商業銀行數據治理模式實踐研究

鄭權

摘要：數據是銀行業金融機構的重要資產，是商業銀行進行戰略決策、風險管理、業務創新拓展的基礎，而高質量的數據為支撐數據應用釋放更大效能。如何高效管理數據資產，提升數據質量，最大限度挖掘數據價值，是當前需要解決的問題。文章立足貴陽銀行實際，以金融機構監管政策為導向，對標同行業金融機構數據治理開展情況，充分剖析貴陽銀行數據治理問題，提出一種具有貴陽銀行特色的數據治理體系建設方案，推動銀行業金融機構高質量發展。

關鍵詞：數據治理;數據管理;數據標準;數據資產

一、金融監管政策背景

隨著金融監管政策不斷發展和銀行業務的日趨復雜，金融監管數據覆蓋范圍不斷擴大，銀行進行信用風險、流動性風險、市場風險、操作風險和資本管理的難度也不斷提升，對銀行業的數據質量和數據管理提出了更為全面的要求。全面、及時和準確的數據信息為銀行業監管和管理提供重要基礎和保障。

2018年，銀保監會印發了《銀行業金融機構數據治理指引》，旨在引導銀行業金融機構加強數據治理，提高數據質量，充分發揮數據價值，提升經營管理水平，全面向高質量發展轉變而制定的法規，其對數據治理架構、數據管理、數據質量控制、數據價值實現、監督管理等各方面提出詳細的要求。首次將數據治理提升到公司治理的戰略高度，要求董事會、監事會、高管層“兩會一層”明確數據治理職責、要求制定數據戰略、建議設置首席數據官，同時不區別對待國有銀行、股份制銀行和城市商業銀行、農村商業銀行或農村信用社、民營銀行、村鎮銀行及外資銀行。相比《良好標準》，《銀行業金融機構數據治理指引》標準更高、要求更嚴，一是管理對象全覆蓋、要求領域全覆蓋、數據范圍全覆蓋;二是向“兩會一層”直接問責，與公司治理評價、監管評級掛鉤;三是要求建立健全清晰的數據治理架構，歸口管理部門與業務部門職責邊界清晰，設置專兼職崗位、建立專業隊伍及數據文化。

2018年，國務院辦公廳印發了《關于全面推進金融業綜合統計工作的意見》，其總體目標是在互聯網、大數據、人工智能和實體經濟深度融合背景下，推進金融業綜合統計工作決策部署落實，建立科學統一的金融業綜合統計管理和運行機制，制定完善標準和制度體系，建設運行國家金融基礎數據庫，建成覆蓋所有金融機構、金融基礎設施和金融活動的金融綜合統計，完善大國金融數據治理，有效支持貨幣政策決策、宏觀審慎管理和金融監管協調，不斷提升服務實體經濟的能力和水平。

二、同業相關實踐

依托大數據、云計算、人工智能等技術發展，商業銀行只有擁抱數字化技術變革，不斷努力適應，才能在數據化浪潮中提升自己。在強化數據標準建設與元數據管理工作方面，商業銀行一直在為拓寬數據維度打基礎，利用元數據構建全行數據資產視圖。銀行數字化轉型工作的前提是通過完善數據治理工作，提升數據質量，充分展現數據價值。通過對國內數據治理開展比較早的建設銀行和南京銀行進行考察學習，發現有許多成熟的經驗值得借鑒。

（一）建立有效運作的組織架構

建行及南京銀行均完成了數據治理頂層組織架構設計，在高管層建立負責數據治理工作的領導、組織、協調和重大事項決策的數據治理委員會;在管理層設立數據管理部，作為全行數據管理牽頭部門，除負責數據治理的具體工作，還通過配置足夠具有計算機技術和金融、會計等相關專業知識的人才組成專門的執行團隊來開展全行級或專項級的數據治理、數據分析挖掘、創新型產品研發等相關工作;在執行與支持層，則以矩陣架構方式明確業務部門、技術部門與分支機構的數據管理責任與工作事項，確保各項數據治理政策與措施的有效執行，持續提升數據應用效能。

（二）多措并舉推進數據治理

1. 目標明確不動搖。提前謀劃數字化轉型、探索數據治理、并依托新一代核心系統建設完善數據標準，實現企業級、全流程的數據管控。

2. 領導重視保實現。成立了數據治理決策層，且在高管層均安排一名行領導負責管理、協調數據治理中涉及的跨部門資源，督促相關政策、策略和工作目標得以實現。

3. 整合資源成合力。除在組織架構中設立專職數據治理的管理部門外，還將與數據治理相關的技術、業務、數據人力資源進行整合，將這些資源全部集中于數據管理條線中，此方式不僅突出了該部門在支持數字化轉型目標的定位，利于發揮人力、物力和財力的資源聚集作用，而且消除了數據治理中常會遇到的推諉扯皮等內耗現象，提高了治理目標實現的成功率。

4. 明確責任常態化。構建了較完善的常態化數據治理責任體系，厘清了數據管理部、技術部門、業務部門以及下轄分支機構的數據認責和管理責任邊界，并通過數據管控平臺對系統層面的數據標準執行進行有效管控，確保數據質量管理水平提升。

5. 借力升級是關鍵。數據治理工作取得較大的成效，除了持續實施數據治理工作外，還充分借助核心系統升級換代的機會，將數據標準、數據質量管控流程有效整合到系統中，充分發揮數據管控平臺的作用。

6. 服務應用為驅動。將支持業務發展及管理所需的數據應用作為數據治理的驅動力，并在實施過程妥善處理好數據架構設計、數據標準執行與數據應用的關系。

三、貴陽銀行數據治理體系建設

大數據時代下，數據被認為是企業的一項重要資產，能給企業帶來經濟價值。在經濟業務活動中，會計主體可通過生產、采集、加工、購買等方式擁有并控制數據源，并且可以通過出讓數據、加工數據或提供數據服務來獲取利益，它能給會計主體帶來預期經濟利益或產生服務潛力。高質量的數據資產對企業經營風險具有抵補能力，企業通過高質量的數據資產進行風險管理，使企業風險計量處于合理水平，能預期降低企業主要資產的減值準備，達到提升企業經營利潤的目的。

根據《DAMA數據管理知識體系指南》定義，數據資產管理是規劃、控制和提供數據及信息資產的一組業務職能，包括開發、執行和監督有關數據的計劃。圍繞數據資產本身建立起一個可靠可信的管理機制，能夠通過數據資產管理清晰地知道相關數據的定義、數據之間的血緣關系，并可以驗證數據的有效性、合理性等數據質量指標。

高效數據管理的核心第一要務就是數據治理，規范且高質量數據是一切挖掘分析的基石。高質量的數據對于商業銀行進行風險管理具有舉足輕重的作用，同時對提升監管報送質量、監管評級更具意義。立足貴陽銀行實際，以金融機構監管政策為導向，對標同行業金融機構，建設具有貴陽銀行特色的數據治理體系。

（一）強化數據治理框架建設

1. 完善組織架構。根據《銀行業金融機構數據治理指引》要求，進一步健全貴陽銀行數據治理組織架構，建立以董事會、監事會、高級管理層為主要管理人的管理機制并將數據治理納入公司治理范疇，并將數據治理情況與公司治理評價和監管評級掛鉤;設立數據治理管理部門并配置相關專職崗位。

2. 實施數據認責。董事會、監事會、高級管理層根據指引要求，各司其職，強化頂層設計、制定數據戰略、審批授權、監督評價;法定代表人或主要負責人對監管數據質量承擔最終責任;明確歸口管理部門牽頭負責實施數據治理體系建設，開展數據治理研究、筑牢數據管理運行機制，推動數據在經營管理流程中發揮作用;明確業務部門或各分支機構數據治理責任。

3. 發布管理制度。管理制度是實施數據治理的基石和依據，應根據組織架構建設情況制定全面科學有效的數據管理制度。

4. 建設專業隊伍。通過科學規劃，設置合理薪酬水平，建立一支滿足數據治理工作需要的專業隊伍。

5. 弘揚數據文化。通過行內多種渠道傳播數據文化，使數據意識、數據思維逐漸深入人心，通過提升數據治理活動的重視程度不斷營造用數據說話、用數據決策、用數據管理、用數據創新的氛圍，逐步營造良好數據文化土壤。

（二）搭建數據標準體系

“車同軌、書同文、行同倫”是中國古代秦王朝進行政治、經濟、文化管理的頂層設計，這一理念至今仍然適用。數據標準對分散在各系統中的數據提供一套統一的數據命名、數據定義、數據類型、賦值規則等的定義基準，并通過標準評估確保數據在復雜數據環境中維持企業數據模型的一致性、規范性，從源頭確保數據的正確性及質量，并可以提升開發和數據管理的一貫性和效率性。數據標準是數據資產管理的基礎，是對數據資產進行準確定義的過程，對于一個擁有大量數據資產的企業，或者是要實現數據資產交易的企業而言，構建數據標準是一項極其重要的工作。數據標準的建立有利于規范全行員工數據意識，并盡早在新建業務系統中完成標準落地工作。

1. 建立標準。根據實際情況建立覆蓋全部數據的標準化規劃，遵循統一的業務規范和技術標準，包括金融機構術語標準、信息分類標準、數據通用標準、通用報文標準、產品服務基礎標準、存貸款標準、支付結算標準、銀行卡標準、擔保承諾標準、托管業務標準、投資銀行標準、投資理財標準、資金交易標準、電子支付標準、電子銀行標準、內控標準、檔案管理標準、組織機構管理標準、IT基礎設施標準、信息交換標準、信息安全標準、金融信息采集標準等內容。

2. 執行標準。新建系統應按照已建標準的內容毫無爭議地完成標準的執行;已上線系統應按照標準規范進行管理，一旦涉及變更，需立即執行標準內容;數據共享與數據交換應按照標準規范進行實施;數據倉庫應按照標準內容進行對照執行。

3. 管理標準。數據標準管理部門應督促標準執行，定期維護更新標準內容并及時發布;應在全行宣貫數據標準文化、各項數據共享、數據接口文檔按標準擬寫并持續推動數據標準應用。

（三）構建數據質量管理機制

通過確立數據質量管理目標、建立數據質量監控體系、建立數據質量現場檢查制度、建立監管數據質量管控制度、建立數據質量考核評價體系等方式促進數據的真實性、準確性、連續性、完整性和及時性，及時進行考核評價、通報問責，實現數據質量持續提升。

（四）建設數據管控平臺

所謂“工欲善其事，必先利其器”，建設一套在數據標準、數據質量、數據資產等方面符合自身現狀的數據管控平臺是大數據時代進行數據治理的關鍵和重要支撐。

1. 建設數控平臺，奠基質量管控基礎。數據管控平臺確保企業級數據標準落到實處，為各類業務系統、數據支撐平臺、數據分析應用提供一致的數據標準;聯動模型設計工具，在模型設計工具中自動落標，為數據支撐平臺不斷豐富行內、行外大量數據，提供書同文、車同軌的一致性數據標準服務;數據管控平臺收集存儲各個系統、環節的元數據信息，為數據資產盤點提供技術依據。繪制數據資產地圖，以知識圖譜的形式展現銀行數據資產分布情況、資產間影響度與血緣關系、元數據質量情況、標準執行情況等信息。

2. 落地治理體系，提升數據質量。數據管控平臺完善并管理基礎數據標準，實現智能對標自動落標，有標可依、有標必依、違標必究的目標;實現數據質量全生命周期管控，實現針對數據質量問題，及時發現、及時解決、解決效果及效率有機制可評價的目標;實現元數據全面采集、準確解析、全局展示，為掌握數據資產的整體布局、來龍去脈、變化影響等內容提供有力支撐;加強源系統數據字典及下游數據字典透明化管控。實現可視化展現數據字典引用次數、評價等統計分析結果;實現主題模型、概念模型、邏輯模型、物理模型的嚴格落標;實現與科技管理系統無縫對接、對數據類需求進行流程化、標準化管控，為管理科技需求提供有力支撐。

（五）引導數據價值實現

1. 助力全面風險管理。充分利用數據進行全面風險管理，持續改善風險管理方法，有效識別、計量、評估、監測、報告和控制各類風險;在風險管理策略方面，適時優化調整，提升有效性;充分發揮數據預測功能，助力風險預測與處置，把控未來風險發展趨勢。

2. 提升服務水平。運用挖掘數據技術，挖掘客戶需求，定向開發金融產品，提升客戶服務質量和服務水平;運用大數據技術，實現業務創新、產品創新和服務創新。

3. 提升經營利潤。運用高質量數據量化分析業務流程，減少管理冗余，提高經營效率，降低經營成本。

4. 強化內部控制。按照可量化導向，建立健全內部控制評價制度及質量監測機制，超前識別內部控制流程中存在的問題，評估影響程度并及時處理，持續提升內部控制的有效性。

5. 提升監管評級。充分提升監管數據質量，釋放高質量數據價值，提高監管評級等級。

參考文獻：

[1]中國銀行保險監督管理委員會.關于印發銀行業金融機構數據治理指引的通知：銀保監發〔2018〕22號[EB/OL].2018-05-21.http：//www.cbirc.gov.cn/cn/view/pages/ItemDetail.html？docId=271757 &itemId=861&generaltype=1.

[2]國務院辦公廳.國務院辦公廳關于全面推進金融業綜合統計工作的意見：國辦發[2018]18號[EB/OL].2018-04-09.http：//www.gov.cn/zhengce/content/2018-04/09/content_ 5280995.htm.

（作者單位：貴陽銀行股份有限公司）