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

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。