银行数据治理实践-数字化转型网www.szhzxw.cn

数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。

2018年5月21日中国银保监会正式发布的《银行业金融机构数据治理指引》全文共7章55条，强调了数据治理架构的建立，明确了数据管理和数据质量控制的要求，还明确了全面实现数据价值的要求，要求加强监管监督，与银行的监管评级挂钩，这里以顶层设计的战略规划、组织构建和数据治理域的数据标准体系构建为例来说明治理过程[10][11][12][13]。

（1）顶层设计-战略规划

《银行数据治理指引》中的第九、第十七条明确提出了制定数据战略的观点。数据资产如何变现、如何创造收益已成为了银行的共同话题，数据战略主要涉及现有业务管理的数字化、创造新的数字化业务等内容。

a)现有业务管理的数字化，比如告别纸质、线下等一切非数据化、系统化的业务形式，控制前置提升审批效率，绩效可视化；又比如通过对网点运营、市场营销、费用成本、绩效管理等方面的数据分析，帮助银行识别低效的流程环节，进行资源配置优化，提高运营效率、降低成本。

b)创造新的数字化业务，比如管理层借助高质量的数据进行挖掘、分析，实现以客户为中心的业务转型，对银行未来战略方向进行更准确的前瞻性预测，提升银行竞争力；又比如成立金融服务和科技子公司，开发机器人流程自动化应用（RPA）、金融云服务等产品，进行能力输出。

（1）顶层设计-组织构建

《银行数据治理指引》中的第八至第十四条提出了组织架构的要求，比如第八点，银行业金融机构应当建立组织架构健全、职责边界清晰的数据治理架构，明确董事会、监事会、高级管理层和相关部门的职责分工，建立多层次、相互衔接的运行机制。

银行根据数据战略、自身组织架构特征，构建数据治理组织架构，其的分散和集中程度各有不同。组织管理分散且数据需求较少或复杂程度较低的银行，一般采用“分散模式”，各部门负责本领域的数据管理和应用；数据需求较多且复杂程度较高的银行，可采用“归口管理模式”、“集中+派驻模式”、“全集中模式”，具体选择哪种方式，在银行数据发展的阶段中同时也取决于归口管理部门的人力投入与专业能力，专业能力主要涉及组织沟通、业务理解、技术开发等方面。

目前监管明确要求银行设置数据治理归口管理部门，下图以“归口管理模式”为例进行了示例：

（2）数据治理域-数据管理体系（数据标准）

《银行数据治理指引》中的第二十条、二十三条给出了建设数据标准的要求，比如第二十条，银行业金融机构应当建立覆盖全部数据的标准化规划，遵循统一的业务规范和技术标准。数据标准应当符合国家标准化政策及监管规定，并确保被有效执行。

根据中国人民银行定义的银行业标准体系，将数据标准归入银行的通用基础标准。作为银行通用性、全局性、基础性的规范，指导银行业务的开展和系统建设。

在实践过程中，数据标准可分为基础类数据标准以及指标类数据标准。基础数据标准是针对业务开展过程中直接产生的数据制定的标准化规范；指标数据标准是针对为满足内部分析管理需要以及外部监管需求对基础类数据加工产生的数据制定的标准化规范。

从银行层面来说，全行层级统一的数据标准是必须要做的，而且是要做到能够长期有效和可落地执行的。由谁来牵头、谁来管理、谁来执行？——各个银行均有不同实践，但是实践效果来看，建议在数据标准制定过程中，将角色划分为三类：

对于数据标准管理工作而言，数据治理归口管理部门是作为牵头者的角色，需要做到组织数据治理小组，将技术管理与业务管理的相关人员协同起来，完成数据标准制定工作。为数据标准制定提供资源协调、统筹安排等便利。

业务管理部门在数据标准制定中承担着业务规范者的角色。这些部门在数据标准制定过程中承担着提供权威业务定义和数据标准业务含义管理的多重职责。如果银行将数据治理归口管理部门确定在某一业务管理部门，则该部门需要同时承担起工作牵头和规范定义双重责任。业务管理部门不仅能够提出业务规范的要求，同时对技术属性，也可以提出初步的建议方案，与信息技术部门协同商榷。

信息技术部门包括信息技术管理部门及部分银行已成立的专门的数据管理部门。信息技术部门作为数据标准的技术规范执行者，其职责不仅在于制定过程中确认技术属性具有可落地性，符合已建信息系统现状，还在于将确认后的数据标准实际落实在信息系统中，确保数据标准能够得到有效落地执行。

在大量实践经验中，银行已然总结出一套数据标准编制的有效方法：

a)制度保障先行：构建层次分明的制度体系，形成从章程、专项管理办法到工作细则三个梯次的制度层级。