，数据脱敏技术的应用可以保护客户的敏感信息和隐私数据，防止未经授权的访问和信息泄露；而区块链技术的应用，保证了金融档案数据的不可篡改性和可追溯性，提升金融档案数据流通使用的安全性和可信度。依靠数据脱敏、区块链等技术，帮助打造可信可控的金融档案数据流通环境，让数据持有者敢流通、愿共享，不断提升金融档案数据要素的应用价值。

三是数字技术强化金融档案数据要素价值的深度挖掘。挖掘金融档案数据要素价值，不但要重视“算什么”，更要重视“怎么算”。数据挖掘技术、机器学习算法、自然语言处理等技术的应用，可以深度挖掘、分析金融档案数据资源的隐藏价值。例如通过聚类分析、数据建模等方式，发现数据间的关联与趋势变化，为管理者、决策者提供知识化、智库型服务，例如利用大数据模型技术，实现跨机构、跨地域的金融档案数据资源整合，构建档案数据仓库，为使用者提供一站式、精准式数据服务等。

不断拓展应用场景，创新数据要素价值的服务领域。金融档案数据的要素价值最终需要投入社会生产环节，与具体应用场景相结合才能得到真正实现。不断拓展的应用场景和服务创新，是金融档案数据要素价值挖掘的需求支撑。

一是创新金融档案数据产品开发。根据不同用户群体的现实需求和潜在需求特点，在数字技术的支撑下，定制化开发金融档案数据产品，实现金融档案数据要素价值的多元化。例如，针对金融机构业务主管探究业务运营规律的需求，开发金融产品市场监测数据报告、金融产品风险预警报告等。创新开发多种形式的金融档案数据分析产品，如数据报告、知识图谱、动态化可视模型等，利用网页、公众号、视频号等媒介向用户推送和服务。

二是拓展金融档案数据服务的社会化网络。首先，加强与政府部门的合作。一方面以定期向相关部门报送金融档案数据分析报告的形式，助力金融监管；另一方面积极融入政府数据大平台，促进金融档案数据在民生服务、商业决策等更多应用场景的落地上线。其次，加强与学术界的合作，为学术界开展金融理论研究、课题研究等提供数据支持和知识服务。还要探索金融档案数据跨界融合应用路径，推动金融档案数据在电商、旅游、教育等多个领域服务应用。比如在教育领域，教育机构利用金融档案数据分析消费者的资产和信用情况，与金融机构合作推出教育分期产品，帮助消费者解决子女教育资金问题等。

来源|档案管理，作者|张彩莲  丁敬达，如有侵权请联系删除