银行数据治理工作的落地面临着众多的困难与挑战

发布时间:[2020-07-10] 来源:网络点击量:

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。

数据治理实践面临的难点

在数字化时代背景之下，金融监管机构为促进金融行业健康发展及风险控制，进一步提升监管数据的统计质量，通过发布监管指引并将数据治理与监管评级挂钩的方式来提高银行业金融机构对数据治理工作的重视，并能够结合自身实际，开展数据治理工作。

在ABCD（人工智能、区块链、云计算、大数据）技术的创新驱动下，越来越多的商业银行开启数字化转型之路。新兴金融科技逐渐应用到客户服务、业务受理、信贷流程、运营管理、风险管理和经营决策等银行核心业务之中。

数字化转型的一切都围绕着数据，包括但不限于数据的获取、沉淀、运用和洞察：有效的数据治理体系是保障，健全统一的数据标准是基础，不断完善的数据质量控制是方法，持续优化的数据应用是目标。有效的数据质量控制有利于客观的分析和决策，有效地管理数据是银行实现数字化转型的基础。

中小银行数据现状

缺乏公司级数据规范，数据多头管理，部门数据互通靠自发或人工传递。

初步搭建公司级数据管控体系及基础规范，但应用尚未下沉到业务部门，业务部门数据互通程度不理想

初步建立数据管理体系和数据管控工具，进行了平台整合，各部门基本落实公司数据规范体系，行内实现高度的数据协同

实现了有效的数据管理和治理，数据管理体系全面完善，全面实现大数据应用。

虽然各银行积极响应监管要求，开展数据治理工作，但《中小银行金融科技发展研究报告（2019）》显示中小银行的数据治理基本处于萌芽期，达91%的中小银行尚未开展有效的数据治理工作。

银行数据治理如何实施

数据治理领域包括但不限于数据标准、数据质量、元数据、数据模型、数据分布、数据存储、数据交换、数据生命周期、数据安全等内容。数据治理领域是随着银行业务发展变化的，领域之间的关系也需要不断深入挖掘和分析，最终将形成一个互相协同与验证的领域网，全方位地提升数据治理成效。

1、数据架构管理—规划并管理数据从产生端到使用端的分布、传输与存储的逻辑框架；

2、数据模型管理—企业的信息模型是企业数据标准的图形化展现；

3、数据标准管理—规范化企业重要活动及对象的数据记录格式；

4、数据质量管理—对数据的规范性、准确性、一致性、完整性、时效性进行持续监控和评估；

5、元数据管理—对企业数据资产的登记造册，并记录其相关性；

6、数据安全管理—对数据设定安全等级，保证其被适当地使用；

7、主数据管理—对企业关键的，跨系统共享的业务数据进行统一定义、集中保存、发布、更新及删除的过程；

8、数据生命周期管理—是对数据产生、存储、传输、使用和销毁全过程进行管理。