浅谈商业银行数据治理的难点与应对策略

摘要：大数据是我国经济社会进入新时代新的历史特征，数字经济也成为了当下讨论和探索较多的话题，数据已经成为企业的不可或缺的资产、生产力和核心竞争力，特别是经过多年信息化建设的商业银行，积累了庞大、海量的数据资源，但数据价值没有完全发挥应有的作用，其主因就是由于数据没有集成，大部分都是分散的，质量不高，难以发挥数据支撑决策、服务经营的需要，针对此现状，商业银行数据治理已迫在眉睫，治理工作任重道远，如何实现高质高效可充分利用的数据资源是摆在现阶段商业银行工作的难题，本文通过数据治理制度化、数据治理组织架构、数据源清洗、数据标准化制定等方面，形成系统的、统一的数据管理体系，形成高效、快捷、可被利用的一种资源，为外部监管、内部经营、服务实体经济提供高质量服务，有力推动商业银行高质量发展进程。

关键词：商业银行;数据治理;难点;应对策略

近年来，随着社会经济技术进步，国民经济体系、结构发生了巨大变化，达到了历史新高度，作为体系中的一员，商业银行业务取得了迅猛发展，业务品种层出不穷，全渠道业务取得了长足发展，在发展过程中也积累了海量数据，如何加工、整理这些碎片化、分散化的数据，使之成为银行业可以利用的资源，已成为银行业公司治理中的一项长期而艰巨的任务[1]。

中国银保监会于2018年出台了《银行业金融机构数据治理指引》的通知，其背景就是积极对接国家政策的需要，数据治理是国家层面高度重视数据基础性战略决策，是服务社会经济向高质量发展转变的需要，特别是商业银行在服务国家实体经济中扮演着重要角色，通过数据的发掘、分析及利用，可以定位实体经济在发展中的困境与难点，有助于“对症下药”，促进新时代我国经济增长新动能，实现向高质量发展转变，使我国经济“换档”成功，再次步入良性、绿色、健康发展的快车道。

1商业银行数据治理的意义

伴随着我国银行业的发展，截止目前为止，我国银行业机构已达4588家，在国民经济发展中扮演着重要角色，银行业务类型和金融产品层出不窮，银行业信息化建设也经历了二十多年的发展，金融科技得到了长足发展。国家监管机构、商业银行内部管理层、客户等对商业银行数据的需求与日俱增，而现阶段商业银行的数据质量还没有达到所需的要求，银行商业银行数字化转型工作已势在必行，而数据治理是商业银行数字化的基础，目前，仅有18%的少数中小商业银行将数据治理工作纳入到公司治理体系当中，可见，商业银行加强数据治理工作任务艰巨，有必要将数据治理工作提升到一个新高度，通过数据治理，提升数据质量，形成高质量的数据资源，是社会各界的需要，是促进数字智能化发展趋势的需要，也是商业银行业适应新时代经济发展的需要，良好的数据管理也会在银行业发展普惠金融和绿色金融的道路上发挥重要作用，具有重大意义。

2商业银行业数据治理五大难点

2.1数据治理制度尚未有效建立

目前，绝大多数商业银行数据治理制度化尚未有效建立，相关制度的建立正处在研究制定阶段。数据治理是一个体系过程，数据庞杂、系统繁多，涉及方方面面。另外，内部数据治理职责不清，部门之间协同效应差，需要建立一系列有效的数据治理制度或规章成为数据治理的一大痛点[2]。

2.2未建立全局数据观

目前，由于大多数商业银行的数据广而散，庞而杂，相互割裂，没有形成有效集成，系统间、业务间及产品间等数据的产生架构联系粗放，有的甚至处于完全割裂的状态，没有全局数据观，数据价值难以有效发挥，在指导企业经营、服务实体经济、服务监管等方面成效性不足。

2.3数据收集难度大

目前，商业银行信息系统建设滞后，系统开发人员与业务人员融合度不足，开发的信息系统存在顶层设计缺陷，数据收集功能满足不了数据应用的需要，大多数商业银行数据还有大量的靠传统手工收集，耗费大量的人力、物力、财力，效率不高，差错也时有发生，数据收集难度大。

2.4缺乏数据统一标准，数据应用难

数据治理最关键的是要建立高质量的数据标准，没有标准，也就无法区分数据质量的好坏，而数据标准的制定又要以相关政策法规及内部规章为依据，如财务政策、信贷政策等，数据质量的好坏反过来也是对相关政策执行好坏的反映。就目前状况来讲，大多数商业银行还没有制定统一数据标准，数据录入标准、数据语言字段、数据数值等不规范、不统一等底层原始数据呈碎片化分布，不同业务间、不同产品间、不同时段间的数据用途、分布结构、数据价值及数据质量水平参差不齐，缺乏数据分析工具，数据运用难。

2.5信息系统落后，存在安全隐患

虽然目前商业银行信息系统建设较传统手工阶段有较大提高，但远没有达到数据管理需求，与人们长远预期仍差距甚远，主要是系统间融合度不高，数据分散、相互割裂，关联度不高，数据质量不高，无效或垃圾数据易导致决策出现失误，对客户风险预警、信贷风险评估、交易欺诈等数据支撑不足，也会导致业务风险上升，另外还会存在信息泄露风险，数据安全管理难度大。

3商业银行数据治理应对策略

3.1建立良好的数据治理文化

文化是企业的精髓，数据治理也一样，企业文化建设务必贯彻数据是企业不可或缺的资源的理念，牢同树立全局数据观。数据治理从围家层面将其提升到战略高度，纳入商业银行法人治理体系当中，商业银行要从战略视角启动、开展和推进数据治理，建立以“数据资源”为导向的企业文化，做到高层推动，将数据治理与商业银行经营规划、IT发展规划有机结合起来，将商业银行数据治理、科技治理和公司治理有效的结合起来，最终达到数据治理目标[3]。

3.2建立完善的数据治理制度体系

数据治理制度体系是商业银行数据治理工作实施的基石与保障，要研究解决制度层面的问题，就要厘清数据形成的基理，中国银保监会出台的数据治理指引制度，为我国商业银行业数据治理工作提供了依据和保障，现今各商业银行已进入到了数据治理制度化轨道，如某些商业银行已按要求将数据治理工作纳入到了企业董事会层面，纳入到了公司治理体系当中，采取“一把手”负责制，相续出台了数据治理管理办法及细则，通过组织领导、责任分工、管理流程、评价考核等明确各单元在数据治理过程中职责定位，做到既各司其职，又相互协同，从制度体系层面高质高效推动数据治理工作，用数据治理执行成效反显制度落实成效，加强制度执行力建设。

3.3打造高标准数据治理领域

数据治理内容主要包括元数据、主数据、数据标准、数据质量、数据生命周期等内容，与数据构建模型、数据分布特点、数据存储、数据交换、数据安全等一起构成数据治理领域，此领域各单元质量、契合度、融合度是数据治理成败的关键，要求顶层设计、标准制定一定要达到高标准要求，且此领域伴隨商业银行业务发展而变化，各领域之间关系保持动态关系，需要不断融合和挖掘，最终保持相互协同与相互验证的过程，这种有机融合和良性协同，必将全面提升商业银行数据治理成效。

3.4建立高质高效数据支撑系统

商业银行的系统多而杂，但主要以核心系统为基础，其他外围系统如信贷管理系统、票据系统、客户关系系统等，有些商业银行已将这些系统有效整合，建立了数据仓库进行管理，各系统间建立了数据接口，实现了数据管理集市，数据治理在支撑系统上要求在系统开发阶段对数据质量进行校验设计，避免逻辑错误;在系统录入端要实现录入标准与数据标准高度统一，保持高度一致;系统日常运维方面要实现高效快捷;数据分析应用阶段的数据集成顶层设计要高质高效，形成可利用的数据资源;数据质量监控要达到动态预警、及时预警等功能，只有这样才能打造一个高效、快捷的系统支持体系。

3.5积极构建适应大数据时代专业人才队伍

目前，商业银行存在科技人员与业务人员在数据管理领域未实现有效融合，既懂技术开发又懂业务的复合性人才短缺，现在已进入大数据时代，数据治理是一项纷繁复杂的体系化治理过程，涉及数据模型的建立、数据采集、数据标准、数据整合、数据应用、数据管理等个个环节，为实现高质量数据管理要求，满足商业银行业务发展，商业银行应超前谋划这种复合型人才引进与培养，为商业银行数据治理工作提供人才保障。

当前是数字化时代，商业银行数字化转型是适应大数据、人工智能化的时代要求，移动金融、互联网金融、智能金融等新兴业态迅猛发展，数据驱动业务决策模式越来越受到社会各界高度重视，数据思维日趋盛行，数据是商业银行精细化运营管理、推动数据驱动业务发展战略转型、提升风险控制能力、服务实体经济的基础，而数据治理工作又是实现高质量数据资源的管理手段，数据治理作为一项战略性、基础性工作，重要性日益突出，商业银行只有建立高质高效的数据治理体系，才能在当今激烈的数字化竞争时代抢占先机，才能更好的服务监管、服务实体经济、服务社会各界，适应新时代发展要求。

参考文献

[1]张一鸣.数据治理过程浅析[J].中国信息界，2012（ 09）.

[2]彭陆军，周锋.我国商业银行提升核心竞争力的几点建议[J].商业会计，2011（03）.

[3]刘锦淼，刘巍.银行数据管理实践之核心对象[J].金融电子化，2015（02）.

作者简介：李旭东（ 1970，10-），男，籍贯：吉林长岭县，本科，会计师，现任职于昆仑银行股份有限公司克拉玛依分行计划财务部任经理。