『壹』 第一次聽說銀行處置不良資產這工作，這工作怎麼樣
你好，銀行有這個工作。 不良資產處置，是指在法律、法規允許的范圍內，綜合運用一切手段和方法，實現和提高資產價值的活動。 不良金融資產從業人員是指銀行業金融機構和金融資產管理公司參與不良金融資產剝離（轉讓）、收購、管理和處置的相關人員。 總的來說，這工作是比較好的，通常比較輕松。
拓展資料：
1、新規對銀行不良資產處置的影響及對策如下，明確各項權利及詳細信息，首先是核定居住權，明確處置難易程度。民法典「物權」部分增加了居住權的內容，第366條規定，擁有居住權的人，有權依照《民事訴訟法》的規定，享有佔有、使用他人房屋的用益物權。合同，以滿足居住和居住的需要。處置人員應當關注抵押房屋是否具有居住權，並充分評估其對具有居住權的房屋處置難度和轉移價值的影響。
2、再就是利用新規對抵押貸款進行適當調整。民法典第405條規定，抵押權成立前，抵押物已經出租、轉讓，原租賃關系不受抵押權的影響。與物權法第一百九十條相比，增加了「佔有轉移」的條件，從而可以找到盡職調查。盡職調查人員可以保留當場沒有其他人佔用抵押物的證據，以應對債務人故意簽訂虛假租賃合同的干擾和抵制。
3、還有一點是規范抵押與質押同時設立的順序。 《民法典》第415條規定，同一財產同時具有抵押和質押的，按照登記、交付的時間確定清償先後順序。第四百一十六條「動產抵押所擔保的主債權為抵押物價款，且自標的物交付之日起十日內辦理抵押登記的，抵押權人優先於買受人的其他擔保權益。抵押財產。明確質押動產抵押的清算順序，充分調整動產抵押或質押時的相關情況。考慮處置因素，合理估價
4、其次是擴大安置補償范圍，體現潛在補償來源。根據原《擔保法》和《物權法》規定，以公益為目的的民間單位不能為自己或他人的融資提供擔保，不納入資產處置和徵收范圍。民法典第六百八_十三條第二款規定，非營利法人和以公益為目的的非法人組織不得作為保證人。
『貳』 大數據時代如何做好數據治理
企業數據分析系統的數據來源是各個業務系統或手工數據，這些數據的格式、內容等都有可能不同。如果不進行數據治理，數據的價值難以發揮。只有對數據標准進行規范，管理元數據、數據監控等，才能得到高質量的數據。得到規范的數據後，才可在此基礎上進行主題化的數據建模、數據挖掘、數據分析等。
2013年被眾多的IT人定義為中國的大數據元年，這一年國內的大數據項目開始在交通、電信、金融部門被廣泛推動。各大銀行對Hadoop的規劃、POC尤其風生水起，帶動了一波大數據應用的熱潮，這個熱潮和當初數據倉庫進入中國時的2000年左右很相似：應用還沒有想好，先歸集一下數據，提供一些查詢和報表，以技術建設為主，業務推動為輔。這就導致了這股Hadoop熱潮起來的時候，傳統企業都是以數據歸集為主的，而BAT這樣的企業則天生以數據為生，早早進入了數據驅動技術和業務創新的階段。
隨著Hadoop技術的提升，數據如何進來，如何整合，開展什麼樣的應用都已經有了成熟的案例，可是，同傳統數倉時代一樣，垃圾進垃圾出，如何破？相比傳統數倉時代，進入Hadoop集群的數據更加的多樣、更加的復雜、量更足，這個數倉時代都沒有處理好的事情，如何能夠在大數據時代處理好，這是所有大數據應用者最最期盼的改變，也是大數據平台建設者最有挑戰的難題：數據治理難的不是技術，而是流程，是協同，是管理。 睿治數據治理平台平台架構
元數據：採集匯總企業系統數據屬性的信息，幫助各行各業用戶獲得更好的數據洞察力，通過元數據之間的關系和影響挖掘隱藏在資源中的價值。
數據標准：對分散在各系統中的數據提供一套統一的數據命名、數據定義、數據類型、賦值規則等的定義基準，並通過標准評估確保數據在復雜數據環境中維持企業數據模型的一致性、規范性，從源頭確保數據的正確性及質量，並可以提升開發和數據管理的一貫性和效率性。
數據質量：有效識別各類數據質量問題，建立數據監管，形成數據質量管理體系，監控並揭示數據質量問題，提供問題明細查詢和質量改進建議，全面提升數據的完整性、准確性、及時性，一致性以及合法性，降低數據管理成本，減少因數據不可靠導致的決策偏差和損失。
數據集成：可對數據進行清洗、轉換、整合、模型管理等處理工作。既可以用於問題數據的修正，也可以用於為數據應用提供可靠的數據模型。
主數據：幫助企業創建並維護內部共享數據的單一視圖，從而提高數據質量，統一商業實體定義，簡化改進商業流程並提高業務的響應速度。
數據資產：匯集企業所有能夠產生價值的數據資源，為用戶提供資產視圖，快速了解企業資產，發現不良資產，為管理員提供決策依據，提升數據資產的價值。
數據交換：用於實現不同機構不同系統之間進行數據或者文件的傳輸和共享，提高信息資源的利用率，保證了分布在異構系統之間的信息的互聯互通，完成數據的收集、集中、處理、分發、載入、傳輸，構造統一的數據及文件的傳輸交換。
生命周期：管理數據生老病死，建立數據自動歸檔和銷毀，全面監控展現數據的生命過程。
數據安全：提供數據加密、脫敏、模糊化處理、賬號監控等各種數據安全策略，確保數據在使用過程中有恰當的認證、授權、訪問和審計等措施。
建立完整的、科學的、安全的、高質量的數據管控技術體系，是首要的任務。作為數據管控的基石，為了更好支撐後續工作的開展，技術體系必須一步到位，是功能完備、高質量、高擴展性的，而不是僅實現部分功能，或者功能不完善的「半成品」。
疊加更多業務數據、細化數據業務屬性與管理屬性、優化與調整數據管控流程，尤其是適應未來的現代企業數據管控制度的建立完善，是逐步積累推廣、不斷磨合改進的長期過程。這些工作應及早啟動，並成為後續大數據平台建設工作的重點。
談大數據時代的數據治理 當前要做的是功能框架的完善，而完善的著力點則是「數據資產目錄」：用資產化的視角來管理一個企業的數據，只有把數據作為資產來認識和管理，大數據項目才能達成預期，也能夠治理好。大數據時代帶來的價值，個人認為主要有兩個，一個是技術架構，主要是架構理念的進步，另外一個更重要的則是對數據的重視。大數據時代是數據的時代，IT向DT轉型，不單單是BAT，所有的IT公司，未來都在數據這兩個字上。
對於一個企業來說，把數據作為資產，才是建設大數據的最終目的，而不是僅僅是因為Hadoop架構帶來性價比和未來的擴展性。當一個企業把數據作為資產，他就像管理自己名下存摺、信用卡一樣，定期梳理，無時無刻不關心資產的變化情況，關注資產的質量。
而資產目錄就是管理資產的形式和手段，他像菜單一樣對企業的資產進行梳理、分門別類，提供給使用者；使用者通過菜單，點選自己需要的數據，認可菜單對應的後端處理價值，後廚通過適當的加工，推出相應的數據服務；這是一個標準的流程，而這些流程之上，附著一整套數據管理目標和流程。
大數據平台以數據資產目錄為核心，將元數據、數據標准、主數據、數據質量、數據生命周期、數據輪廓等信息在邏輯層面關聯起來，在管理層面上整合成統一的整體，構建起數據管理體系，全面的支持數據服務等具體應用。
大數據平台實現了數據存儲、清洗和應用。在數據匯入和匯出的過程中，需要對數據的元數據進行統一記錄和管理，以利於後續的數據應用和數據血緣分析。數據質量一直是數據集成系統的基礎工作，對數據的各個環節設置數據質量檢查點，對數據質量進行剖析、評估，以保證後續應用的可信度。
在數據收集的過程中，隨著數據維度、指標的聚集，如何找到所需的業務指標及屬性，並且評估相關屬性的業務及技術細節，需要對收集的所有數據進行業務屬性，並進行分類，建立完善的數據資產目錄。
數據資產目錄是整個大數據平台的數據管理基礎，而數據資產目錄由於數據的多樣性，在使用的過程中，必然涉及數據許可權的申請、審批管控流程，而管控流程的建立依賴於相應崗位的設立和對應職責的建立。
大數據平台的數據管理架構規劃，通過數據物理集中和數據邏輯整合，徹底擺脫企業「數據豎井」的困境。大數據平台數據管理架構分為功能架構、流向規劃和數據架構三個層面。
數據管理功能架構：借鑒DAMA數據管理和DMM數據成熟度理論，著眼於數據管理技術和數據管理流程融合，組織數據管理功能。
數據流向規劃架構：規劃整個大數據平台的數據流向，並在數據流入、數據整合、數據服務的具體環節實現精細化管理。
數據管理的數據架構：以數據資產目錄為核心，數據項為最小管理單元，將技術元數據（實體、屬性和關系）、業務元數據和管理元數據（數據標准、主數據、數據質量、數據安全）融合為彼此緊密聯系、密不可分的整體，共同構成精細化管理的數據基礎。
數據管理在整個大數據平台不僅僅是一個主要功能模塊，它還是整個企業層面數據治理的重要組成部分，它是技術和管理流程的融合，也需要合理管控流程框架下組織機構之前的協調合作。如何利用統一的數據管理模塊對企業所有進入到數據湖的數據進行有效管控，不單單取決於數據管理模塊本身，也取決於元數據的合理採集、維護，組織結構及制度的強力支持保證。
談大數據時代的數據治理 大數據平台數據管理參照了DAMA對於數據管理的九個管理目標，並進行裁剪，並對部分管理目標進行了合並，並參照了CMMI制定DMM數據成熟度目標，採用循序漸進，逐步完善的策略對管理目標進行分階段完成，制定完整的管控流程和數據治理規范，以便持續的對數據進行管理，遞進實現DMM定義的成熟度目標。
億信睿治數據治理管理平台和DAMA的對應關系如下：
談大數據時代的數據治理 大數據平台數據管理的核心內容是數據資產目錄，圍繞數據資產目錄的數據流入、數據整合、數據服務都是數據管理的核心。數據管理主要管理數據的流動，以及管理流動帶來的數據變化，並對數據底層的數據結構、數據定義、業務邏輯進行採集和管理，以利於當前和未來的數據使用。為了更好的對數據進行管理和使用，制度層面的建設、流程的設立必不可少，同時也兼顧到數據在流動過程中產生的安全風險和數據隱私風險。
因此數據管理介入到完整的數據流轉，並在每個節點都有相應的管理目標對應，整個數據流框架如下圖所示：
談大數據時代的數據治理 企業在建制大數據平台的同時，對進入數據湖的數據進行梳理，並按照數據資產目錄的形式對外發布。在發布數據資產之後，則對進出數據湖的數據進行嚴格的出入庫管理，保證數據可信度，並定期進行數據質量剖析檢查，確保數據資產完善、安全、可信，避免「不治理便破產」的讖言。
『叄』 不良資產旳前景和趨勢怎麼樣
我國AMC機構對於不良資產的處置模式主要包括收購處置、收購重組和債轉股業務，這類模式均屬於傳統處置類模式。隨著行業的發展，又衍生出了資產證券化、互聯網平台處置等創新業務模式。據銀保監會所披露的信息顯示，2020年，我國將加大對商業銀行不良貸款處置力度，全年預計銀行業要處置3.4萬億元，且2021年的處置力度還將加大，因更多的貸款延期問題將在2021年暴露，可見未來不良資產處置需求仍將不斷增長。
1、「傳統+創新」處置模式共發展
不良資產處置，是指通過綜合運用法律法規允許范圍內的一切手段和方法，對資產進行的價值變現和價值提升的活動，其中，AMC(資產管理公司)是行業主要參與者。
我國AMC機構對於不良資產的處置模式主要包括收購處置、收購重組和債轉股業務，這類模式均屬於傳統處置類模式。由於我國經濟轉型和資產荒等形勢的需求，隨著行業的發展，又衍生出了資產證券化、互聯網平台處置等創新業務模式：
2、收購處置類、債轉股類業務實現了正增長
不良資產的收購處置類業務模式，即AMC公司通過公開競標或協議轉讓等方式承接上游企業的不良資產債權，該模式下的不良資產主要來源為商業銀行的不良貸款;收購後AMC公司對不良資產再進行處置。
以上市公司-中國華融和中國信達為例。2018-2019年，兩家公司不良資產收購處置業務的營業收入有所上升，2019年共實現營收236.61億元，其中，中國華融實現營收99.64億元，中國信達實現營收136.98億元;2020年上半年，兩家公司收購處置業務共實現營收106.53億元。
而收購重組類業務模式，即AMC公司在向債權企業獲得債權的同時，與債務企業間達成重組協議，在此模式中，AMC公司、債權人和債務人達成三方協議，AMC公司通過債務重組提高不良資產價值，以此獲得收益。
仍以上市公司-中國華融和中國信達為例。2018-2019年，與收購處置模式穩增長不同，近幾年兩家公司收購重組模式業務收入增速趨緩、增長動能不足。2019年共實現營收508.53億元，其中，中國華融實現營收344.5億元，中國信達實現營收164.03億元;2020年上半年，兩家公司收購重組業務共實現營收258.8億元。
債轉股模式中，AMC公司是否能有效提升債轉股資產的證券化率，推動未來上市資產價格以及提升未上市資產評估價值，將決定AMC在債轉股業務中是否具有較強的市場競爭力。
以上市公司：中國華融和中國信達為例分析。2018-2019年，兩家公司的債轉股資產盈利均實現了小幅增長，主要受益來自於債轉股的處置收益。2019年，中國華融和中國信達的債轉股處置收益分別為18.4億元和74.63億元，合計達93.03億元。
綜上分析，2018-2019年，在傳統型處置模式下，全國性AMC機構在收購處置類業務和債轉股處置類業務均實現了正增長。
3、不良資產處置需求仍將不斷增長
據銀保監會所披露的信息顯示，2020年，我國將加大對不良貸款處置力度，全年預計銀行業要處置3.4萬億元，且2021年的處置力度還將加大，因更多的貸款延期問題將在2021年暴露。因此，銀保監會表示未來將督促銀行做實資產分類，真實暴露不良，足額計提撥備，加快處置速度，央行發布的《中國金融穩定報告(2020)》也表示，將支持中小金融機構多渠道補充資本、完善公司治理，加大不良貸款處置力度，增強金融機構穩健性。
綜上，考慮到未來我國監管部門對於金融業不良資產的認定及處置趨嚴、受疫情影響的不良貸款規模增加，前瞻預計，2021年我國商業銀行的不良貸款處置規模仍將保持40%左右的增速，達4.8萬億元;隨後處置規模增速將逐步趨緩，至2025年，商業銀行的不良貸款處置規模將達9萬億元。
更多行業相關數據請參考前瞻產業研究院《中國不良資產處置行業市場前瞻與投資戰略規劃分析報告》