XXX数据治理咨询方案和报价.docx

PAGE 147 数据治理咨询项目 XXX数据治理体系建设-项目实施方案  目 录 TOC \o 1-2 \h \z \u 1. DeQin对本项目的理解 2 1.1. DeQin对本项目需求的理解 2 1.2. 本项目成功的关键要素 3 1.3. 本项目对全行发展的价值 6 2. 项目解决方案详述 8 2.1. DeQin企业信息管理框架 8 2.2. 数据治理体系规划方案 14 2.3. 数据标准管理方案 39 2.4. 数据质量管理方案 87 2.5. 数据架构规划 115 3. 项目实施方案 126 3.1. 实施计划及进度安排 126 3.2. 项目组织与人员构成 126 3.3. 项目工作产品及最终交付物 138 3.4. 项目风险与应对建议 139 4. 知识转移及培训方案 142 4.1. 知识转移 142 4.2. 培训 142 5. DeQin项目管理办法 146 5.1. 综述 146 5.2. DeQin项目管理方法 147 6. 相关经验及案例证明 163 7. 附录 167 7.1. DeQin主要工具 167 7.2. 报价表 180 DeQin对本项目的理解 DeQin对本项目需求的理解 落实大数据环境对数据治理的要求 随着大数据时代的来临，数据资产已成为银行的重要生产要素，在客户服务创新、风险管理、绩效管理、财务管理等各方面工作中发挥着越来越关键的作用。如何管理好数据、应用好数据、挖掘数据价值，已成为一个现代银行加快业务创新、提高精细化管理和科学决策水平的最重要、最迫切的基础工作之一。发挥数据的最大价值依赖于人员、流程、制度、技术的支持，通过数据资产的管理来提升数据质量、保障数据安全、促进应用效率，从而降低大量数据资产导致的各项管理成本，以实现数据驱动业务发展的目标。 满足监管机构对数据治理的要求 根据国际监管动态及趋势，巴塞尔委员会最新发布的“风险数据整合及风险报告原则”中明确要求全球系统重要性银行必须在2013年做好数据管理自评估的准备。其他商业银行也应以此为信号，开展数据治理及营运模式的评估并持续完善。 从国内的监管要求及实施动态看，随着银监会非现场监管信息系统和客户风险统计信息系统不断完善，数据及时性和全面性基本可以保证，但在准确性上存在较大差距。为此，中国银监会2011年发布《银行监管统计数据质量管理良好标准（试行）》对数据管理的良好标准，从组织机构及人员、系统保障及数据标准、数据治理制度建设、数据质量监控检查与评价、数据的报送应用和存储，做出明确规定和要求。 对项目需求的初步解读 大数据环境和内外监管机构都对银行的数据组织、数据管控机制、数据标准、数据质量等相关数据管理主题提出了一系列要求。目前，XXX在数据治理工作、数据标准及数据质量的差距包括： ? 未制定全行级的数据治理机制，缺乏数据管理政策未建立明确的数据管理组织； ? 尚未发布全行统一的数据标准，没有跨业务条线的数据统一定义； ? 未制定全行级的数据质量管控机制。 DeQin认为，数据治理的实质在于“业务先导、管理驱动、技术支撑”。管理是其中的核心与基础，业务、管理与技术的互动是盘活整个数据体系的关键因素。借助EDM等管理与分析工具，可对XXX数据治理工作的现状有深入的了解，并可以借此发现全行数据管理的发展重点，为全行数据治理工作奠定坚实的基础。通过数据管理机制的建设，从数据管理组织和制度上为数据治理工作提供管理保障，实现数据治理工作的持久化。借助数据标准化工作，相继统一全行客户、资产、机构、产品、协议、交易、渠道、财务、营销主题的信息项的定义，进一步规范业务操作与IT的系统建设，并通过数据质量体系的建设，实现全行数据质量的整体提升。 本项目成功的关键要素 关键成功因素一：数据标准是银行建立数据应用的基础，如何让全行各级人员认识到数据标准对业务支持的价值，使他们能看到数据标准对他们工作的重要性并参与到数据标准相关工作中 本项目关键成功因素一 关键成功因素二：构建全行的数据治理职能，明确组织体系和责任体系及运作的工作机制，推动数据是资产人人有责的数据文化 本项目关键成功因素二 关键成功因素三：数据标准难不在编制而是落地执行。数据标准的落地贯穿到系统开发生命周期的相关环节，需要业务、科技、数据管理部门共同推进才能被有效的执行 本项目关键成功因素三 关键成功因素四：通过数据管理评价及考核体系持续监控数据质量水平及数据管理机制的建设情况，保障数据治理规划的各项工作能有效落实 本项目关键成功因素四 本项目对全行发展的价值 从业务的角度 XXX开展数据标准管理工作