数据治理——银行将被如何规范?

发布时间:2019.01.18来源:亿信华辰浏览量:39次标签:数据治理


近日,银监会就《银行业金融机构数据治理指引》向社会公开征求意见,为引导银行业金融机构加强数据治理、提高数据质量、发挥数据价值,提升经营管理能力,特制定本指引。

我们认为,此番对数据治理的指引,未来可能会被其他金融监管机构作为范本,约束互联网金融或其他业态的数据治理行为,因此,具有学习和研究价值。

1、“数据治理”是个啥?

本指引在第三条给出了“数字治理”的定义,通过建立组织架构、明确董事会、高级管理层、部门等职责要求,制定和实施系统化的制度、流程和方法,确保数据统一管理、高效运行,并在经营管理中充分发挥价值的动态过程。

从我们的视角看,银行数据治理关系到每个储户的“公民信息安全”,责任重大。

去年,我国在保护公民信息方面立法更完善,且下半年刑法第253条之一侵犯公民信息罪被严格适用。

从治理效果看,确实震慑了某些从银行业务中获取信息想卖给他人或与他人交换的人,涤清了银行等金融机构内部环境。当然,数据治理中也会涉及到银行的商业秘密等知识产权保护等,在此不表。

2、数据治理的原则有哪些?

银行业金融机构数据治理应当遵守四个原则:

(一)全覆盖原则:覆盖数据的全生命周期;覆盖业务经营、风险管理和内部控制流程中的全部数据;覆盖内部数据和外部数据,覆盖所有分支机构和附属机构数据;覆盖监管数据。(在全覆盖原则下,我们提示业内机构注意,不同法人主体之间的数据不可随意交换使用,涉及公民个人信息,必须经过重新授权方可进行)

(二)匹配性原则:数据治理应当与管理模式、业务规模、风险状况等相适应,并根据情况变化进行调整。(介个木有啥好解释的,就是实事求是)

(三)持续性原则:数据治理应当持续开展,建立长效机制。(不是一阵风,而是以后长期坚持的一项任务)

(四)有效性原则:数据治理应当推动数据真实准确客观反映银行业金融机构实际情况,并有效应用于经营管理。(世界上最可怕的是最初采集的数据就是假的,去伪存真的任务很重,而且依靠区块链等技术也解决不了最初数据的真实性核验工作)

3、数据标准与共享

银行业金融机构应当建立覆盖全部数据的标准化规划,遵循统一的业务规范和技术标准。数据标准应当符合国家标准化政策及监管规定。也就是说,未来在银行业金融机构范围内,会有相应官家标准或行业标准出现。

Reg-tech监管科技将发力,各大银行业机构应当建立适应监管数据报送工作需要的信息系统,实现流程控制的程序化,提高监管数据加工的自动化程度。

最终,还是要实现数据共享,but,这里的数据共享不是A银行给B银行一个片区的客户名单,B银行回馈给对方另一个片区的客户理财数据,而是,必须经过“数据脱敏”之后方可“共享”。

如果出现数据泄露,根据指引第二十七条的规定,银行业金融机构应当设立问责机制,定期监控数据管理、数据质量控制、数据价值实现等问题,依据有关规定对高管和部门及负责人予以问责。其实,我们认为,这里应该加上一句,“构成犯罪的,按照刑法处理”。

4、数据质量控制有要求

说到底,数据质量控制就是:保证数据的真实性、准确性、连续性、完整性和及时性。采用取数规则统一,加强源头管理,设立监控体系,现场检查制度,设立考核评价体系,配有质量整改制度,保证统一监管指标在报送与对外披露之间的一致性,最后,还要建立监管数据质量管控制度。

请注意,面子和里子的统一,具有重要意义,报送给监管机构的指标如果是25cm,那么,披露给社会公众的指标也应该是25cm,我们允许误差,但不允许失误。有的人说,失误就是过失,过失又不犯法,这明显不懂法,在我国有些犯罪不需要故意,只要过失即可,会计执业中就有类似的高危罪名。

5、数据价值的实现才是指引的精髓

银行业金融机构,应当在风险管理、业务经营、内控中加强数据应用,实现价值驱动,提高管理精细化水平,发挥数据价值。

运用大数据,对于传统银行的风控管理而言,是一大进步。如果更精细地鉴别和使用数据,更科学地分析,更有效地利用,可大大提高银行的风控能力,对于全球系统重要性银行要遵循更高的标准。

做好风险管理,还要注意风险监控,一个人开车就要一个人提醒。

在银行平日工作中,注意监测、评估、报告和控制风险,是一种“双保险”的办法。同时,在数据加总能力、风险报告、风险定价、重大收购、资产剥离、新产品评估、客户营销、业务流程优化、业务创新、内控评价等方面,进行规范。

最后,监管将采取持续监管的方式,具体通过现场监管与非现场监管来监督;同时,审计机构要进行数据治理审计,及时出具报告;对不符合指引要求的机构,责令整改,将公司治理评价结果或监管评级挂钩等。


(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
  • 政务数据治理真落地!让数据多跑路,让群众少跑腿

    政务数据治理真落地!让数据多跑路,让群众少跑腿

    DT时代,人们对“大数据”一词已不再陌生,但“数据治理是什么?数据治理和我们有什么关系?”,恐怕普通大众还是很难说清楚。实际上,现在已经……查看详情

    发布时间:2019.11.20来源:亿信华辰浏览量:49次

  • 企业如何进行数据资产管理

    企业如何进行数据资产管理

    大数据离不开计算和存储,因此大数据建设与成本强挂钩。大数据需要耗费大量的计算存储资源,如果没有合理的资产管理,很可能在大数据还没来得及发……查看详情

    发布时间:2020.08.28来源:知乎浏览量:28次

  • 国内主流的主数据管理方案

    国内主流的主数据管理方案

    主数据管理 (MDM) 是一种能够定义和管理组织中关键数据的全面方法。它提供跨整个企业的一站式可信任数据视图、敏捷的自助服务访问、基于分……查看详情

    发布时间:2020.05.07来源:知乎浏览量:147次

  • 通用数据治理平台的功能模块

    通用数据治理平台的功能模块

    随着互联网与大数据技术的飞速发展,大数据已经融入到了各行各业。数据治理非常重要,已经逐渐成为了政府、企业进行智能化决策的重要手段。数据治……查看详情

    发布时间:2022.02.23来源:浏览量:126次

  • 第一步:数据质量还是数据治理?

    第一步:数据质量还是数据治理?

    做好数据质量还是数据治理?到底哪一个是首要步骤?……查看详情

    发布时间:2018.12.26来源:亿信华辰浏览量:46次

  • 数据治理流程

    数据治理流程

    要真正把数据作为企业有价值的资产来管理,就必须像管理财务、人力资源等业务功能一样进行数据治理。财务功能由多个核心业务流程组成,如应付账款……查看详情

    发布时间:2019.08.19来源:CSDN浏览量:33次

  • 数据中台与数据仓库相比的四大优势

    数据中台与数据仓库相比的四大优势

    数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合,用于支持管理决策。因此,其重点在于数据的集合。数据仓库可使用维度建……查看详情

    发布时间:2020.11.21来源:知乎浏览量:25次

  • 数据治理的发展历程

    数据治理的发展历程

    数据治理技术的发展使得其中最好的技术为组织的数据景观提供了完全的透明性,并为业务用户在搜索、访问和应用数据时提供了一种方便快捷的体验。……查看详情

    发布时间:2018.11.19来源:艾米丽华盛顿浏览量:26次

  • 数据治理新挑战:数据要素大规模流动

    数据治理新挑战:数据要素大规模流动

    “我们谈论大数据的时候在谈什么?”“数据生产要素、数据治理、隐私计算……这些都是关键词。”7月24日下午,2020年中国互联网大会“数据……查看详情

    发布时间:2020.07.31来源:知乎浏览量:65次

  • 数据治理和流分析的关系

    数据治理和流分析的关系

    借助流分析,可以通过智能数据模型和算法快速处理传入数据,以致在许多情况下,流数据没有机会被存储。与传统的分析过程相比,这是一个重要的变化……查看详情

    发布时间:2021.04.23来源:亿信数据治理知识库浏览量:45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