新闻资讯

银行数据治理实践中的难点及工作方法

数据治理越来越受到银行、监管机构乃至国家层面的重视。银行已经意识到高效的管理体系、统一的数据标准、良好的数据质量才是数据价值实现的基础。在实践中,国内银行对于数据治理如何开展存在诸多的困惑,数据治理工作的落地也面临着众多的困难与挑战。

数据治理

一、数据治理实践面临的难点
银行在数据治理实践过程中主要面临的难点:数据管理各项工作庞杂,如何体系化的规划开展?数据治理组织架构如何有效运行和落地?如何通过数据资产的盘点工作开展数据认责?如何通过系统化工具减少数据管理的手工工作?如何通过内控和审计促进数据治理工作的开展?

二、银行数据治理的工作方法

1、体系规划:需要充分结合自身发展战略的要求来制定数据战略,通过搭建完整的数据治理体系框架,整合联动数据管理各项工作,服务业务,实现数据价值。体系化的建设内容可以包括四个层面。数据治理层面:数据治理的模型,管理的组织架构,岗位要求,制度办法,管理流程等;数据管理层面:数据架构与共享,数据模型管理,数据标准管理,数据质量管理,数据安全管理,主数据管理,元数据管理等;数据应用层面:数据与应用开发管理,数据需求管理等;技术工具层面:管理流程工具。


2、顶层设计:有效的组织架构是数据治理成功与否的有力保证,为达到数据战略目标,建立体系化的组织架构、明确职责的分工是非常必要的,很大程度上取决于决策层对于数据治理的决心。


3、数据治理工作:银行可以从业务和技术两个不同的视角分头开展梳理盘点工作。业务视角是自上而下的演绎,包括从业务价值链,数据应用场景进行业务说数据的梳理分析。技术视角则是自下而上归纳,以银行现有信息系统为基础,整理相关信息表和信息项的情况。最终两者整合,形成银行数据治理第一阶段工作成果《数据资产清单目录》。

4、数据资产清单:最重要的步骤是数据认责(确权),可根据数据录入部门、数据需求提出部门、数据标准管理部门、信息系统业务主管部门等不同的方式进行依次认责,保障所有的数据都可以认责到部门。

5、数据管理工具:数据管理工作内容覆盖全行的各条线,无论是新产品建设,信息系统改造,都涉及到相关的数据管理工作。数据管理工具会有以下的三种建设方式:

1)、整合数据门户建设,统一数据入口。该方式整合数据应用,数据分析工具入口,将数据管理的内容2作为服务提供给业务部门,同时在应用中嵌入管理的要求。

2)、数据流程管控,强调绩效考核。该方式关注流程落地,关注绩效数据,通过报表平台化的方式管理标准落标,质量水平,问题整改情况等。

3)、构建社区沙龙,建设企业数据文化。基于数据资产和数据管理的各项成果,采用全行数据社区化管理,引入社交的方式,用户可对内容进行点赞,点评和讨论。

6.审计评价:基于监管机构的最新指引和银行数据管理制度要求,银行内部应开展数据治理审计工作,识别数据治理违规、薄弱的控制环节与执行缺陷。

审计工作的第三道防线,应构建银行的数据治理审计框架,通过审计促进数据治理工作的开展,保障数据价值的实现。审计的过程中,除了关注数据管理的各项流程之外还应关注和检查“数据”本身。需要根据数据与流程现状,以银行的管理目标,风险导向的方式确定审计框架,保障审计内容的覆盖面。

同时,开展定期开展数据治理各项工作的评估,建立评估机制,落实评估程序,积极对评估过程中的不足进行改进,不断推进问题整改完善数据管理工作。

总之,数据治理是一项长期动态的过程,是银行管理者意志贯彻的工程,银行不应抱有“毕其功于一役”的想法与态度,而应从战略指导、组织架构、管理流程等从上到下的思想转变,合理规划,稳扎稳打,同时也不能畏难而止步不前。

(部分内容来源网络,如有侵权请联系删除)


推荐阅读 查看更多