商业银行数据治理从源头抓起 坚持数据标准先行

发布时间:2019.09.04来源:知乎浏览量:78次标签:数据治理

随着移动互联网、大数据、云计算、人工智能等技术的发展,整个社会经济将迎来一场数字化的变革。银行作为技术高敏感的行业,每次重大技术创新都会对其运作模式产生影响,而此次数字化变革速度更快、影响更为深远,商业银行也将迎来一场数字化的变革。
数据治理
银行数字化转型的业务模式转变是目的,而技术的应用则是手段,最终数据的采集、整合、应用、管理才是银行数字化转型的基础。银行数字化转型工作的前提是通过完善数据治理工作,提升数据质量,充分展现大数据的价值。对于银行而言,提高对数据的管理与治理能力、强化数据资产理念、构建数字化经营能力是数字化转型工作的第一要务。  

数据治理三大举措创造数据价值
商业银行数据治理是一门将数据视为一项资产的学科。它涉及到银行以资产的形式对数据进行优化、保护和利用的决策权利。糟糕的数据管理意味着糟糕的业务决策和提供给违规更大的风险暴露。因此,就涉及到对组织内的人员、流程、技术和策略的编排,从而从数据中获得价值的最大化。

1、涉及数据体系架构的建立
首先,银行应该建立一个全行跨部门的、负责政策、标准和流程的数据治理管理部门,并明确数据的所有者、管理者和使用者,做到权责分明,为后续的数据治理打好基础。一般而言,这一管理部门承担银行数据管理者的职责,制定数据治理工作的各种流程、制度和办法,推动落实全行数据治理工作,建立决策、沟通、监控、考核机制,建立培训和推广机制,创造数据治理文化氛围。数据治理组织搭建的目的在于对数据管理工作与商业银行的业务发展进行协调和同步。数据治理组织在理想中应具备三层组织架构:顶层是数据治理委员会,由相关业务部门的领导组成;中间层是数据治理工作组,由协调数据治理具体工作的经理组成;基础层是数据执行组,负责日常的数据管理工作。只有得到高层支持,数据治理的效果才会显著,整个治理流程顺畅。

2、数据标准是数据治理的关键点
商业银行内部IT系统之间的“孤岛”现象是我国银行信息化建设的软肋和通病,而没有良好的数据标准或数据标准不能落地则是这一现象的症结所在。银行数据标准的问题突出体现为:数据来源多头,定义不一致,格式不统一,交换困难。因为数据常常在业务系统和特定的业务运营环境中产生,当数据被转移到分析环境或在企业级层面进行整合的时候,数据往往会出现不一致的问题。因此数据治理要坚持标准先行原则。此外,也要加强行业层面的标准化工作,积极参与和推动银行机构之间、银行与监管机构之间、银行与外部机构之间的信息交换和共享。以数据标准来推动行业深挖数据价值,提升信息化建设效能,进而全面促进数据标准的贯彻落实。

3、确保数据完整、准确、一致性,提高数据质量
数据质量管理工作主要包括两方面:
1、数据质量检验核查工作。包括建立数据标准项和主要源系统的数据映射规则,设计编写数据标准项的质量检验规则;完成数据质量问题检查,形成数据质量问题清单,对数据质量问题进行分析排查并协调、分发各系统解决等。

2、建立及落实数据质量考核评价机制。数据治理成功的重要表现,是使银行各级管理者和员工能获取准确的统计分析报表。如果银行的指标和报表数据经常发生错误,建设好的数据应用平台就会成为摆设。数据质量的提升和保障,最终目的是为了提高业务效率,确保数据的价值发现。
(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
  • 如何制定数据标准

    如何制定数据标准

    一般来说,对于政府,会有国家或地方政府发文的数据标准管理办法,其中会详细规定相关的数据标准。所以在此主要讲企业如何制定数据标准。……查看详情

    发布时间:2019.12.20来源:知乎浏览量:78次

  • 10个顶级元数据管理工具

    10个顶级元数据管理工具

    元数据管理解决方案监控整个生命周期中的数据,包括数据分析,数据价值,数据治理以及风险和合规性。……查看详情

    发布时间:2019.07.11来源:头条浏览量:185次

  • 数据治理概述

    数据治理概述

    每天,大学的数据都会被评估,创建,使用,存储,存档,报告或删除。数据治理为罗切斯特的这些信息的定义,交换,完整性和安全性设定了标准和协议……查看详情

    发布时间:2018.11.26来源:数据治理浏览量:149次

  • 读懂工业大数据 这篇文章不得不看

    读懂工业大数据 这篇文章不得不看

    工业大数据是互联网、大数据和工业产业结合的产物,是中国制造2025、工业互联网、工业4.0等国家战略在企业的落脚点。……查看详情

    发布时间:2019.03.27来源:亿信华辰浏览量:74次

  • 大数据治理 [Big Data Governance an Emerging Imperative]

    大数据治理 [Big Data Governance an Emerging Imperative]

    《大数据治理》是一个信息治理专家奉献的鸿篇巨制,作者以极其实用和通俗易懂的风格,倾心向读者解读大数据治理这一复杂主题。作为一家大公司的资……查看详情

    发布时间:2018.11.29来源:数据治理浏览量:90次

  • 数据治理(DG)

    数据治理(DG)

    数据治理(DG)是对企业中使用的数据的可用性,可用性,完整性和安全性的整体管理。健全的数据治理计划包括理事机构或理事会,一套明确的程序和……查看详情

    发布时间:2018.11.12来源:techtarget浏览量:89次

  • 云中的数据治理

    云中的数据治理

    IT中心,内部部署基础架构变得越来越复杂和昂贵,并且需要高技能的人力,因此企业现在将其IT和数据科学功能转移到云。云计算承诺提供低成本存……查看详情

    发布时间:2018.12.29来源:亿信华辰浏览量:74次

  • 不同部门的数据分析需求,如何满足?

    不同部门的数据分析需求,如何满足?

    让数据驱动落地企业,要先明确商业目的是什么,找到方向才能更好地指导业务。在互联网金融企业中,用户与交易额是各部门工作开展的核心所在。互金……查看详情

    发布时间:2019.01.27来源:亿信华辰浏览量:66次

  • 中小银行数据治理难点在哪儿?

    中小银行数据治理难点在哪儿?

    银行数字化转型是银行业伴随金融科技发展的必然趋势,而数据治理是实现银行数字化转型的基础。……查看详情

    发布时间:2019.12.13来源:CSDN浏览量:82次

  • 数据质量分析定义的六个阶段

    数据质量分析定义的六个阶段

    企业数据质量治理对象一般主要包括两类数据:一类是操作型数据,例如:主数据、参照数据和交易数据。……查看详情

    发布时间:2019.12.06来源:知乎浏览量:78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