XX银行数据治理解决方案.pptxVIP

XX银行数据治理咨询1银行数据治理的趋势和挑战2银行数据治理解决方案3银行数据治理成功实践银行信息化建设高速发展某银行近10年增长统计数据 客户量 增长11.7倍 日均交易量 增长37.2倍 业务系统数量 增长3倍 总数据量 增长113倍 数据的形态、类型、来源都发生了很大的变化 依赖数据平台的业务数量 增加了6倍，数据应用包括了数据共享、BI分析、机器学习建模等数据被视为企业重要资产 十年后，这个世界最大的资源不是石油，而是数据。 -- 马云 数据已经开始对银行的运营效率、获客能力、风控能力以及竞争格局产生实质的影响，成为银行的关键资产100TB-PB级上网数据100TB-PB级统计数据TB级告警数据日志数据PB级人口统计学信息用户消费习惯100TB-PB级性能数据GB级资源数据 ARPU群组定购业务信息 用户偏好终端信息（型号、机型、模式、操作系统等）…TB级故障数据TB级 资产信息TB级 财务信息TB级 事件信息TB级 HR信息TB级 采购信息TB级 库存信息用户数据PB级网络接入信令基站信息地图信息地区接入人数统计…地区人群流动轨迹经营数据格式复杂：结构化、非结构化数据量大：TB/PB级数据价值密度低：零点零几USD/KB响应速度要求高：毫秒级位置数据数据资产管理迎来新的挑战客户信息客户身份信息不规范，不一致，影响客户整合与归并，例如证件类型和号码不规范、姓名为空等。客户基本信息不完整，影响客户营销与服务，例如学历、职务、联系方式缺失。缺乏数据标准：系统建设没有统一的参照指引（数据标准），数据一致性无法保障；缺乏管理机制: 没有专职机构和人员，按照规章制度主导数据质量管理工作，造成问题日积月累；缺乏数据模型：数据架构和数据模型无统一规划，数据使用存在难度，使用效率低；IT系统建设系统设计滞后于外部相关标准，例如社会统一信用代码缺失、行业类型与国标不符。系统数据质量缺少主动监控机制和手段，数据质量问题得不到根本解决。上游系统变更未及时通知下游，造成下游系统数据加工错误。指标体系系统存在同名不同义、同义不同名的情况，为数据整合带来额外的开发成本。相同的指标在不同报表中取值不一致，影响分析决策。 银业数据治理工作的驱动因素由被动、应对型的数据治理，转变为主动型、体系化的数据治理建设银行数据治理的政策指导背景 银监会发布《银行监管统计数据质量管理良好标准（试行）》中国银行业监督管理委员会办公厅关于进一步提升监管统计数据质量的通知中国银行保险监督管理委员会正式发布了《银行业金融机构数据治理指引》 2013.12017.52011.62014.62018.5中国人民银行、银监会、证监会、保监会、国家标准委联合发布《金融业标准化体系建设发展规划（2016-2020）》巴塞尔银行监理委员会发布《有效风险数据整合及风险报告原则》监管机构、国家标准化委员会等机构相继发布了一系列行业标准、管理办法及行业规范，引导银行业金融机构全面开展数据治理，规范各金融机构数据标准和数据质量管理。数据治理行业背景 – 《银行业金融机构数据治理指引》解读2018年5月21日，银保监会正式发布《银行业金融机构数据治理指引》，对银行业金融机构数据治理的原则理念、数据治理架构、数据管理、数据质量控制、数据价值实现，以及对银行业金融机构数据治理的监督管理等做出了规定。数据治理行业背景 – 《银行业金融机构数据治理指引》解读1银行数据治理的趋势和挑战2银行数据治理解决方案3银行数据治理成功实践数据治理体系指导框架 数据治理的目标是建立一套完善有效的数据管控机制，建立企业数据管理和控制的完整体系，使企业的数据处于整体有序管理的状态。数据治理工具平台数据治理体系建设数据治理体系建设组织体系管理体系组织体系 确立数据治理牵头部门 明确人员组织和责任分工 建立良好的数据文化管理体系 制定数据治理的相关管理制度、流程和规范，对数据标准、数据质量等进行规范管理数据治理执行体系技术体系执行体系数据质量监控，跟踪分析绩效评估和考核机制建立循环管控机制技术体系 构建企业级数据架构 建立数据治理技术平台数据治理-组织体系建设集中式策略联邦式策略分布式策略数据治理决策机构结构数据治理决策机构数据治理决策机构特点设立专门的组织来管理整个企业的数据治理工作，所有数据治理职责都由该组织承担设立专门的组织作为数据治理的日常管理部门牵头负责数据治理管理各环节的协调和组织工作不设立专门的企业组织来行使数据治理管理职责各业务单元只负责本业务领域的数据治理工作优点设立专门组织作为企业数据资产的管理部门，职责明确，目标清晰管理力度大，驱动力强在较小的投入下可获得较好的数据治理成效对现有的组织架构影响较小起点较低，容易在单个业务领域实现资源要求不高不足对现有的企业组织架构影响较大投入较