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:3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
  • 数据治理治什么?在哪治?怎么治?

    数据治理治什么?在哪治?怎么治?

    数据是指对客观事件进行记录并可以鉴别的符号,是对客观事物的性质、状态以及相互关系等进行记载的物理符号或这些物理符号的组合。其实在我看来,……查看详情

    发布时间:2020.06.24来源:知乎浏览量:2次

  • 数据治理系列5:浅谈数据质量管理

    数据治理系列5:浅谈数据质量管理

    数据质量管理是对数据从计划、获取、存储、共享、维护、应用、消亡生命周期的每个阶段里可能引发的数据质量问题,进行识别、度量、监控、预警等一……查看详情

    发布时间:2019.12.06来源:CSDN浏览量:1次

  • 数据资产管理方案之如何让数据化为价值

    数据资产管理方案之如何让数据化为价值

    数据是资产的概念已经成为行业共识。然而现实中,对数据资产的管理和应用往往还处于摸索阶段,数据资产管理面临诸多挑战。主要分为以下三点:1、……查看详情

    发布时间:2020.08.14来源:知乎浏览量:3次

  • 数据治理VS数据安全治理

    数据治理VS数据安全治理

    企业信息化建设是随着企业战略、业务形态、预算等多个方面不断迭代及变化的,所以在建设过程中难免出现阶段鸿沟,跨阶段整合难的现象,当企业以数……查看详情

    发布时间:2020.06.29来源:CSDN浏览量:1次

  • 数据管理自动化框架的五个好处

    数据管理自动化框架的五个好处

    组织负责管理比以往任何时候都多的数据,使一个强大的自动化框架成为必要。但是自动化框架到底是什么,它又有什么关系呢?……查看详情

    发布时间:2019.02.13来源:亿信华辰浏览量:1次

  • 浅谈企业数据治理的实践

    浅谈企业数据治理的实践

    在大数据时代,数据治理是所有的拥有大量数据的公司的巨大的挑战。没有数据,企业缺乏用于做决策的数据的支持。可是有了越来越多的数据,很多情况……查看详情

    发布时间:2019.09.04来源:知乎浏览量:1次

  • 合规性连接:身份治理的作用

    合规性连接:身份治理的作用

    今年1月,法国数据监管机构对谷歌进行了近6,000万美元的罚款,这是欧洲机构发布的最大罚款,也是欧洲通用数据保护条例(GDPR)的第一例……查看详情

    发布时间:2019.03.06来源:亿信华辰浏览量:1次

  • 企业数据治理中的应对

    企业数据治理中的应对

    首先,数据治理的核心认识是,数据治理是一个持续并且长久的一个过程,不同的产品可以解决比如采集、传输等数据治理层面上的不同问题,但并不存在……查看详情

    发布时间:2019.11.01来源:知乎浏览量:2次

  • 用于指导金融行业开展大数据基础平台建设技术类标准

    用于指导金融行业开展大数据基础平台建设技术类标准

    技术类标准用于指导金融行业开展大数据基础平台建设。大数据技术本身涉及内容广泛,既包含大数据平台本身的基础软件和各类功能组件,又包括基于业……查看详情

    发布时间:2019.12.27来源:CSDN浏览量:3次

  • 数据治理的应用指南——亿信华辰

    数据治理的应用指南——亿信华辰

    数据治理(有时也称为IT治理)是存储管理的关键部分。显然,IT治理总体上与数据治理密切相关:IT是任何数据治理项目的组成部分。……查看详情

    发布时间:2019.02.13来源:亿信华辰浏览量:1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