银行的信息科技部门做数据治理的体验

从90年代末开始我国银行业信息化之路就已经开启，到了21世纪越来越多的银行开始利用数据进行更为精准的客户营销、提高客户服务水平、进行风险分析及反欺诈分析，数据价值日益体现。但是随着时间的推移也积累了海量的数据，如：客户数据、业务交易数据、内部管理数据、外部数据、系统日志等，然而海量的数据不仅意味海量的机遇，还意味着无尽的风险。目前我国商业银行普遍面临着数据质量不高、数据支持决策能力不足等问题。数据治理迫在眉睫。

国家战略层面，《中国银行业信息科技“十二五”发展规划监管指导意见》中指出：商业银行要重点加强对数据治理的制度建设和流程建设，建立和完善数据治理制度体系。

银监会方面，定期发布数据质量良好标准评估指南并对银行的数据治理等相关工作起到监督作用。

银行内部，感受数据问题的最前线，他们对数据治理的要求更迫切，国有四大银行统统开始以数据大集中为主线转型成为集数据分析、数据解读为一体的数据大行，数据治理已经成为当下大数据行业新的风口。银行高层对数据治理也是格外重视，内部信息科技部门吸收软件和经验逐渐将其纳入日常管理。

银行数据治理的现状：

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。

银行的数据治理怎么做：

老生常谈还是那几大块，但这也是谈数据治理绕不过去的关键步骤，如果下面几块都能做好，那这个银行的数据治理体系一定是走在国内前列的。

1、元数据管理

元数据意指数据的数据，即对数据的描述。元数据是数据对象的信息地图，通过元数据管理，能够勾勒出银行数据资产的整体视图，支持科学地制定信息数据管理政策。

商业银行应该建立一个体系清晰、内容全面、标准明确的元数据管理体系，紧密围绕国家相关标准和行业规范，充分结合商业银行自身的整体系统发展战略，全面考虑相关规范和管理要求的可持续发展和良好的操作性。

2、数据标准管理

要做好银行的数据标准，一是要从上至下认识到标准的重要性，制定从标准制定到使用至废止的全流程；二是在系统建设时就要按照标准设计，避免边治理边出现新的问题；三是要有配套的系统工具，以支持数据标准的有力落地。只有将数据标准贯彻到位才能起到积极的作用。

3、数据质量管理

树立“数据是资产”的理念，构建数据质量管理工作的组织体系；建设数据质量检核工具，完善全流程数据质量管理制度；建立成体系的数据质量监控、考核体系，制定数据质量提升规划。

4、数据集成管理

数据集成管理可实现跨部门数据的传输、加载、清洗、转换和整合，支持自定义调度和图形化监控，实现统一调度、统一监控，满足运维可视化需求，提高运维管理工作效率。

5、主数据管理

主数据管理对需要共享的数据建立统一视图和集中管理，为银行各业务系统数据调用提供黄金数据。

6、数据交换管理

数据交换的主要目的是实现对银行数据或信息的共享，满足银行日常经营管理和业务运营过程中的数据使用需求，以及满足外部监管需要。

7、数据资产管理

数据资产服务可以帮助商业银行更好的支撑各种数据的应用，丰富的服务接口拓展，支撑数据资产的多渠道应用，如数据共享、决策支持等，最终实现数据资产价值最大化。

8、数据安全管理

数据是银行的生命线，银行数据安全管理的目的就是保障客户基本信息、交易信息、账户信息的安全，避免将其泄露或遭到非法篡改。数据安全管理贯穿于数据治理全过程，提供对隐私数据的加密、脱敏、模糊化处理、数据库授权监控等多种数据安全管理措施，全方位保障数据的安全运作。

9、数据生命周期管理

商业银行积累了海量的数据信息，但不是所有的数据都具有相同的使用价值，随着时间的推移，有些数据被频繁访问和更新，但有些数据则很少被访问。事实上，数据同万物一样，是一种具有生命周期的资源，对数据进行生命周期管理，研究银行客户行为规律和金融业务需求已经成为金融发展的趋势和方向。