銀行數據治理體系建立及治理成果研究探討

文| 劉彩霞

引言

伴隨信息技術的快速發展，信息系統日益在銀行業中得到普遍應用，隨著銀行業務的不斷擴展，日常工作中的交易信息、客戶信息等匯集后形成了海量數據，能夠科學有效利用好這些數據，對銀行來說是重要的財富，對銀行進行戰略部署、風險管控、業務拓展等具有重要意義。但是，如何利用銀行數據，保障數據安全，是銀行業普遍面臨的難題，因此數據治理便應運而生。目前來看，學術界、銀行業對數據治理還沒有一個標準的、統一的概念，但數據治理的目標和任務卻得到大家普遍認可，即對銀行數據資產進行管理和控制，實現數據的整合運用。

銀行業數據治理取得的成果

提升數據服務水平

銀行數據治理是對銀行所收集的數據進行集中統一梳理，有利于提升銀行業務部門和各級分支機構的數據利用效率，從而提升銀行數據的服務水平。在銀行數據治理的過程中，對客戶信息、交易信息等會按照統一的標準進行集中整合，能夠全面客觀地分析銀行數據的價值和利用使用方向。隨著信息技術的深入發展，通過大數據技術實現“數據地圖”等可視化數據服務，提升數據資產易用性，已成為銀行業數據治理的重要方向。

打破銀行數據孤島

在銀行數據治理體系建設過程中，對銀行源數據管理平臺進行了進一步完善優化，使數據共享能力得到進一步提升。在一個銀行系統中，可以實現總行能夠對各級管轄行，各級管轄行對各級管轄支行等自上而下機構層級，數據的層層管理和管控，不斷提升數據整合的縱向和橫向的發展力度。數據實現整合運用后，會打破銀行各部門間的信息孤島，使數據能夠融合使用，實現信息數據的共享。

提升銀行工作效率

銀行業實行數據治理，可以實現數據資產分析和系統平臺等開發應用的成果共享。外部數據庫、數據分析成果、IT條線的系統開發成果在總行各條線間、各分支機構間共享，避免工作的重復和遺漏，進而提升銀行在內部數據使用及外部監管報送方面的工作效率。

完善銀行數據治理體系策略分析

完善數據治理體系的框架結構

數據治理和數據管理雖然意思相近，但工作卻相差比較大，數據治理更偏重信息技術的應用，將技術與管理融合地更加完美。在銀行業的數據治理體系中，應該建立完善相應的治理框架。要對體系的組織結構、數據標準、技術應用、流程規定等內容進行及時的優化和完善，確保體系的建設符合最新的銀行需求。同時，還要對銀行數據治理的發展戰略、規劃制定、組織機制建設、實施路徑等內容進行更新和優化，確保為銀行數據治理提供正確方向。

在銀行業的數據治理體系中應該包含很多子體系，包括但不限于數據治理的組織、管理和執行等體系。在所有的子體系中，組織體系為構建數據治理總體系的組織架構提供了重要的保障作用；數據標準的制定和數據質量的管理以及數據資源共享共建等方面是數據管理體系的重要內容，在對數據的質量進行管理時應當先建立數據標準體系，只有數據管理的質量提高才能保證數據資源的價值；對數據治理的技術工具等進行具體地操作和執行是數據執行體系的重要內容，在數據執行體系中還需對數據管理的結果進行考核和評價，對數據管理中出現的問題及時反饋并做好跟蹤處理。

統一數據標準體系

建立統一的數據標準體系，是確保數據治理質量和提升數據治理效率的重要保障，在數據治理工作中發揮著“穩定器”、“壓艙石”作用。銀行可以根據業務種類、受理渠道、產品及客戶類型等逐步建立數據標準體系，通過建立一套完整的規則和流程，這樣便可以實現數據標準的一致性，方便數據進行交互和共享。另外，建立統一的數據標準，還可以保證數據在生成、存儲以及傳遞等環節的數據的完整性、連貫性和統一性。在數據標準體系建設的過程中，要按照一定的原則進行工作，要堅持循序漸進、完善優化、監管并重等原則。

數據的標準體系建設工作是一項任務艱巨、耗時較長、流程復雜的工程，這就需要銀行管理者要有高瞻遠矚的戰略眼光和意識，制定切實可行的實施措施，有步驟地將工作進行到底。數據標準體系建設完成之后，要重視后期的維護更新等工作，實現體系緊跟業務走，增加體系建設的時效性。在對數據標準體系進行維護更新時要嚴格按照相關流程進行，增加數據管控的有效性，強化數據管理的審核，切實保障數據標準體系建設的正確性和科學化。

加強數據治理

眾所周知，銀行業的數據種類眾多、總數據量龐大，數據從最開始產生到最后的被使用，整個過程周期比較長，因此，要想提高銀行數據治理的質量和水平，則需要對數據的產生、使用等各個環節進行嚴格管理和控制。對數據的治理要從以下幾方面進行。

一是要確保數據產生之初的準確性和可靠性。銀行可以通過制定相應的業務規范、技術標準、有效測評等方式方法來確定所收集到的信息的可靠性和準確性，從而為數據治理打下堅實基礎。二是要保障數據在不同部門、不同級別的銀行之間傳輸的安全性和完整性。在銀行業中，總行、分行、支行及網點等各級別銀行在數據傳遞等方面有大量數據要傳遞，這就需要各個業務流程要采取各項具體的有針對性的保護措施，從而保障數據傳輸的安全和流暢，提高數據傳輸的工作效率。三是數據存儲過程中要嚴禁數據泄密，針對不同的數據采取不同的存儲策略，可以利用不同屬性的介質，也可以采取數據的異地備份等，定期對數據的安全進行測試，多措并舉確保數據安全。四是數據分析過程，這一過程至關重要，數據利用的多寡直接關系到數據對銀行策略規劃和執行指導力度的大小。五是數據銷毀過程，這一過程中的數據是已經利用完畢不再產生二次價值或者數據超過了保密期限等，很多數據會涉及到客戶的個人信息、重要項目信息等重要隱秘信息，因此對銀行數據的銷毀一定要嚴格按照相關制度規范和操作標準執行，確保銷毀數據的手段和工具安全，對銷毀的具體數據等要進行詳細記錄。

建立高質量的數據管理模式

在數據治理各環節中，數據管理是一個非常重要的環節，數據管理的質量高效、優質有利于為銀行提供科學、正確、客觀的決策，因此在銀行業中對數據管理格外重視。

數據管理是對上文提到的數據治理中5個環節中出現的問題進行有效地監管和梳理，對各環節中出現的問題，及時進行化解，避免數據隱患存在。建立高質量的數據管理模式，應該配備專業的人才團隊，對相關數據管理制度進行修訂和完善，優化管理流程，提高管理人員數據管理意識，提高銀行從業人員對數據管理的重視程度。加大投資力度和規模，為數據管理提供強大的技術保障和支持，尤其是對系統開發過程中的校驗技術，應該加大檢查和測試的力度，禁止銀行人員違規操作，降低數據管理風險。

結語

目前，各行各業都已進入大數據時代，大數據在銀行業的服務中所占據的比例也越來越高。在大數據時代背景下，對銀行業的數據進行高效治理，對銀行戰略部署和日常管理工作等會提供科學客觀有效的智力支持，以此不斷提高銀行的核心競爭實力，在激烈的市場競爭中取得立足之地。因此，在實際工作中，商業銀行應該不斷提高數據治理的能力，完善相關工作體制機制，建立高效的治理體系，積極摸索出一條符合銀行業發展的具有特色的數據治理路徑。