2016年7月-10月，中國金融認證中心（CFCA）、中國電子銀行網（微信公眾號：cfca-cebnet）聯合全國70余家銀行發起“2016金融科技引領銀行未來”征文活動。以下為熱心網友通過網絡渠道投來的稿件。 　

　　作者單位：江蘇銀行股份有限公司

　　當今社會，信息化已經滲透到企業的每個組織細胞中，企業對信息系統的依賴性逐漸增大，越來越多的決策依賴于信息系統的數據。商業銀行的風險控制、產品定價、績效考核等管理決策都需要大量的數據支持。因此，如何建設銀行數據治理體系、提高數據管控水平，已經成為當下各商業銀行亟待解決的問題。

　　數據治理是為滿足企業內部信息需求，提升企業信息服務水準而制定的相關流程、政策、標準以及相關技術手段，用于保證信息的可用性、可獲取性、高質量、一致性以及安全性。數據治理體系建設的目的，是建立數據擁有者、使用者、數據以及支撐系統之間的和諧互補關系，用全企業視角協調、統領各個層面的數據管理工作，確保內部各類人員能夠得到及時、準確的數據支持和服務。

　　一、建立統一的數據標準

　　數據標準，是對數據的表達、格式及定義的一致約定，包含對數據業務屬性、技術屬性和管理屬性的統一規范。制定數據標準能確保銀行的數據資產在交換和使用過程中具有高度的一致性和準確性。數據標準是數據治理的重要基礎，同時依托數據治理體系得以有效執行。

　　近年來，根據內部需求和外部監管的不同要求，銀行在經營管理中經常遇到“數出眾口”、“企業標準”和“部門標準”共存，數據質量堪憂。數據治理的最大驅動力來自數據質量，數據標準是衡量數據質量的重要標尺。數據標準化工作作為數據治理的基礎工作，是創造良好數據環境的重要環節。一是信息的標準化，比如銀行各個系統中數據項的名稱、內涵、格式要標準，不能出現同一個數據項有不同的含義；二是系統開發的流程要標準，這樣才能保證質量和進度；三是系統的信息交流要標準，比如接口標準、數據格式、先后順序等。只有通過建設統一的、企業級的數據標準，才能逐步解決經營過程中各種“不統一”的問題，實現“名稱統一”、“定義統一”、“口徑統一”、“來源統一”和“參照統一”。

　　二、加強數據質量管理

　　數據質量，是指滿足明確或隱含需求程度的指標。數據質量管理是通過業務管控及技術檢查手段，控制并保證數據信息的準確性、完整性、一致性等關鍵因素，使得能夠準確反映全行的經營狀況，為全行的管理決策提供正確的信息。

　　數據質量的高低，必須要從一致性、唯一性和完整性等角度對數據進行分析。而建設數據質量檢驗工具正是提高數據質量的方法之一。比如目前商業銀行業務高度復雜，一些重要數據涉及多個數據系統、企業客戶的信息，會在柜面業務系統、信貸系統、客戶信息系統等系統中存在，部分數據會發生重疊，部分數據信息不一致，此時數據檢驗工具就可以將不一致的數據篩查出來。另外，根據合規性的要求，數據口徑必須符合監管要求，將監管要求的數據口徑作為數據檢驗規則就可以對數據進行相應的檢核。

　　數據質量的改進是一項長期的任務，不僅需要質量檢查工具，還需要從文化、組織、制度和流程等多個方面進行持續改進。數據質量管理工作涉及銀行的前臺、中臺甚至是后臺，既涉及總行部門，又涉及一線的柜員和客戶經理，僅僅靠操作手冊、業務制度還是不能保證數據質量的，必須要建立多層次的數據質量監控、考核體系，將數據質量作為評價經營績效的重要方面；績效考核部門應該將數據質量納入部門、機構的績效考核中，歸口管理部門應該通過日常監管和例行檢查，對相關部門和支行的數據質量管理工作進行監測和評價，只有對數據質量開展有效監測，將其納入績效考核方案，所有制度才有可能得到執行，數據質量才有可能得到持續提升。

　　三、科技助跑數據治理

　　在以前的銀行，如果需要獲取某個數據，需要拿著各種審批表找一大堆人簽字，最后，會從某個窗口中將按照流程簽滿名字的審批表遞給數據管理員，然而這個數據管理員則會告訴你，你需要等幾個小時才可以拿到最終數據。因為在這幾個小時中間，數據管理員要從一大堆備份的數據中，找出你需要的數據，加載完以后再給你。這是傳統的數據管理方式，嚴格按照自下而上的流程進行，只要做到滴水不漏就是完美。隨著互聯網金融、云計算和大數據為代表的信息革命的興起，銀行業數據改革也不斷深化，慢慢的，那個數據管理員變成了機器人，效率得到了很大的提升，但管理的本質，卻沒有變化。

　　數據治理不等同于數據管理，不是簡單依靠自下而上的貫徹執行就可行的，相反，需要每一個人、每一個環節都參與進來，協同協作，每個人都有意識去進行數據治理。目前我們的工作還只是簡單的停留在取數與報送，有些數據的獲取還是要依靠手工臺賬等方式，手段相對較原始，因人為原因產生誤差的概率也較高，同時工作效率較低。開發自定義查詢系統可以根據具體的信息查詢需求進行數據的快速查詢，能夠滿足不同的信息需求。

　　四、專業化的人才配合專業化的流程

　　科技手段的提高一方面能夠提升統計信息人員的工作效率，提升數據準確性，但是系統畢竟是一個機器，是一套程序，而操作這個機器、這個程序的最終還是人?？萍蓟菙祿卫淼拇呋瘎?，而專業化的人才和專業化的流程就是數據科技化的基礎，也是數據科技化的核心。再好的系統，如果沒有人員去定義規則，那得出的數據只是一堆雜亂無章、沒有價值的數字。

　　五、建立健全數據問責機制

　　數據治理工作不是簡單依靠某些人或者某個系統就能夠做好的，相反數據治理是一個繁瑣復雜的全流程管理，需要從“數據產生”到“數據集成”再到“數據使用”的全過程，因此數據質量的成敗關鍵在于合理有效的組織架構和流程，不是數據系統本身，而保證組織架構和流程的完整有效需要明確數據的責任方，制定相應的數據問責機制。數據問責是數據治理的核心，只有建立健全數據認責機制才能穩固數據治理成果。

　　從數據產生到最終的數據使用，都會涉及明確的責任部門、責任人員，而他們就是數據的責任方，包括基礎數據的錄入，對外部監管的數據報送等。明確責任以后，通過制定相關的內控考核、績效核算等手段來引導責任方重視數據治理的重要性，讓他們明確知道數據管理不僅僅是簡簡單單的錄入數據信息、表格篩選匯總然后報送數據的，從源頭上杜絕數據發生錯誤的不確定因素。同時，數據責任的明確不僅能讓基層經辦人員提高對數據治理的重視，也能通過考核等手段讓部門領導乃至行領導認識到數據治理的重要性，從下至上共同來進行數據治理的建設。定期的檢查也是數據問責機制重要的一部分，是內控考核與績效核算的輔助，通過檢查的方式，能夠找到沒有發現的數據差錯，同時也給內控考核與績效核算提供了依據，從前端到后期來提升數據的質量。通過數據問責機制，能夠避免以往存在的相關職能部門之間的推諉推卸等情況，創造數據治理的良好的文化氛圍。

　　總的來說，數據治理和數據標準化工作是一項長期的、漸進式的工作，任重而道遠。在未來的工作發展中，通過相關的培訓來培養專業化的人才，組建專業化的團隊，并且結合業務需要，充分體現業務價值，建立健全可持續發展的數據治理體系，我們能夠從整體上提升分行的數據質量和數據管理水平?！?/p>

責任編輯：曉麗