国有银行数据治理实战经验全解.docxVIP

国有银行数据治理实战经验全解 前言 经历过的人都知道，国有银行的数据治理困难重重，面临着上头有监管、领导瞎指挥、平级部门不配合、下级单位自己玩等状况，缺少成熟的思路指导和成功的经验参考。为了打破这一现状，接下来我们将引用郑保卫博士《财务数据治理实战》一书中关于国有银行数据治理的成功案例，供业内人士研究探讨。 背景介绍 2020 年 4 月，中共中央、国务院颁发《关于构建更加完善的要素市场化配置体制机制的意见》，首次明确将数据纳入生产要素，习近平总书记进一步强调了“要构建以数据为关键要素的数字经济，发挥数据的基础资源作用和创新引擎作用”的要求，为全社会树立数据治理的正确理念，为推进数据管理和应用工作指明了方向。 2018 年，银保监会发布《银行业金融机构数据治理指引》，明确了商业银行推进和完善数据治理工作的工作方针。而早在 2011 年，银保监会就已经通过颁发《银行监管统计数据质量管理良好标准》等文件对商业银行开展数据质量管理工作提出要求。 针对银保监会的监管要求，某国有银行结合自身业务发展和管理提升需要，其总行党委高度重视全行数据治理工作，并于 2020 年 5 月正式成立总行数据管理与应用部，以“夯实基础、以用带建、问题导向”为总纲，全面统筹推动数据治理项目。 该行数据管理与应用部自成立以来，始终紧紧围绕数据体系面临痛点与难点，按照行领导要求，全面规划并推进数据治理的组织、制度、标准以及中台建设，搭建企业级数据标准体系，推动形成全行数据治理体系，以数据治理赋能全行数字化转型。 项目范围 数据治理核心领域实践项目的范围包括以下部分： 一是盘点全行数据资产。采集全行业务系统元数据，识别自身数据资产，构建企业级数据资产目录，以便于数据架构师、数据分析师等数据人员更好地查找和理解数据。与此同时，归纳形成企业级数据词根词典，为后续标准编写打下基础。 二是建立企业级数据标准。统筹做好存量系统与新建系统的标准衔接，提升数据管理的规范化水平，以企业级数据字典为核心，形成“两套标准，一套规范”的数据标准体系，有序推进数据标准落标。 三是搭建数据治理平台。数据治理平台作为数据治理的统一门户，集中展示数据治理成果以及数据治理过程中的各类流程管理工作，实现跨部门的流程贯通。平台包括数据标准管理、数据资产查询、数据质量检核、数据分类分级及其他具体功能模块。 四是建设数据建模工具，深入推进数据标准的落标工作。将数据标准与开发流程相结合，保证开发项目组的便捷化落标，保障数据标准管控深度嵌入开发流程，并在接口发布等过程中完成数据标准的检核，实现数据标准的真正落地。 五是建设数据质量管理工具。以平台工具为支撑，探索数据质量闭环管控机制，并以业务关键问题为出发点，持续梳理数据质量检核规则，推动实现数据质量问题发现、分析、解决、监控的线上化、流程化管理。 项目成果 （1）构建企业级数据标准体系 构建标准体系一般是将此前系统级、项目级的数据标准拓展至全领域、企业级范围，着力解决物理命名不规范、业务定义不明确、业务口径不统一等问题。标准的构建需要将业务部门、数据管理部门、开发实施部门之间的工作在数据标准的内容层面衔接起来，兼顾各部门的职责，发挥各部门的特点，既同心合力，又分工明确。在此过程中，只有业务部门深入参与，才能真正做好标准体系的构建，也只有针对业务自身需求进行的治理，才能得到业务部门的认可和支持。 为此，项目所构建的数据标准体系分为业务术语、数据标准和数据字典。业务术语是指全行各部门在业务和技术活动中对自身所产生数据项的业务定义。业务术语一般包括概念定义、规则说明、统计口径和质量规则等要素，分为基础业务术语和指标业务术语两类。数据标准是指基于全行数据管理、使用和共享的目的而编制的标准化数据项规范，分为基础数据标准和指标数据标准两类，分别是对基础业务术语和指标业务术语的标准化和规范化，其中基础数据标准涵盖枚举代码标准。数据字典是指为统一管理全行信息系统的数据模型所制定的表结构和字段定义规范，是技术部门在信息系统开发过程中的参照标准。数据字典一般包括数据命名、数据类型、数据长度和取值范围等要素。 （2）打造治理平台 数据治理平台是数据中台的一个重要组成部分。数据中台主要由计算平台、服务平台、分析平台和数据治理平台四大平台构成，结合开发端一体化协同研发平台及业务应用系统与应用前台，组成了从数据加工、存储、治理到服务的完整体系，用户面向全行员工。 整个数据中台基于“4U”原则建设。“4U”指的是数据统一采集、统一标准、统一加工、统一服务。通过数据计算平台进行数据的整合以及指标的统一加工，实现各域各场景下的数据指标口径统一；通过数据服务平台实现数据的统一联机及批量服务共享；通过数据分析平台支持业务人员安全、快速取用数据，挖掘数据价值；通过数据治理平台支撑数据标准的流程