金融行业数据部数据专员数据清洗管理手册（执行版）.docxVIP

金融行业数据部数据专员数据清洗管理手册（执行版）

第1章数据治理框架与标准规范

1.1数据质量总体目标与业务场景定义

数据质量总体目标旨在构建“单一事实来源”（SingleSourceofTruth）的金融数据基石，确保全行数据在准确性、完整性、一致性和及时性上达到“零容忍”的合规底线，为信贷审批、风控模型训练及监管报送提供可信的数据支撑。在业务场景定义上，需明确核心场景包括：客户身份识别（KYC）中的姓名与身份证号一致性校验、交易反欺诈中的异常行为特征匹配度、以及财务报表合并中的科目编码统一性，确保每个场景都有明确的“合格”与“不合格”判定标准。

针对数据质量指标，应建立分层监控体系，将“数据准确性”（如金额计算误差率控制在0.01%以内）与“数据完整性”（如必填字段缺失率低于0.5%）作为核心KPI，并设定月度/季度的自动预警阈值。业务场景定义需覆盖全生命周期，从贷前调查的“客户画像”数据清洗，到贷后管理的“资金流向”追踪，再到贷后预警的“风险特征”提取，确保清洗规则能动态适配不同业务阶段的数据需求。定义时应引入“数据血缘”概念，明确每一条数据记录从源头采集、经过多少层清洗加工、最终去向的完整路径，以便追溯数据质量问题并定位上游数据源故障。

目标设定需遵循“可度量、可达成、可监控”原则，例如设定“客户姓名标准化错误率”从初期的5%提升至0