洪正华：银行业数据管控体系的设计与实践

　　随着信息科技的高速发展，数据资产逐渐成为现代银行越来越重要的生产要素。如何管好数据，挖掘数据资产价值已成为当前银行业加快业务创新、提高精细化管理和科学决策水平的重要基础工作之一，数据管理核心能力也成为现代银行核心竞争力的重要组成部分。

　　一、国内外银行业数据管理现状剖析

　　数据管理是一项长期性、复杂性、综合性的工作，具有覆盖范围广、工作维度多等特点，需要横跨业务和IT领域，纵贯总分行各业务部门，同时兼顾管理和技术两个维度。

　　1.国内银行业数据管理现状

　　自2005年，国内大多数商业银行在数据管理方面从不同的角度进行了有益的尝试，内容涉及数据标准、数据仓库、数据质量提升等多项工作，并有效地利用数据治理手段，达到提升业务经营水平和满足内部管理需求等目的。但普遍存在的不足是，数据管理系统的实施更多偏向于技术的层面以及局部项目的整合，而对于设计银行数据管控体系等深层次数据管理理论和统筹规划等方面还稍显欠缺。

　　2.国外银行业数据管理概况

　　国外先进银行在数据管理整体架构、系统风险管理以及数据平台应用支撑等方面的实践更显成熟，产生了多项数据管理商业应用的成功案例。尽管国外的金融环境，在市场、客户受众等各方面都和国内有较大差异，并不完全符合中国的实际情况，但其成功经验值得借鉴。

　　3.国开行数据管理工作普遍存在的问题剖析

　　在2009年以前，在数据标准方面，国开行存在IT系统建设“重功能、轻数据”，缺少全行统一的数据标准，无法保障各类系统间数据的互联互通等问题;在数据质量方面，业务人员的录入维护操作不规范，导致数据的准确性和完整性难以保障，缺少有效的持续改进数据质量的措施和手段，缺乏强有力的数据管理组织和长效机制;在数据应用方面，对经营管理和决策分析支持力度不足，不能充分发挥数据资产价值;外部监管方面，仍存在手工报送率高、数据质量较差等问题。

　　二、国开行数据管控体系设计与实践的核心内容

　　基于对银行同业数据管理现状以及国开行数据管理问题的全面剖析，结合外部监管和内部经营管理对数据的要求，国开行以数据管理最佳实践和核心竞争力理论为基石，结合国开行实际，对数据管理与应用工作的实施路线和发展目标进行了深入研究和规划，提出了一套银行业数据管控理论体系，并进行了有益的探索和实践。

　　1.突破传统数据生命周期理论，建立“一个流程，两个维度”的数据管控框架体系

　　对传统数据生命周期“产生、存储、交换、加工、归档”的理念进行完善与扩展，将数据管理的起点从 “数据产生”前延到“数据定义”，即数据标准化阶段将统一数据标准作为数据管理的出发点;同时，将数据管理的终点由“数据归档”后延至“数据应用”，通过数据挖掘等商务智能技术辅助决策分析，最大化挖掘数据应用价值。基于全新的数据全生命周期理念，提出了“一个流程、两个维度”的数据管理与应用框架体系(见图1)，从理论视角解析了一个现代银行数据管理核心能力的形成机制和构成要素。

　　

 

　　(1)“一个流程”中的四个环节相辅相成

　　“一个流程”指数据标准、数据管控、数据应用支持、数据应用四个环节是一个有机融合的整体。数据标准化是基础，是数据管控的依据和数据仓库模型建设的基础;数据管控是手段，通过数据管控才能确保全行数据质量持续提升;数据应用支持是载体，通过建设数据仓库并贯彻数据标准和数据管控，为数据应用提供高质量的数据支持;数据应用是最终目的，通过数据挖掘与应用，实现数据资产价值，提升银行核心竞争力。

　　(2)“两个维度”确立了管理与技术并重的原则

　　为便于更好地理解数据管理的内涵并指导实际工作，国开行对“一个流程”中的四个环节从管理和技术两个维度进行了细分。例如，将“数据标准化”的内容从管理视角划分为数据标准的制定、落地、监督检查、变更和维护等。然而，要做到对数据标准化工作的精细化、专业化管理，手工管理只能是粗放式管理，且效率低下。因此，我们又从技术维度明确了数据标准技术方面的工作内容，包括数据标准管理技术工具的建设、数据标准在IT系统落地过程中需完成的主系统和外围系统的更新改造工作等。

　　2.建立数据标准化体系，推动数据标准在业务和技术领域同步落地，形成数据标准的动态管理机制

　　数据标准是数据管理工作的基础和起始点，是规范统一业务和技术语言的重要桥梁，做好数据标准化工作是数据管理工作成败的关键。数据标准的缺乏和滞后，导致数据源以多种形式存在，业务口径差异大、基础信息编码多套并存、数据填报规则缺乏，将加剧数据跨系统整合的难度，从而无法真正实现数据资产的价值。国开行秉承“标准先行”的理念，于2009年正式启动了全行数据标准化工作，创新性地提出了“数据标准制定与落地互动，基础类数据标准与分析类数据标准互通，数据标准在业务领域与IT系统落地并重”的数据标准化理念(如图2所示)。

　　

 

　　(1)数据标准的制定

　　通过借鉴金融业通用的金融业务逻辑数据模型，并结合国开行“投、贷、债、租、证”综合型金融业务的特点，将数据标准体系划分为基础类数据标准、分析类数据标准和专有类数据标准三大类。基础类数据是指日常业务开展过程中所产生的具有共同业务特征的基础性数据，并进一步划分为不同的数据主题;分析类数据是指为满足国开行内部管理需要和外部监管要求，在基础类数据基础上按照统计需求和分析规则加工后的数据;专有类数据是指国开行集团架构下，投资、租赁和证券等特有业务在经营管理中所涉及的专有性数据，全面覆盖了国开行的业务领域和管理需要。在数据标准制定过程中，又将基础类数据标准和分析类数据标准进行映射，确保了从基础数据到指标数据的融会贯通。2012年国开行已完成基础类数据标准(包括客户、产品、协议、交易、资产、财务、内部机构与员工、渠道、营销9个主题)和分析类数据标准的制定工作，基本覆盖了国开行90%以上的业务和90%以上的IT系统。
(本文不涉密)
责任编辑：

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处。