银行的数据治理最佳实践

发布时间:2018.11.29来源:知乎浏览量:9次标签:数据治理

        数据治理本身分狭义和广义两个区别,狭义的治理主要是组织、制度、流程这些,data governance的一个定义就是 the management of management;广义的治理包括数据质量、数据标准这些。数据治理强调两点,一是高层支持,二是各部门广泛参与。这两点在银行必须都贯彻,越体制内就越听监管的话,所以对于数据治理也就最重视。银监会有数据质量良好标准,非现场检查加现场检查,这是银行数据治理工作最大的督导。银行内数据治理各项工作的开展都要想好这两个因素,搞定了就能事半功倍。


        说句题外话,银行有成建制成体系的数据管理工作,这在各个行业内属于最好的;用成熟度衡量的话,基本都是3.0水平。其他传统行业没有这么强大的动力,互联网电商又没有这个必要,13年银监会数据质量良好标准评估指南中的最佳实践就来源于这几家。


        此外,数据治理对人的要求蛮高,要懂业务、懂数据、懂技术,所谓上能写制度办法,下能查数分析;另外,还要懂权衡、懂策略,甚至学学兵法,因为具体工作八成都是跟人有关。要求虽高,但实际上具体工作挺无聊的,因为挫败感占的比例要远高于成就感,个中体会只有行内人能了解了。


        银行数据治理,有两件事情非常棘手,一个是有些系统陈旧,文档少,没人讲的清楚具体业务怎样纪录数据,也有一些系统中比较冷门的业务可能也存在类似情况,无从谈起数据治理了,当然这样情况是少数,对全行数据治理影响不大。另一个情况是银行内部按照业务部门组织系统,数据分属各个业务部门,其中利害关系复杂,没有大的魄力很难

在数据治理上有太大成果。
最近也在做数据治理相关一些工作,要做好数据治理,应该要解决好如下一些问题。
1、要全行统一步调,自上而下推动数据治理工作。这点很容易形式上重视,但落地执行时各种阻力
2、要全行统一规划,按照统一标准生产数据,并提交完备的数据文档
3、要按照统一标准加工数据,包括数据采集,清洗,存储等
4、要有一套完整的数据处理的平台和数据质量监控分析工具


        IT部门的数据治理工作,制度和流程层面的东西不谈。
        数据标准化。对共用数据制定标准,达成系统建设共识,降低数据转换代价。银行部门使用的系统较多,每个系统的定义千差万别,但都有一些共用的数据,如货币代码、国家代码、日期(有些8位,有些10位,有些...)等,这些数据的使用都要有明确标准和使用场景。


        数据流向可追溯,数据用途明确化。数据流向可追溯,数据用途明确化。系统之间数据传递(如文件)可追溯,如清楚数据文件来源于那里,中途经过了那些系统的过滤,最终被哪些用户使用。
数据交换平台化。建设数据交换平台,支持数据流动。即有一个数据交换平台支持系统之间的数据流动,对数据的流出方和流入方的权限和规则加以控制。


        数据市集化。共享类数据集市化,即需即取。系统和系统之间的共享数据共享与数据市集,供相关的经营分析系统使用,或者分析结果后最后回吐到市集。
数据使用工具化。建设数据ETL,对数据进行清洗,变形,装载。
数据仓库化/大数据平台。存储历史数据供经营分析使用。
数据分析平台化。提供建模分析使用工具,进行经营分析,形成分析结果,回吐给其它平台。
数据可视化。对于一些数据分析结果做到可视化,能将数据通过图形或者报表的方式展示给决策者。
其中,1和2看似简单无味,但对于整个数据治理却是至关重要。


        DAMA对数据管控体系有比较明确的阐述,但真的要做好数据治理却不是那么容易。
        目前国内实施数据治理的企业也是凤毛麟角,而且每一家都有自己的理解,实施方案大同小异,却又都不完整。而那些启动了数据治理的企业也几乎都没有发挥数据治理的价值,持续推动数据治理,目前国内数据治理实施最好的银行,成熟度也只有3分。数据治理推动难,后继无力的主要原因在于没有让数据治理的工作价值变现。对数据治理有过了解的人都明白,数据治理是对数据标准、数据质量、数据安全、主数据、元数据、数据模型等一系列数据相关的领域进行规范化,标准化管理的一些列动作,措施。但如果只把数据治理局限在这些领域,将脱离业务人员,导致数据治理工作脱离业务方,从而无法让数据价值得到变现,因为,我们知道数据治理离不开业务,业务是驱动数据治理的原动力,因此,我认为在开展数据治理工作的时候,必须要仔细思考如何将数据治理与数据应用、数据服务接口,让数据的价值得到变现,促进业务人员对数据治理的信心。


        最后,数据治理是长期复杂性的工作,设计的人员角色复杂,因此整个数据治理工作应该循序渐进,由易到难,逐步完善,迭代优化。


(部分内容来源网络,如有侵权请联系删除)
立即免费申请产品试用 免费试用
相关文章推荐
  • 8 项提高数据完整性的预防性措施

    8 项提高数据完整性的预防性措施

    仅使用一种方法几乎不可能将数据完整性风险降至最低,因此使用多种策略的组合是更好的选择。降低数据完整性风险的一些最有效方法包括8点。……查看详情

    发布时间:2021.07.07来源:亿信华辰数据治理知识库浏览量:12次

  • 深入浅出元数据及元数据管理

    深入浅出元数据及元数据管理

    大数据时代下,数据已被公认为一项重要的资产。而元数据管理作为数据管理框架中一项重要的管理职能,也越来越多的出现在大家的视野中。但是对于元……查看详情

    发布时间:2019.10.24来源:亿信华辰浏览量:1次

  • 数据交换平台是数据中心与其它应用系统沟通的桥梁

    数据交换平台是数据中心与其它应用系统沟通的桥梁

    数据交换平台是数据中心与其它应用系统沟通的桥梁,是进行数据交换的枢纽站。数据交换平台负责从各个业务系统采集数据,对数据进行清洗与整合,按……查看详情

    发布时间:2020.08.10来源:知乎浏览量:2次

  • 银行数据质量管理方法研究与实践

    银行数据质量管理方法研究与实践

    伴随外部监管要求逐步提高以及市场竞争环境的日益激励,银行对于数据价值的重视提升到了前所未有的高度,数据对于银行来说已经成为一项重要的资产……查看详情

    发布时间:2019.02.21来源:知乎浏览量:6次

  • 数据湖治理最佳实践

    数据湖治理最佳实践

    如果没有最佳实践,存储将变得无法维护。自动化数据质量,生命周期和隐私可以持续清理/移动湖中的数据。……查看详情

    发布时间:2019.03.11来源:亿信华辰浏览量:5次

  • 探索数据生命周期管理的五个阶段

    探索数据生命周期管理的五个阶段

    企业并不总是需要所有数据 - 特别是当数据被认为过时时。但是,诉讼,审计或其他突发事件可以使其快速检索变得至关重要。考虑到这种可能性,许……查看详情

    发布时间:2018.12.21来源:数据治理浏览量:4次

  • 数据治理研究述评

    数据治理研究述评

    数据治理是数据科学时代关注的研究课题,对数据治理的概念、体系、内容和应用的相关研究进行述评,以期将数据治理研究引向深入。……查看详情

    发布时间:2019.08.27来源:南京大学信息管理学院浏览量:6次

  • 企业大数据治理的五个核心要素

    企业大数据治理的五个核心要素

    当今的大型企业,内部分工日趋细化,采购、服务、市场、销售、开发、支持、物流、财务、人力等各个环节,无不每时每刻产生着大量的数据。数据的格……查看详情

    发布时间:2019.08.20来源:知乎浏览量:6次

  • 盘它!终于有了数据治理全栈解决方案,这个工具全搞定

    盘它!终于有了数据治理全栈解决方案,这个工具全搞定

    引言中国银监会在2018年发布《银行业金融机构数据治理指引》,明确了数据治理架构,提高数据管理和数据质量质效,至此银行业金融机构全面拉开……查看详情

    发布时间:2019.06.13来源:亿信华辰浏览量:4次

  • 数据治理和数据管理推动成功的词汇表和词典

    数据治理和数据管理推动成功的词汇表和词典

    任何数据管理员的噩梦都是运行会议,创建迂腐和无关的业务词汇表或数据词典,最终收集网络粉尘。但是,跳过构建和维护良好的业务术语表或数据字典……查看详情

    发布时间:2018.12.27来源:亿信华辰浏览量:4次

相关主题
您点击 “提交”,表明您已理解并同意接受本网站隐私政策和用户协议