数据治理体系建设方案.docxVIP

数据治理体系建设 数据治理体系的概念 数据治理（Data Governance）是国外银行业自90年代兴起的概念，业界权威组织Gartner对数据治理的定义是“数据治理是根据企业的数据治理政策，通过组织人员、流程和技术的相互协作，使企业能将数据作为企业的核心资产”。著名的国际数据管理协会（The Data Management Association）认为“数据治理是对数据管理的高层计划与控制，体现了数据资产管理的权威性和控制性活动（规划、监控和强制执行）”。从权威组织对数据治理的定义可以了解到数据治理是一个复杂的综合管理问题。数据治理是用于采集、存储、监控、使用、改进和保护企业数据的管理机制，其规定了在数据管理过程中，为达到期望目的而制定的权责划分以及职责体系。数据治理的核心是实现组织、制度、流程和技术的协同工作。具体来讲就是在企业的治理机构中成立数据治理机构（或虚拟组织），确定数据治理各层级的相关角色及职责，贯彻执行数据治理管控流程，使用技术工具等自动化手段，提升数据质量，充分利用数据，最大程度挖掘隐藏在数据当中的业务价值。 此外，数据治理与公司治理、数据管理之间既存在联系又存在区别。数据治理作为商业银行公司治理的一部分，是随着信息技术应用和银行风险管理及经营稳健要求的强化而新发展起来的一个新的公司治理领域。好的公司治理必然要有好的数据治理来支撑，通过明确数据使用者、数据所有者和数据管理者之间的权责关系，形成长久稳定、高效运转的管理机制。 数据治理不同于数据管理，数据管理就是在既定的数据治理模式下，管理层为达到数据质量目标而采取的行动，关注的是管理过程，例如数据质量管理、数据标准管理等。对于商业银行来讲，数据管理的内容会有很多，往往聚焦在某些专项领域。而数据治理要对所有数据管理活动进行统一计划与控制，例如通过专业的数据治理组织对各类数据管理活动涉及的资源进行协调，辅助决策层进行数据治理战略目标的制定。因此，数据治理可以理解为是对数据管理的管理。 数据治理体系评估诊断 数据治理体系诊断将根据XX的数据治理方法论与咨询规划思路的指引下进行，通过调研访谈、调查问卷、资料分析等方式，从组织架构、岗位职责、政策制度、业务管理、系统技术等方面对全行数据治理现状进行全面评估，并参照同业银行领先实践，对全行数据治理现状进行差距分析，提出改进建议。 数据治理体系评估模型 XX的数据治理评估模型分为六个阶段，各阶段定义如下图所示： 评估模型从数据治理的影响因素进行评估，用以评估银行的数据治理综合水平。 启动期 一般认为，数据治理的起步期出现在企业已经对信息技术具有一定的了解，并已经具备了一些职能化IT系统，希望利用信息技术和信息系统解决工作中的问题，给管理和业务带来便利。在这个阶段，企业主要关注面向业务处理的软硬件投资，对数据管理的理解停留在数据存储的层面，基本上不具备数据再利用的客观条件和主观意识，也没有面向数据的产品和服务。 理解期 在理解期，企业在业务处理方面大量投资进行系统建设，在这个阶段，我国大量地引进了欧美先进国家的软硬件。企业开始在数据层面寻求突破，初步意识到数据资源所具有的价值，开始进行数据的再利用，主要的应用领域偏好客户管理、绩效管理，手段以简单的统计分析为主。 变革期 在变革期，企业更加深刻体会到数据运用的价值，产生了大量的数据需求，尤其是一些全局性数据需求的出现。变更阶段是整个数据治理进程中重要的转折点，是此前的种种驱动力推动下从量变转向质变的一个跃变阶段，标志着企业进行有目的、有计划的数据治理工作的真正开始。在这一阶段，吸取此前缺乏计划和规划的教训，企业开始进行全面的规划，结合企业自身的战略规划制定系统规划和数据规划，使得信息系统的建设和改进均纳入既定安排中有序执行。 成长期 在随后的成长期，随着数据运用在企业中普及并向纵深发展，数据治理得以收到实效从而能够进一步促进数据的使用。在数据的有力支持下，企业的内部管理及对外营销均逐步实现精细化；而系统与数据则趋向于统一化：实现业务的集中处理以及数据的集中管理。在成长期，企业的信息化建设真正进入到数据处理阶段，在这一阶段，企业会选择统一的数据平台、数据管理体系，并建设的统一的数据管理平台，以技术手段统一数据的管理和使用，在部门间、系统间实现资源整合和信息共享。 全面竞争期 在全面竞争期，企业通过此前成功的数据治理获得竞争力，数据不仅仅是一种共享性资源，而成为企业的战略性资源。在此阶段，高质量数据基础以及丰富的数据处理经验使得企业具备价值衡量的能力，从而能够在做出各类决策的时候以价值为主要依据，以更快更准确的决策在与同业的竞争中取得优势；这些经验本身需要进行长期的积累，也是企业独有的竞争优势。在这一阶段，随着数据标准的全面推进，数据标准以及数据治理的其他工作逐步常态化。 创新期