中国进出口银行数据治理经验分享

 近年来，国家监管层面不断完善数据治理工作，银行作为数据治理践行的先行者，也取得不少成绩。2019年，中国进出口银行（以下简称“进出口银行”）在第三届数据标准化及治理优秀评选中荣获“数据治理优秀实践”奖。本文以进出口银行为例，分享其数据治理的经验。

一、进出口银行数据治理历程

进出口银行作为一家国有政策性银行，其数据治理工作推进的过程，正是现代信息技术在银行业逐步渗透且影响不断加深的过程。

一方面，进出口银行信息系统的建设经历了一个从分散到集中、从局部到整体的过程，通过多年的整合、梳理，进出口银行已经形成了较为完善的数据质量考核体系，但仍存在着不少数据管理其他方面的问题。例如，数据分布不清晰、数据架构不合理等导致的数据使用效率较低的问题。

另一方面，中国人民银行、中国银行保险监督管理委员会等金融监管部门也对银行的数据管理提出了更多、更高的要求，对银行业等金融机构的数据标准、数据质量、数据服务等均出台了详细的标准和规范。

随着外部监管要求，以及内部数据价值认识的不断深化，进出口银行在数据集中、信息系统建设、内部制度等方面持续加大了人力和物力投入，把数据治理工作提升到了一个新的战略高度。

2013年，是进出口银行数据治理的元年，年初行内信息科技部开始对境内二十多家分行和总行各业务部进行了报表推广培训和调研工作，收集数据质量问题，是以对基层业务人员的数据诉求和所面临的数据问题有了全面的摸底；

2014年，通过对收集上来的数据质量问题逐个进行分析和处理，并分赴各分行进行现场数据清洗工作，在数据质量提升方面起到了积极的推动作用；

2015年，行内正式成立数据清理工作小组，主要完成各类数据检核需求的收集、数据问题分析、制定检核指标，初步形成了一个数据质量问题发现、分析、检核、整改、跟踪的闭环管理工作路径；

2016年~2017年行内已设有数据标准委员会和信息技术委员会，上到政策、制度、规范的制定，下到标准、规范的监督和实施，均离不开这两个组织的指挥和协调，它们在数据标准和数据质量方面的工作推进发挥了重要作用，但尚未建设全行集中式的数据治理专职机构，为数据治理工作开展奠定了基础；

2018年，进出口银行全面启动数据治理项目，全面开展全行数据架构、数据模型、数据标准、数据质量、元数据、主数据等相关内容的管理，并明确未来3年（2018-2020）在数据治理层面上的三步走战略，第一步：在2018年数据治理工作全面铺开；第二步：2019年数据治理价值应用；第三步：2020年常态化数据治理工作机制有序运转。

二、进出口银行数据治理成果

在遵循全行IT蓝图统一规划下，结合进出口银行自身业务特点和实际情况，依据规划先行、分步实施的原则，制定适合进出口银行业务特点的管理流程，选择可行的技术方案和实施工具，明确数据治理的工作机制和工作内容，稳步推进数据治理各项工作。截止到目前，数据治理工作已经取得了阶段性成效。

1. 制定了相应的数据治理保障机制。已初步形成由行领导牵头的三层数据治理架构组织，并在此基础上针对组织机构的设立情况，配套出台了相应的《数据治理管理办法》、《数据标准管理办法》、《数据质量管理办法》等一系列管理办法和工作细则，为数据治理工作的推进保驾护航；

2. 建立了配套的数据治理管理平台。已针对数据标准、数据质量、元数据、数据模型、主数据、需求管理等数据治理核心领域建立相应的技术平台和支撑工具，为数据治理工作高效、有序的开展提供技术基础。

3. 阶段性产物输出。在数据架构管理、数据模型管理、数据标准管理、数据质量管理、数据安全管理、元数据管理等领域取得了相应的成效，并完成了数据标准、概念数据模型、数据质量管理体系等阶段性成果输出。

三、进出口银行数据治理价值

数据治理既是外部政策和监管的要求，又是自身业务发展的迫切要求，其旨在加强信息管理和信息服务，以更好地创造数据价值。其数据治理价值主要体现在以下几个方面：

1. 更好地服务于银行决策。在良好的数据治理环境下，未来管理层需要借助数据分析，实现敏锐的业务洞察能力，更好地适应经营过程中的不确定性因素、提升银行竞争力。

2. 提供银行风险管理能力。在经营过程中可能会面对的对手违约的信用风险、误操作或流程管控缺失带来的操作风险、市场波动带来的市场风险以及政策合规性的风险。通过对这些风险因素进行分类、识别、计量与风险，可以有效地管理和降低风险，为进出口银行持续稳健经营提供保障。

3. 提升银行运营管理水平。数据挖掘等分析技术可以应用在行内的费用报销、人力资源以及营销资源投放等领域，帮助识别冗余、低效的流程环节并加以改进，最终达到提高运营效率、降低成本的目的。

中翰软件：专注数据治理17年（http://www.jobhand.cn）