银行数据治理体系建立及治理成果研究探讨

文| 刘彩霞

引言

伴随信息技术的快速发展，信息系统日益在银行业中得到普遍应用，随着银行业务的不断扩展，日常工作中的交易信息、客户信息等汇集后形成了海量数据，能够科学有效利用好这些数据，对银行来说是重要的财富，对银行进行战略部署、风险管控、业务拓展等具有重要意义。但是，如何利用银行数据，保障数据安全，是银行业普遍面临的难题，因此数据治理便应运而生。目前来看，学术界、银行业对数据治理还没有一个标准的、统一的概念，但数据治理的目标和任务却得到大家普遍认可，即对银行数据资产进行管理和控制，实现数据的整合运用。

银行业数据治理取得的成果

提升数据服务水平

银行数据治理是对银行所收集的数据进行集中统一梳理，有利于提升银行业务部门和各级分支机构的数据利用效率，从而提升银行数据的服务水平。在银行数据治理的过程中，对客户信息、交易信息等会按照统一的标准进行集中整合，能够全面客观地分析银行数据的价值和利用使用方向。随着信息技术的深入发展，通过大数据技术实现“数据地图”等可视化数据服务，提升数据资产易用性，已成为银行业数据治理的重要方向。

打破银行数据孤岛

在银行数据治理体系建设过程中，对银行源数据管理平台进行了进一步完善优化，使数据共享能力得到进一步提升。在一个银行系统中，可以实现总行能够对各级管辖行，各级管辖行对各级管辖支行等自上而下机构层级，数据的层层管理和管控，不断提升数据整合的纵向和横向的发展力度。数据实现整合运用后，会打破银行各部门间的信息孤岛，使数据能够融合使用，实现信息数据的共享。

提升银行工作效率

银行业实行数据治理，可以实现数据资产分析和系统平台等开发应用的成果共享。外部数据库、数据分析成果、IT条线的系统开发成果在总行各条线间、各分支机构间共享，避免工作的重复和遗漏，进而提升银行在内部数据使用及外部监管报送方面的工作效率。

完善银行数据治理体系策略分析

完善数据治理体系的框架结构

数据治理和数据管理虽然意思相近，但工作却相差比较大，数据治理更偏重信息技术的应用，将技术与管理融合地更加完美。在银行业的数据治理体系中，应该建立完善相应的治理框架。要对体系的组织结构、数据标准、技术应用、流程规定等内容进行及时的优化和完善，确保体系的建设符合最新的银行需求。同时，还要对银行数据治理的发展战略、规划制定、组织机制建设、实施路径等内容进行更新和优化，确保为银行数据治理提供正确方向。

在银行业的数据治理体系中应该包含很多子体系，包括但不限于数据治理的组织、管理和执行等体系。在所有的子体系中，组织体系为构建数据治理总体系的组织架构提供了重要的保障作用；数据标准的制定和数据质量的管理以及数据资源共享共建等方面是数据管理体系的重要内容，在对数据的质量进行管理时应当先建立数据标准体系，只有数据管理的质量提高才能保证数据资源的价值；对数据治理的技术工具等进行具体地操作和执行是数据执行体系的重要内容，在数据执行体系中还需对数据管理的结果进行考核和评价，对数据管理中出现的问题及时反馈并做好跟踪处理。

统一数据标准体系

建立统一的数据标准体系，是确保数据治理质量和提升数据治理效率的重要保障，在数据治理工作中发挥着“稳定器”、“压舱石”作用。银行可以根据业务种类、受理渠道、产品及客户类型等逐步建立数据标准体系，通过建立一套完整的规则和流程，这样便可以实现数据标准的一致性，方便数据进行交互和共享。另外，建立统一的数据标准，还可以保证数据在生成、存储以及传递等环节的数据的完整性、连贯性和统一性。在数据标准体系建设的过程中，要按照一定的原则进行工作，要坚持循序渐进、完善优化、监管并重等原则。

数据的标准体系建设工作是一项任务艰巨、耗时较长、流程复杂的工程，这就需要银行管理者要有高瞻远瞩的战略眼光和意识，制定切实可行的实施措施，有步骤地将工作进行到底。数据标准体系建设完成之后，要重视后期的维护更新等工作，实现体系紧跟业务走，增加体系建设的时效性。在对数据标准体系进行维护更新时要严格按照相关流程进行，增加数据管控的有效性，强化数据管理的审核，切实保障数据标准体系建设的正确性和科学化。

加强数据治理

众所周知，银行业的数据种类众多、总数据量庞大，数据从最开始产生到最后的被使用，整个过程周期比较长，因此，要想提高银行数据治理的质量和水平，则需要对数据的产生、使用等各个环节进行严格管理和控制。对数据的治理要从以下几方面进行。

一是要确保数据产生之初的准确性和可靠性。银行可以通过制定相应的业务规范、技术标准、有效测评等方式方法来确定所收集到的信息的可靠性和准确性，从而为数据治理打下坚实基础。二是要保障数据在不同部门、不同级别的银行之间传输的安全性和完整性。在银行业中，总行、分行、支行及网点等各级别银行在数据传递等方面有大量数据要传递，这就需要各个业务流程要采取各项具体的有针对性的保护措施，从而保障数据传输的安全和流畅，提高数据传输的工作效率。三是数据存储过程中要严禁数据泄密，针对不同的数据采取不同的存储策略，可以利用不同属性的介质，也可以采取数据的异地备份等，定期对数据的安全进行测试，多措并举确保数据安全。四是数据分析过程，这一过程至关重要，数据利用的多寡直接关系到数据对银行策略规划和执行指导力度的大小。五是数据销毁过程，这一过程中的数据是已经利用完毕不再产生二次价值或者数据超过了保密期限等，很多数据会涉及到客户的个人信息、重要项目信息等重要隐秘信息，因此对银行数据的销毁一定要严格按照相关制度规范和操作标准执行，确保销毁数据的手段和工具安全，对销毁的具体数据等要进行详细记录。

建立高质量的数据管理模式

在数据治理各环节中，数据管理是一个非常重要的环节，数据管理的质量高效、优质有利于为银行提供科学、正确、客观的决策，因此在银行业中对数据管理格外重视。

数据管理是对上文提到的数据治理中5个环节中出现的问题进行有效地监管和梳理，对各环节中出现的问题，及时进行化解，避免数据隐患存在。建立高质量的数据管理模式，应该配备专业的人才团队，对相关数据管理制度进行修订和完善，优化管理流程，提高管理人员数据管理意识，提高银行从业人员对数据管理的重视程度。加大投资力度和规模，为数据管理提供强大的技术保障和支持，尤其是对系统开发过程中的校验技术，应该加大检查和测试的力度，禁止银行人员违规操作，降低数据管理风险。

结语

目前，各行各业都已进入大数据时代，大数据在银行业的服务中所占据的比例也越来越高。在大数据时代背景下，对银行业的数据进行高效治理，对银行战略部署和日常管理工作等会提供科学客观有效的智力支持，以此不断提高银行的核心竞争实力，在激烈的市场竞争中取得立足之地。因此，在实际工作中，商业银行应该不断提高数据治理的能力，完善相关工作体制机制，建立高效的治理体系，积极摸索出一条符合银行业发展的具有特色的数据治理路径。