金融机构数据质量迎来“大考” ,这个数据治理利器你值得拥有

发布时间:2021.01.29来源:知乎浏览量:4次标签:数据治理

金融机构数据质量迎来“大考”。近日,中国银保监会办公厅下发了《关于开展监管数据质量专项治理工作的通知》,此次专项治理工作要压实监管数据质量责任,以监管数据质量问题为导向,通过机构自查自评和监管检查评估双向驱动,促进银行保险机构在发现问题、分析原因、落实整改的过程中,不断提升监管数据质量。

关注四大数据质量
金融机构近年来在业务快速发展过程中,积累了客户数据、交易数据、外部数据等海量数据,数据已成为金融机构的重要资产和核心竞争力。

而当前,银行业金融机构数据质量存在较多问题,主要表现为数据准确性和完整性欠缺,时效性和适应性不足。近段时间以来,多家银行、保险公司因数据质量及数据报送存在违法违规行为,而领到监管罚单,并被通报批评,其中不乏大型金融企业。

此次银保监会聚焦的监管数据质量,是银行保险机构数据治理的重要组成部分。此次专项治理的数据范围包括监管数据及相关源头数据。根据同步下发的专项治理方案,此次数据质量治理主要关注数据四大质量:数据真实性、准确性、完整性、及时性等。

建立数据质量管理系统
评价数据质量高低,必然要从一致性、唯一性、完整性等几个角度对数据进行分析。由于目前银行业务高度复杂,一些重要数据通常涉及多个系统,比如对公客户的信息,通常在柜面业务系统、信贷系统、对公客户信息系统等中都存在,部分数据项出现重叠,有些数据项会不一致。由于银行系统中无论是数据项还是数据量都庞杂无比,靠人工对其质量进行筛查及检核是不可能,必须建设功能强大的数据核检工具。

1、建立数据质量管理系统
结合数据仓库等信息集成作用,对数据制定相应的数据质量检查规则,及时有效地发现数据质量问题,并予以解决。

2、要有数据质量检查工具
对数据进行及时监测,通过检查规则对数据进行检查,找出存在的数据质量问题,以便能及时对数据或程序进行整改,进而提高银行应用系统的数据质量。

3、建立检查与跟踪体系
发现问题后还必须对问题的治理进度进行跟踪,要确保问题得到有效解决,因此有必要建立数据质量问题的检查和跟踪体系,利用系统、人工等多种手段从多个渠道发现数据质量问题,并有效进行跟踪和治理。

利器:亿信数据质量管理平台
工欲善其事,必先利其器。数据核检工具主体内容是数据核检规则,这些规则要体现不同的数据质量要求,比如根据合规性要求,数据口径必须符合监管要求,就要将监管要求的数据口径转化为检核规则,再运用这些规则对各系统中的数据进行检核。另外,根据唯一性原则,需要对一些重要信息进行跨系统检核,判断其是否唯一。

亿信华辰数据质量管理平台EsDataClean提供了业界领先的全面质量评价方法、零编码质检规则定义、跨数据源比对、丰富的质量分析报告、数据整改、质量绩效评估、质量报告等主要功能,运用元数据管理、数据挖掘、数据分析、工作流、评分卡、可视化等技术,助力银行建立数据治理体系。

助力构建数据质量规则库
1. 内嵌13种规则,基本能覆盖目前数据质量相关问题。
2. 可由实施工程师在图形化界面上根据业务需求配置,无须编写脚本。
3. 如规则不够,还可以动态扩展。

灵活定义多模型质检方案、性能高效
1. 多点监测、多模型质检方案,高效调度,并发和串行处理相结合。
2. 性能高效,只需2分30秒,便可完成20条规则百万级数据的质量检查。

提供图文并茂的质量检查结果报告
1. 内置常规质检分析报告,实时可视化呈现对质检结果的分析。
2. 质检结果模型灵活扩展,充分利用了BI工具的分析展现能力,快速实现客户化扩展定制。

亿信数据质量管理平台已成功应用于多家银行机构,助力建设数据质量管理系统,部署了数据质量检查规则万余条,覆盖了上游各业务应用,检查范围涉及数据字段完整性、数据字段业务有效性、数字字段业务关联性、数据字段业务唯一性等各个维度,从而实现对数据质量的全面监控。

总的来说,在整个数据治理环节,亿信数据质量管理平台从找到问题数据开始,控制数据质量,贯彻始终,全面提升数据的完整性、规范性、及时性、一致性,减少因数据不可靠导致的决策偏差和损失。金融机构以规范和制度为约束、以工具为辅助、以系统为支撑,必能轻松完成数据质量大考。

(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