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：2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

睿治智能数据治理平台

采集平台

数据集成管理

数据交换管理

管理平台

元数据管理

数据标准管理

数据质量管理

主数据管理

服务平台

数据资产管理

大数据治理解决方案

数据资产目录解决方案

主数据管理解决方案

数据交换共享解决方案

数据集成建模解决方案

说说银行业信息部数据治理的体验

试论加强数据治理能力的重要性

什么是数据集成？

创新者的破局之路：煤炭行业首个集团级数据治理项目落地

一文透露银行业的数据治理该不该做，又怎么做？

营造“三大环境” 让数据说话靠数据管理

为什么集成和治理对数据湖成功至关重要

数据信任是智能城市数据治理的一部分吗？

浅析数据治理与数据安全治理的概念差异

数据质量分析主要包括那些内容？

如何选择正确的数据治理工具