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。
一、数据质量管控背景
在业务监管方面，发布了《商业银行内部控制指引》和《银行金融机构全面风险管理指引》等一系列监管文件，旨在强化金融机构的内部管理和风险防控能力，对数据质量提出了更高的要求。
- 在科技监管方面，发布了《商业银行信息科技风险管理指引》等，进一步明确了对金融机构信息科技风险的管理要求，强化了对金融机构数据处理、存储和传输的技术要求。
- 在数据监管方面，发布了《关于开展监管数据质量专项治理工作的通知》，强调了数据质量的重要性，以及在金融行业中监管推动是第一推动力。
二、数据质量问题面临的挑战
1. 问题解决周期长
数据质量问题的发现可能相对容易，但要真正解决往往并非一蹴而就。问题的种类繁多，有些问题根本无法彻底解决，有些则有常规的解决方案。然而，责任人对这些方案的了解程度不同，导致问题的解决周期变长。数据质量的解决是一个持续的过程，并非一次性完成的任务，需要根据项目类型的不同经历体系建设和长期维护。
2. 问题解决难度大
解决难度大的原因在于系统建设不完整，导致后续整改复杂。历史遗留问题也是造成数据质量难以提升的关键原因，尤其是涉及跨部门协作时。
3. 质量问题多
数据质量问题表现为两类：一是问题的种类多，二是问题数量大。不同种类的问题需要不同的解决方法，有些可以通过系统功能来判断或解决，有些则需人工调整。
4. 问题责任难以明确
在整个数据质量问题的责任认定过程中，通常采用联合责任的方式。但数据经过加工处理后，责任归属可能变得不明确。特别是跨部门问题。
5. 溯源耗时耗力
在监管报送或指标错误时，需要对数据进行一层一层的加工逻辑分析。然而，银行中的数据仓库或数据平台系统相对复杂，其中数据管理方式以及数据建设过程中的管理手段不够完善，导致找到问题源头的过程非常困难，耗时较长。
三、数据质量管理体系建设
1. DAMA
数据质量管理体系的搭建，可以参考 DAMA 体系。DAMA 体系中的知识框架将数据质量管理放在核心位置，定义为核心领域的一部分。这一框架明确了数据质量管理的重要性，将其视为整个数据管理的关键部分。在项目实施的过程中，始终遵循 DAMA 体系的内容，并将其作为项目实施的指导原则和理论支撑。DAMA 体系不仅为数据质量管理提供了理论依据，还为项目实施提供了系统化的方法，使数据质量管理在实际操作中更具可行性和规范性。
2. 组织架构
在金融机构的数据质量管理中，组织架构与角色分工是关键的管理环节。数据质量管理的复杂性在于目标的多样性和跨部门的协同需求。为了有效推进数据质量的提升，金融机构通常采用分层的组织架构模式。管理层：负责制定整体数据治理的战略规划和目标，确保数据管理工作的方向与银行的战略保持一致。
业务层：作为数据的实际使用方，业务部门承担识别和提出数据质量问题的任务。他们通过业务实践发现数据质量问题，并反馈给技术部门以寻求解决方案。
技术层：科技部门依据业务部门提出的问题，利用技术手段处理数据质量问题。他们的主要职责是通过技术方案和系统优化来提升数据的准确性和一致性。
执行层：执行层主要负责具体问题的落地解决，例如银行分支机构或柜台通过数据补录等方式来修正和完善客户数据，确保业务运营过程中数据的一致性和完整性。
3. 管理方法论和管理模式
数据质量管理方法论和管理模式在金融机构的数据治理中占据核心位置。其基础方法论通常基于 PDCA 循环（计划-执行-检查-行动），这一循环被广泛应用于数据质量管理的各个环节。
在银行的数据质量管理中，首先在“计划”（P）阶段，制定详细的提升计划，并设定数据质量提升的具体目标。根据计划，制定相应的检查规则，以此为基础对数据进行检核，识别并导出问题数据。接下来，将这些问题数据分发至相应的整改部门进行处理，确保问题能够被及时有效地解决。整个流程通过不断的“检查”（C）和“行动”（A）环节持续改进。
为了有效评估整改效果，银行往往会结合绩效考核机制，形成阶段性的数据质量管理报告。通过成果的展示，量化和评估数据治理工作的成效，为下一阶段的质量强化提供依据。这种基于 PDCA 循环的工作流程确保了数据质量管理的系统性和持续改进性。
声明：本文来自上海金融信息行业协会，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。
数字化转型网数据专题包含哪些内容
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。
数字化转型网数据专题包含：
1、数据相关外脑支持：100+数据相关专家、100+数据实践者、1000+相关资料
2、数据研习社：与全球数据相关专家、实践者共同探讨相关问题，推动产业发展！
3、国际认证培训：目前已引进DAMA国际认证CDMP，其他国内外认证也在逐步引进中
4、典型案例参考：与数字化转型网数据要素X研习社社员一起学习典型案例，共探企业数据落地应用
