银行业数据治理的目的与意义

近年来，随着大数据产业的蓬勃发展，企业和政府对于自身数据资产的价值也产生了重新的认识。但遗憾的是数据本身并不能直接产生价值。当我们想利用数据产生价值的时候，很多问题都会暴露出来，比如：数据标准缺失，数据源头不清晰，数据质量缺乏监管等。这就要求我们要有统一的数据标准和良好的数据质量来构成数据价值实现的基础。而数据治理恰是保障这一基础的存在。

近年来，随着大数据产业的蓬勃发展，企业和政府对于自身数据资产的价值也产生了重新的认识。但遗憾的是数据本身并不能直接产生价值。当我们想利用数据产生价值的时候，很多问题都会暴露出来，比如：数据标准缺失，数据源头不清晰，数据质量缺乏监管等。这就要求我们要有统一的数据标准和良好的数据质量来构成数据价值实现的基础。而数据治理恰是保障这一基础的存在。

一、银行数据治理面临的挑战
1、数据整合问题道路曲折
银行内部不同部门的数据源不同，不同主体的利益不一致，导致不同部门之间的数据往往存在阻隔。而拆除这些阻隔实现数据整合的成本往往极高。
2、数据质量问题难以控制
数据质量要求真实性、完整性和准确性。而难点在于，纵向上跨越数据的全生命周期， 时限较长；横向上涉及银行不同条线，部门繁多。
3、数据安全问题迫在眉睫
银行存有大量的个人隐私、商业机密，不同银行的存储安全管理、用户匿名化、访问权限管理水平不一，安全能力较低的银行频频出现数据被窃取或者泄露。
4、数据治理问题缺乏经验
数据治理是一个动态的体系，涉及的内容众多而复杂。银行从已有惯性中走出来，形成现代化的数据治理动态体系还缺乏必要的经验。
5、数据治理内部权责不清
银行组织对于数据治理的内部权责划分并不十分明显。这体现在IT系统人员、法务合规人员以及数据治理专门部门的责任存在重叠，也体现在业务部门调取、使用相关数据时权限不明朗。

二、银行做好数据治理的价值
1、降低银行运营成本
当前，在收益一定的前提下，有效降低资金成本已成为银行重要的竞争力。而有效的定价依赖的数据类型包括客户区域分布、客户贡献度大小、渠道成本核算等。一个良好的数据治理将极大的促进定价的有效性、准确性和灵活性，更贴近客户实际需求；基于资金盈亏状况、市场利率和风险水平、客户需求情况等综合测算资金成本，实现成本的最小化。
2、有效控制银行风险
良好的数据治理过程和防控风险决策机制，能显著增强银行应对各种风险的危机和处置能力。并且，因良好的数据治理而产生的数据质量提升，能进一步满足监管部门的相关合规与审计监管要求，进而提高银行内部合规水平，并以此促进银行应对潜在风险的能力。
3、提高银行经营效率
银行积累的原始数据经过加工、清洗、整合后，基于聚类分析、相关分析和回归分析等，不仅能对相关的银行业务开展直接创造价值，而且可优化内部决策过程，实现银行隐性价值的提升。

三、银行数据治理的实施路径
1、制定数据治理战略
数据已经成为银行经营的核心生产要素。因此银行需要制定好数据治理战略，通过战略规划、组织、流程、资源使战略能够打破部门之间藩篱、集团内部法人之间的藩篱，有目标、有计划、持之以恒地贯彻和推进，最终实现在集团内部，有目的、有组织地采集、存储、利用数据，让数据产生新价值。
2、建立数据价值分析的流程
信息技术部门和数据管理部门的数据治理工作要前置到业务活动中，分析业务活动中的数据需求，以及业务活动过程中产生的数据，与业务部门共同分析数据的使用价值和采集的必要性，在信息系统建设过程中以最合理的方式实现数据采集、数据质量控制，并最大限度集成和调用内、外部数据，支持营销、客户识别、风险控制等业务活动中的数据需求。让业务部门切实感受到数据的价值，承担起数据提供者的责任。
3、建立数据价值评估模型
目前，大部分银行都建立了企业的主数据和数据的认责部门，在此基础上，可以再增加价值分析维度，根据数据使用频度、重要性、精准性、安全等级、监管要求等，以及数据在产品创设、客户标签、营销机会、风险技术、作业流程等应用维度进行标识和评估，实行分类管理，确定数据质量、存储、安全、调用等策略，让管理层、数据认责部门、数据管理部门和信息技术部门建立共同的数据价值判断标准，提高对数据治理活动的认识。
4、做好数据质量和数据标准建设
银行做好数据治理最终会落地到数据质量和数据标准管理上。就数据质量而言，业务对数据的依赖性越大，对质量的要求越高，数据质量就是产品质量、服务质量、意味着风险。而数据标准是数据的业务含义、分类分级、格式及转换，是数据治理最基础的工作，数据标准化程度越高，系统自动化处理能力越强，信息共享度越强，数据成本越低。
这里亿信华辰基于睿治数据治理平台提出的《数据标准化及质量管控解决方案》可以为银行设立数据标准规范，提高并管控数据质量，保证企业数据的准确性、一致性、完整性、合理性、及时性、有效性等，保证业务数据应用及业务决策的正确性。

四、小结
如今，越来越多的商业银行开启数字化转型之路，而数字化转型的一切都围绕着数据。在防范系统性金融风险的监管思路下，各金融机构无论是针对投资端的自主投资能力建设，还是针对负债端的财富管理方案匹配，亦或是新产品的研发、定价与营销，均离不开对数据的高质量使用。而做好数据治理提高数据质量、发挥数据价值、提升经营绩效的前提，也因此将决定着未来银行业的发展前景。