银行业数据治理实践176页.pptx

;;;;;;;8;9;10;11;12;13;14;15;16;17;18;19;20;21;22;23;24;25;26;27;28;29;30;31;32;33;34;35;36;37;38;39;40;41;42;43;44;45;46;47;48;49;50;51;52;53;54;55;56;57;58;59;60;61;62;63;64;65;66;67;68;69;70;71;72;73;74;75;76;77;78;79;80;81;82;83;84;85;86;87;88;89;90;91;92

第二十六条银行业金融机构应当建立数据应急预案，根据业务影响分析，组织开展应急演练，完善处置流程，保证在系统服务异常以及危机等情景下数据的完整、准确和连续。

——《银行业金融机构数据治理指引》

数据安全治理介绍

数据安全治理目标和理念

金融机构围绕“让数据使用更安全”的核心目标，重点关注数据的使用权限和应用场景，建设数据安全管理体系，主要理念如下：

数据安全管理不能仅关注单一产品或技术平台，应该覆盖数据所有使用环节和应用场景安全；

满足数据安全的基本需求，包括数据保护、数据合规、敏感数据管理等；

重视数据分级分类、数据角色授权、数据安全过程场景化管理。为了有效实践数据安全目标和理念，机构必须打造数据安全闭环管

理体系，推动数据安全治理体系持续改善。

数据安全管理框架图：数据安全管理框架;93;94;95;96

对于敏感数据资产，按其所有者（部门、系统、管理人员等）进行密级分类，将数据资产分级为公开、内部、敏感、机密等。

数据安全风险评估及消除

数据安全风险评估一般分为“按数据生命周期安全评估”和“按场景化数据安全评估”两种方法。将评估结果输入数据安全风险矩阵，输出风险视图和消除举措。

按数据生命周期安全评估是基于数据生命周期各阶段进行风险识别，按数据安全成熟度评估相应差距。

按场景化数据安全评估是在数据生命周期各阶段的数据安全细化场景，基于数据资产分级分类的不同安全属性，识别数据安全具体风险点。

将数据安全风险评估的风险点输入数据安全风险矩阵，列出各场景的风险消除举措。

1数据生命周期安全评估法

围绕数据生命周期各阶段，明晰相关数据安全过程域的监管法规要求和业务需求，分析对应安全策略，从组织建设、制度流程、技术工具和人力能力角度评估数据安全现状、原则和数据安全控制措施。;97;98;99;100;101;102;103;104;105;106;107;108;109;110;111;112;113;114;115;116;117;118;119;120

第三十五条银行业金融机构应当建立数据质量整改机制，对日常监控、检查和考核评价过程中发现的问题，及时组织整改，并对整改情况跟踪评价，确保整改落实到位。

——《银行业金融机构数据治理指引》监管机构要求银行的数据治理工作覆盖全部数据，如果单纯通过人

工方式去覆盖数据的全生命周期、覆盖流程中的全部数据、覆盖内外部数据和所有分支附属机构，必然是一项浩大的工程。通过我们在第九期文章中提到的数据资产目录，可以将银行的所有数据资产进行编目，逐步形成行内覆盖全生命周期的，覆盖银行内外部数据的数据资产目录，有效支持银行开展各项数据管理工作。

而对于数据标准的有效执行，不仅需要有良好的数据标准管理规划，嵌入系统开发的流程，还需要有一定的事后检查和评估方法，例如可以利用数据管理平台，对数据字典的定义与数据标准进行比较；也可以通过数据标准的代码等定义与现有的系统进行比对，评估数据标准的执行情况。

此外对于监管要求的数据字典管理，我们在之前文章里也提及到元数据管理工具是数据管理成功有效开展的重要条件。数据在各个重要系统中存储、流转、加工、应用，由于高度复杂的银行业务以及庞杂的信息系统，如果纯粹依靠人工的方式对各个库表结构，ETL关系等元数据进行采集建设，那么将投入极大量的人力和物力进行维护和管理，因此一个便捷的元数据管理工具是元数据成功有效管理的重要条件。;121;122;123;124;125;126