说说银行业信息部数据治理的体验

发布时间:2020.02.21来源:知乎浏览量:5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。12年我们为银监会课题写过一个数据治理机制研究与实践,14年工行和邮储又合写了一本数据治理的书,里面的内容都属于广义的治理了。

说说经验,数据治理强调两点,一是高层支持,二是各部门广泛参与。这两点在我行都贯彻的不错,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,所以想深入了解的话,可以找工、农、建、交、浦发、光大的同学聊,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。(送个知识点:银行的数据治理最佳实践,分为包括建行和不包括建行的两个版本)

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。

更具体的,

  • 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。
  • 亿信华辰的睿治充分能够满足需求,让你的数据治理有方,清澈如水!

    (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
    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