加強數據質量管理 提升經營決策水平

“大數據時代來臨”是近兩年的熱門詞匯。在大數據時代，通過對海量信息的收集、處理、分析，原本紛繁復雜、支離破碎的人類行為變得有規律可循，而基于數據及其分析之上的決策已成為最為普遍的決策模式。

作為經營風險的企業，各家銀行面臨的一個現實問題就是：如何通過對數據的處理，找到目標客戶，防范和化解風險。有效收集數據、分析數據、利用數據的前提，就是加強數據質量管理，增強整合數據的能力，真正樹立“數據也是資產”理念，從根本上轉變商業銀行傳統的經營決策模式。

當前商業銀行數據質量中存在的問題

從中資銀行信息系統建設的歷史看，大都經歷了一個從分散到集中、從局部到整體的過程，比如國有商業銀行早期的系統建設大部分是以二級分行為單位開展的，到上個世紀90年代才逐漸走向統一、集中。初始系統中的數據格式、數據名稱、數據標準都很不統一，通過近十多年的整合、梳理，目前才形成了較為統一的數據管理體系。城商行、農商行更是從過去多級、多頭法人體制演變而來，數據質量中存在的問題更多、更明顯。從評價數據質量的角度看，各銀行數據質量存在的問題主要有：

無法滿足一致性和完整性要求。一致性是指相同的指標在不同的系統中應該一致。但在各銀行的現行系統中，很多數據都不一致。比如標識個人客戶的“性別”，有的系統用“01”、“02”標識，有的則用“A”、“B”標識；還有標識企業經濟性質的字段有的系統叫“企業性質”，有的系統又叫“公司性質”或“公司類型”。由于各系統間廣泛存在的指標、字段不一致現象，使系統間的數據交換需要建立復雜的映射關系，導致數據交換、加工的困難。隨著銀行業務復雜性和監管要求的提高，對客戶信息、業務信息的要求越來越高。比如銀行在開展同業業務時，不僅需要業務本身的期限、金額、利率、起始日、到期日等信息，還需要交易對手的信息。還有在判斷業務風險時，對集團客戶、關聯客戶信息的需求越來越多。但很多銀行并沒有建立起相應的信息系統，對很多信息都不進行采集。甚至對一些客戶的通訊地址、郵箱、手機等重要溝通信息也存在缺失的現象，這就導致客戶或業務信息的不完整。

無法滿足合規性、唯一性、有效性要求。銀行作為受監管最為嚴格的金融企業，幾乎所有的業務都有明確而且嚴格的監管要求，即使是一些創新業務，也會在很短的時間里出現監管規則。這就對銀行信息系統的功能和適應性提出很高要求。比如近幾年出現的“理財業務”，剛開始有的銀行將其放在表外核算，后來有的銀行只將“非保本理財”放在表外核算。但隨著監管要求的提升，關于“理財產品”核算和統計也出現了新規范，要求銀行必須及時適應，否則就會出現不合規的問題。在銀行對客戶信息及交易行為進行記錄時，某個特定信息在數據集中不應該有重復值。但由于過去業務操作不規范，而且內控體系不嚴密，數據的唯一性無法得到保證。比如“客戶號”作為客戶的重要標識，在核心系統中應該是唯一的。但在實際業務中，有的客戶既用身份證開戶，又用戶口本開戶，還用護照開戶，導致出現多個客戶號。如果從跨系統的角度考慮這一問題，問題將更為突出。隨著銀行業務品種的不斷增加，銀行業務系統的數量也不斷增加。為了確保業務數據能夠在系統間進行有效處理，業務數據都應該遵守統一的數據格式。而在實際工作中，各系統建設的時間早晚有差異，有的系統是行內自主開發，而有的系統則從行外采購，遵循的數據格式各不一樣。這就導致系統內數據無法進行有效的加工，從而滿足分析和統計的要求。

無法滿足及時性、可獲取性、準確性要求。在銀行經營管理架構中，業務系統建設通常由業務和信息技術部門負責，其重點在于業務運行正常。當國家相關部門，如標準、統計、監管等對數據標準、數據口徑有新要求時，通常又由負責統計分析的部門來落實。工作目的和要求不同，導致新口徑、新標準在落實中，常常滯后于相關政策的要求，這就使數據的及時性要求無法得到滿足。在日常經營決策中，銀行綜合管理部門應該可以方便、簡易地獲得行內各業務系統的數據，各業務部門也應該可以方便地得到本地業務數據。但在實際工作中，由于系統數量較多，系統功能差異明顯，以及人員流動等原因，行內各系統“有什么數據”和“數據在哪里”常常成為困擾管理人員的難題。另外，由于部門數據需要經過多次加工，需要整合多個系統的數據，也使數據的可得性大大下降。比如某一時間點客戶的“授信使用率”，就需要整合授信管理、信貸管理、債券投資、票據貼現、國際業務等多個系統的數據，還要考慮多個幣種的折算。正因為存在上述問題，對數據質量最重要的準確性要求就很難得到保證。數據準確性不高，必然導致分析的偏差和決策的錯誤。

數據質量問題對商業銀行經營決策的影響

從近十多年全球銀行業發展的趨勢看，在整個經營過程中，強化數據整合能力，通過數據分析確定發展戰略，全方位地推行數字化管理成為先進銀行的共同選擇。從最近風起云涌的互聯網金融發展路徑看，更是將數據積累、數據處理、數據分析的優勢發揮到了極致：通過對海量數據的分析，阿里小貸可以達到日放貸10000筆的量級?？梢灶A期的是，隨著經驗的積累、模型的優化、信用環境的改善、風險控制能力的提高，互聯網金融公司必將對傳統銀行業形成重大沖擊。在利率市場化不斷加快、行業競爭日益激烈的背景下，數據質量問題已經成為決定商業銀行生死存亡的關鍵因素。

達不到監管要求，在全球經濟一體化趨勢持續加快的推動化，影響一國經濟金融穩定的因素越來越多。為了做好系統性風險的識別和防范，監管部門對監管統計數據質量的要求不斷提高，比如對風險敞口的監測，對銀行交易對手風險程度的判斷，對影響銀行流動性風險、信用風險相關因素的分析，還有對銀行創新業務的規模等。這些監管要求對銀行數據的完整性、及時性等提出了更高要求，數據質量管理工作薄弱的銀行越來越難以達到監管部門的要求。

找不到目標客戶，在利率市場化穩步加快的背景下，各銀行受保護的利差收益將逐步消失。細化市場分工、突出自身優勢、實施差異化經營成為銀行參與競爭的必然選擇。但在客戶信息和交易數據積累不足的情況下，無法對客戶風險度、貢獻度進行度量，難以確定適合自身能力的目標客戶群，也難以制訂有針對性的價格體系服務客戶。

績效考核不到位，隨著現代商業銀行經營管理水平的提高，精細化管理要求各銀行要通過實施管理會計實現按產品、機構、部門、渠道、員工等進行核算和評價，這就要求相關部門可以精細、準確、及時地得到銀行的經營數據。這對許多銀行的的數據顆?；潭?、會計科目的設置等都提出了更高的要求。

風險管理難以細化，且風險管理是銀行經營的永恒話題。商業銀行在開展業務的過程中，須對客戶、行業、區域，甚至國家的風險進行量化評估，做出是否進入，及如何定價的經營決策。此外，對風險承受度評估的壓力測試也對數據質量有很高的要求。在數據質量存在問題的情況下，風險管理不可能實現細化和量化。

影響產品創新，現代商業銀行的競爭歸根結底是產品的競爭，是服務能力的競爭。銀行的產品創新總體上可以分成兩種：一是填平補齊式的，主要解決人有我無的問題；二是獨創領先式的，主要確立人無我有的優勢。要提高這兩種創新的針對性、有效性，都需要對產品本身的成本、風險，以及客戶的需求、偏好進行分析，這就需要有大量高質量的數據做支撐。

加強數據質量管理的建議

近十年來，各商業銀行對數據價值的認識不斷深化，幾乎所有的銀行都在數據集中、信息系統建設、內部制度建設等方面加大了投入，中國人民銀行、中國銀監會等金融管理部門也對銀行的數據質量管理提出了更高要求。從各行的實踐看，全面提升數據質量，需要多管齊下，建立全方位的提升數據質量管理體系。

要樹立“數據是資產”的理念，構建數據質量管理工作的組織體系。在傳統的銀行經營管理中，對貸款、投資、同業拆放等盈利性資產比較重視，后來逐漸對品牌、軟件等無形資產較為重視，部分銀行對抵債資產、自用及非自用不動產也非常重視。隨著信息技術的發展，“數據也是資產”的理念日益得到銀行的認可。從現在的發展方向看，“客戶粘性”已經成為影響銀行經營的一個重要因素。比如有的客戶只在某家銀行有筆存款或貸款，而沒有其他業務，銀行就無法獲得其他經營信息，無從對其風險度、經營偏好進行分析，也無法持續開展新業務、增加中間業務等收入。銀行的持續經營和發展，需要的是大量有“粘性”的客戶，有“粘性”的客戶才是銀行忠實的客戶，才是可以為銀行帶來持續收入和持續合作的客戶。要提高客戶的“粘性”，就要為客戶創造價值，和客戶同步成長。由于競爭的加劇，銀行和客戶的互動關系正朝著“給客戶帶來價值——客戶粘性增加——產生大量交易數據——對數據進行分析和決策——有針對性地研發產品——進一步提升客戶價值”的邏輯發展。數據質量管理工作的專業性強、涉及面廣，與行內所有的業務部門都有關系，與風險管理、營運、計劃財務等綜合管理部門以及信息技術等部門也密切相關，要做好數據質量管理工作，必須建立歸口管理明確、分工細致、團結合作的組織體系。目前有的銀行是成立了專門的管理信息部，或信息中心牽頭，相關部門配合，有的行則由計劃財務部或信息技術部牽頭，其他部門配合。無論是哪種模式，一個完善的組織體系是做好數據質量管理工作的基礎條件。

建設數據質量檢核工具，完善全流程的數據質量管理制度。評價數據質量高低，必然要從一致性、唯一性、完整性等幾個角度對數據進行分析。由于目前銀行業務高度復雜，一些重要數據通常涉及多個系統。比如對公客戶的信息，通常在柜面業務系統、信貸系統、對公客戶信息系統、國際業務系統等中都存在，部分數據項會重疊，有些數據項會不一致。由于銀行系統中無論是數據項還是數據量都龐雜無比，靠人工對其質量進行篩查及檢核是不可能的，必須建設功能強大的數據檢核工具。數據檢核工具的主體內容是數據檢核規則，這些規則要體現不同的數據質量要求，比如根據合規性要求，數據口徑必須符合監管要求，就要將監管要求的數據口徑轉化為檢核規則，再運用這些規則對各系統中的數據進行檢核。另外，根據唯一性原則，需要對一些重要關鍵信息進行跨系統檢核，判斷其是否唯一。從各銀行情況看，部門林立、系統眾多、規模龐大、業務繁雜是當前中資銀行的基本特點。在這種格局中，開展數據質量管理工作必須有完善的制度作為依靠。從全行管理的角度講，要有各部門的分工、職責等制度；從基礎制度講，要有關于數據標準、數據口徑、名詞解釋的制度；從具體操作看，要有查詢、上報、糾正、考核等制度；從系統開發與運作，要有需求討論、系統開發、標準落地、維護升級等制度。這些制度有些偏業務，有些偏技術，有些需要二者緊密結合。總之，只有通過建立這些制度，才能形成一個有利于進行數據質量管理的制度環境。

加強信息系統建設的標準化建設，不斷提升數據源質量。自從人類進入大工業時代后，標準化就是各個行業努力的方向，銀行業也不例外。信息系統建設標準化需要從三個層次去理解，一是信息的標準化，比如MrM0UFu1YWIJCcZx2jGbUA==銀行各個系統中數據項的名稱、內涵、格式要標準，不能出現同一個數據項有不同含義的現象；二是系統開發的流程要標準，這樣才能保證質量和進度；三是系統的信息交流要標準，比如接口標準、數據格式、先后順序等。只有建立完善的標準體系，各類銀行業務數據、客戶信息才有評價的依據。在銀行業務渠道日益多元的現在，銀行數據的來源也隨之多元化。既有傳統物理網點里柜員辦理業務產生的數據，也有客戶經理通過接觸客戶產生的數據，還有客戶自助業務時通過ATM、電話銀行、網上銀行產生的數據，還有銀行通過一定規則，批量交易產生的數據。要保證這些數據的準確性、可用性，就必須采取有區別的措施保證數據源的質量。比如對于在客戶自助業務中產生的數據，要通過設置必輸項、選輸項等強制性地規定一些關鍵信息的錄入，還要通過下拉菜單的形式減少客戶隨便輸入的可能性。對于客戶經理錄入的數據，要通過定期的檢查、有針對性的培訓、有組織的補錄和有條件的修改來確保數據的質量。數據源質量的高低決定了數據質量的整體水平。

建立成體系的數據質量監控、考核體系，制訂數據質量提升規劃。由于數據質量管理工作涉及銀行的前臺、中臺甚至后臺，既涉及總行部門，也與支行的柜員、客戶經理有緊密聯系。僅僅有操作手冊、業務制度還是不能保證數據質量的，必須要建立多層次的數據質量監控、考核體系。比如董事會應該將數據質量納入內部審計工作范圍，把數據質量作為評價經營層績效的重要方面；銀行績效考核部門應該將數據質量納入部門、機構的績效考核中；歸口管理部門應該通過日常監管和例行檢查，對相關部門和支行的數據質量管理工作進行監測和評價；支行則應將數據質量考核納入本支行的考核方案。只有對數據質量開展有效監測，將其納入績效考核方案，所有制度才有可能得到執行，數據質量才有可能得到持續提升。各商業銀行要在互聯網時代、大數據時代爭得發展先機，必然要將提升數據質量作為管理工作的重點內容。受各行信息系統建設的歷程、路徑各不相同，數據標準化程度也存在較大差異，制度建設和管理體制千差萬別等條件的約束，提升數據質量必然是一個長期工作。各行需要通過全面評估本行的數據質量，根據不同數據對本行業務的不同影響，制訂系統的提升數據質量規劃，分步驟地解決數據質量問題。比如對于重要客戶重要標識的唯一性問題，可能需要盡快予以解決；對于客戶信息完整性問題，可能要考慮業務規模、管理模式逐步予以解決；對于標準化問題，需要按“新系統新要求，老系統分步走”的模式予以解決?？傊?，數據質量的提升不可能一蹴而就，需要通過較長時間的不懈努力，需要通過有目標、有秩序的規劃，逐步使銀行內的海量數據變成經營決策的基礎，變成貢獻銀行利潤的“金礦”。

（作者單位：北京農商銀行計劃財務部中央財經大學金融學院）