2018年5月，银保监会发布《银行业金融机构数据治理指引》，从数据治理架构、数据管理、数据质量控制、数据价值实现、监督管理等方面规范银行业金融机构的数据管理活动。这次是银保监会首次将数据治理提高到银行常规管理的战略高度，明确要将银行数据治理工作常态化、持久化，标志着我国银行业数据治理新时代的正式启幕。

本篇文章，笔者将为大家解读一下有关银行进行数据治理的三个问题，明确在行业快速变化的大环境下，如何建立健全数据治理长效机制，促进银行转型升级。

要明确三个问题：

1、银行数据治理的现状

2、银行数据治理体系框架

3、银行如何实施数据治理

我国银行数据治理的现状

我国银行业的信息化建设历经二十年的发展，目前已建立较为完备的信息系统，通过广泛的业务类型和多样的金融产品积累了大量的数据，而且数据管理在银行业发展普惠金融和绿色金融的道路上也发挥了关键作用。

近年来，国家监管层面不断完善数据治理工作，但目前商业银行数据管理仍存在一些突出问题：银行内部统计数据不完整，具有一定片面性；机构间统计标准不一致，数据搜集整合存在错配；数据分布零散化，未能实现大数据集中化管理；数据管理局部化，未能形成全生命周期性管理；数据风险管控机制仍存在不足；数据管理部门与银行业务部门之间未能形成良好协同，导致数据收集流程效率低下；数据挖掘与数据应用力度不足等。

进一步来看，数据管理体制不健全、内部管理职能不清等因素是导致数据问题的根本原因。因此，要持续、有序地推进银行的数据治理工作，仍需要解决下列问题：

1、缺少数据治理企业文化。全行企业文化的建设必须考虑到数据资产管理这个层面，从战略角度启动 、开展和推进数据治理工作，建立一种以数据资产为导向的企业文化，将数据治理、科技治理和公司治理有机的结合起来。

2、没有完善的组织和制度。随着数据治理工作逐渐被重视，银行内部已离不开一个企业级的数据治理职能组织。需要各个部门之间，尤其需要加强科技部门和业务部门之间的合作，才能最终高质量、高成效的完成数据治理工作。

3、未建立数据治理流程和有效的认责管理制度。由于没有完整的流程管理机制，一是会出现沟通成本高，协调难度大的问题。二是较少考虑数据复用和共享机制，不利于后续的系统整合工作。三是较少进行跟踪管理和规范治理，后续的认责机制不健全。

4、缺少数据治理各领域的管理体系。只有建立起全行级别的数据治理体系，整合行内人才资源，制定相应的管理制度和文化体系 ，完善数据治理流程管理，才能达到数据开发、共享、使用和管理的全方位良性循环。

建立银行数据治理体系

长期存在的数据问题如同连环琐一般，使得银行在进一步挖掘数据的深层次应用时障碍重重。因此，建立数据治理体系成为当务之急。

经过对银行的数据问题进行研究分析，发现银行数据治理体系是一个金字塔结构，依次为战略、机制、领域、技术支撑，从上至下指导，从下而上推进，形成一个多层次、多维度、多视角的全方位框架。数据治理体系框架如图所示：

战略：数据治理是在银行发展战略和规划的指导下进行实施的，这些战略和规划包括业务发展目标、IT规划以及数据治理相关的发展规划。

机制：机制是数据治理工作实施的基础保障，通过组织、制度、流程的建设和执行得以落实。机制是数据治理工作的重点，数据治理执行效果就是机制落实的效果。

专题：数据治理专题是数据治理的工作内容，包括数据标准、数据治理、元数据、主数据、数据生命周期等方面。

技术支撑：数据治理工作最终在相关制度、规范和流程下通过数据治理组织借助技术手段和管理手段来实现。包括系统开发阶段为提高数据质量进行的校验设计；系统日常运维工作；数据分析应用阶段的数据集成；数据质量监控等。

从上图可以看出，数据治理体系实质包含两个层面的内容：一是数据治理的核心领域，二是数据治理的保障机制。战略、机制及各领域的技术支撑是银行进行数据治理的保障机制。其关系如下图所示：

数据治理包含保障机制和核心领域两个部分，他们之间相互支撑，共同保障数据治理的全过程管理。保障机制提供制度和战略力量的支持，明确了组织架构、制度章程、流程管理和及时应用，用来规范数据治理的各个核心领域标准化实施；数据治理的核心领域提供了全方位的数据治理视角，从各个层面各个维度进行数据质量保障，通过相应的系统和技术对战略目标进行支撑和落地，两者之间应该是紧密配合的。

银行数据治理如何实施

数据治理领域包括但不限于数据标准、数据质量、元数据、数据模型、数据分布、数据存储、数据交换、数据生命周期、数据安全等内容。数据治理领域是随着银行业务发展变化的，领域之间的关系也需要不断深入挖掘和分析，最终将形成一个互相协同与验证的领域网，全方位地提升数据治理成效。

1、数据架构管理—规划并管理数据从产生端到使用端的分布、传输与存储的逻辑框架；

2、数据模型管理—企业的信息模型是企业数据标准的图形化展现；

3、数据标准管理—规范化企业重要活动及对象的数据记录格式；

4、数据质量管理—对数据的规范性、准确性、一致性、完整性、时效性进行持续监控和评估；

5、元数据管理—对企业数据资产的登记造册，并记录其相关性；

6、数据安全管理—对数据设定安全等级，保证其被适当地使用；

7、主数据管理—对企业关键的，跨系统共享的业务数据进行统一定义、集中保存、发布、更新及删除的过程；

8、数据生命周期管理—是对数据产生、存储、传输、使用和销毁全过程进行管理。

亿信华辰作为国内领先的智能数据产品与服务提供商，在长期的数据应用建设过程中积累了海量的数据治理案例和经验，已推出一站式数据治理管理平台-睿治，由元数据、数据标准、数据质量、数据集成、主数据、数据资产、数据交换、生命周期、数据安全等多产品组成，形成了一套从数据质量分析、问题发现、数据补录、流程管理到最后的绩效分析的全流程管理系统，帮助客户快速搭建起数据治理的全套管理流程和分析架构。

以中国农业发展银行为例，其以行长为核心建立了数据治理机构，数据治理由业务部门主导，IT部门执行，并且引入质量考核体系。亿信华辰为其构建出一体化的开发、调试、部署、运行和管理维护平台，规范数据的需求、设计、开发、集成、应用等环节，采集全行元数据，支撑了农发行数据标准落地、数据质量提升以及数据仓库的建设。

结语：我们正在步入数字化商业时代，数据治理理应上升为战略，实行数据的价值管理，并将数据治理活动渗透到银行的一切业务活动中。数据治理就是建立数据治理保障机制和完善数据治理核心领域的过程，两者相辅相成，保障机制是数据治理的战略指挥，核心领域是数据治理的枪支弹药。银行要打好数据治理这场持久战，就必须双管齐下进行建设。