商业银行数据治理模式实践研究.docxVIP

?

?

商业银行数据治理模式实践研究

?

?

郑权

摘要：数据是银行业金融机构的重要资产，是商业银行进行战略决策、风险管理、业务创新拓展的基础，而高质量的数据为支撑数据应用释放更大效能。如何高效管理数据资产，提升数据质量，最大限度挖掘数据价值，是当前需要解决的问题。文章立足贵阳银行实际，以金融机构监管政策为导向，对标同行业金融机构数据治理开展情况，充分剖析贵阳银行数据治理问题，提出一种具有贵阳银行特色的数据治理体系建设方案，推动银行业金融机构高质量发展。

关键词：数据治理;数据管理;数据标准;数据资产

一、金融监管政策背景

随着金融监管政策不断发展和银行业务的日趋复杂，金融监管数据覆盖范围不断扩大，银行进行信用风险、流动性风险、市场风险、操作风险和资本管理的难度也不断提升，对银行业的数据质量和数据管理提出了更为全面的要求。全面、及时和准确的数据信息为银行业监管和管理提供重要基础和保障。

2018年，银保监会印发了《银行业金融机构数据治理指引》，旨在引导银行业金融机构加强数据治理，提高数据质量，充分发挥数据价值，提升经营管理水平，全面向高质量发展转变而制定的法规，其对数据治理架构、数据管理、数据质量控制、数据价值实现、监督管理等各方面提出详细的要求。首次将数据治理提升到公司治理的战略高度，要求董事会、监事会、高管层“两会一层”明确数据治理职责、要求制定数据战略、建议设置首席数据官，同时不区别对待国有银行、股份制银行和城市商业银行、农村商业银行或农村信用社、民营银行、村镇银行及外资银行。相比《良好标准》，《银行业金融机构数据治理指引》标准更高、要求更严，一是管理对象全覆盖、要求领域全覆盖、数据范围全覆盖;二是向“两会一层”直接问责，与公司治理评价、监管评级挂钩;三是要求建立健全清晰的数据治理架构，归口管理部门与业务部门职责边界清晰，设置专兼职岗位、建立专业队伍及数据文化。

2018年，国务院办公厅印发了《关于全面推进金融业综合统计工作的意见》，其总体目标是在互联网、大数据、人工智能和实体经济深度融合背景下，推进金融业综合统计工作决策部署落实，建立科学统一的金融业综合统计管理和运行机制，制定完善标准和制度体系，建设运行国家金融基础数据库，建成覆盖所有金融机构、金融基础设施和金融活动的金融综合统计，完善大国金融数据治理，有效支持货币政策决策、宏观审慎管理和金融监管协调，不断提升服务实体经济的能力和水平。

二、同业相关实践

依托大数据、云计算、人工智能等技术发展，商业银行只有拥抱数字化技术变革，不断努力适应，才能在数据化浪潮中提升自己。在强化数据标准建设与元数据管理工作方面，商业银行一直在为拓宽数据维度打基础，利用元数据构建全行数据资产视图。银行数字化转型工作的前提是通过完善数据治理工作，提升数据质量，充分展现数据价值。通过对国内数据治理开展比较早的建设银行和南京银行进行考察学习，发现有许多成熟的经验值得借鉴。

（一）建立有效运作的组织架构

建行及南京银行均完成了数据治理顶层组织架构设计，在高管层建立负责数据治理工作的领导、组织、协调和重大事项决策的数据治理委员会;在管理层设立数据管理部，作为全行数据管理牵头部门，除负责数据治理的具体工作，还通过配置足够具有计算机技术和金融、会计等相关专业知识的人才组成专门的执行团队来开展全行级或专项级的数据治理、数据分析挖掘、创新型产品研发等相关工作;在执行与支持层，则以矩阵架构方式明确业务部门、技术部门与分支机构的数据管理责任与工作事项，确保各项数据治理政策与措施的有效執行，持续提升数据应用效能。

（二）多措并举推进数据治理

1.目标明确不动摇。提前谋划数字化转型、探索数据治理、并依托新一代核心系统建设完善数据标准，实现企业级、全流程的数据管控。

2.领导重视保实现。成立了数据治理决策层，且在高管层均安排一名行领导负责管理、协调数据治理中涉及的跨部门资源，督促相关政策、策略和工作目标得以实现。

3.整合资源成合力。除在组织架构中设立专职数据治理的管理部门外，还将与数据治理相关的技术、业务、数据人力资源进行整合，将这些资源全部集中于数据管理条线中，此方式不仅突出了该部门在支持数字化转型目标的定位，利于发挥人力、物力和财力的资源聚集作用，而且消除了数据治理中常会遇到的推诿扯皮等内耗现象，提高了治理目标实现的成功率。

4.明确责任常态化。构建了较完善的常态化数据治理责任体系，厘清了数据管理部、技术部门、业务部门以及下辖分支机构的数据认责和管理责任边界，并通过数据管控平台对系统层面的数据标准执行进行有效管控，确保数据质量管理水平提升。

5.借力升级是关键。数据治理工作取得较大的成效，除了持续实施数据治理工作外，还充分借助核心系统升级换代的机会，将数据标准、数据质量管控流程有效整合到系统中，