商业银行数据治理
商业银行在业务经营管理中积累了海量的数据，不仅包括如客户数据、交易数据、运营数据等传统意义上的结构化数据，还包括如业务处理工单、客户投诉录音、人脸识别信息等半结构化和非结构化数据，除此之外，还有从行外通过购买、交换等方式获得的外部数据。商业银行充分利用数据资源，基于数据挖掘技术，在服务客户、精准营销、产品创新、风险防控、管理决策、业务运营等方面发挥
数据价值。
数据治理是指通过建立组织架构，明确董事会、监事会、高级管理层及内设部门等职责分工，制定和实施系统化的制度、流程和方法，确保数据统一管理、高效运行，并在经营管理中充分发挥价值的动态过程。数据治理是公司治理的重要组成部分。
以下从数据分析应用出发，介绍商业银行数据治理各项工作的逻辑关系。
（一）数据规范
由于数据潜藏着巨大的商业价值，商业银行应对其进行充分应用。在对数据进行分析应用的过程中，发现数据散落在各个部门的各个系统，并不好用。例如，一位客户办理银行卡开户业务，在银行卡开户系统里留下了开户信息；随后，他又办理了个人住房贷款，在房贷系统又留下了相关信息。
后期，用数人员在获取该客户信息的时候，发现两个系统里的信息内容比较混乱，一些字段出现了“同义不同名”或“同名不同义”的情况，分不清哪个系统的信息是正确的，需要人工进行筛查判断，浪费时间。
从源头上分析，出现问题的原因是因为两个系统的字段的含义不统一造成的，即
数据标准不统一，这就是数据规范的问题。这就要求商业银行从企业级的视角，去统一所有系统的数据规范，建立统一的数据标准，使数据在系统间可以更好地互联互通。
（二）数据集成整合
上文提到数据散落在各个部门的各个系统，用数人员在取数的过程中比较困难，需要与各种部门进行各种协调，影响工作进度。如果把全行数据全部集中在一个“仓库”中，可以大大简化用数人员的取数难度。
因此，企业级的
数据仓库应运而生，同时它还要具备强大的集成整合能力，按需集中、关联、整合不同来源、格式、特征的数据，打破数据壁垒，实现数据互联互通，形成企业级可信数据源和单一数据视图，支持数据使用人员调用。
（三）元数据
全行成百上千类数据全部接入到了企业级数据仓库，到底包括哪些数据，数据从哪里来到哪里去，这是数据使用人员所关心的，这就产生了元数据的概念。元数据，即数据的数据，它用来描述各类数据的名称、定义、类型、规范、关联关系等内容的信息。
元数据管理是建设一整套组织、流程与平台，对元数据的创建、存储、变更、整合与应用进行管理，保证元
数据质量，提供元数据便捷访问，帮助数据使用人员快速的查到想要的数据、理解数据。
（四）外部数据
虽说银行已经积累了海量的数据，但是受业务场景、技术水平等限制，银行自身的数据仍具有一定的片面性，例如，客户在办理信用卡时，为了顺利获得银行额度，所填写信息都是有利于客户的正面信息，甚至虚假信息，银行得到的客户信息并不全面，无法建立360度客户画像。
因此，银行通过购买、交换、共享等方式采集外部数据，引入到企业级数据仓库，实现全行共享，不断丰富数据种类，对客户进行精准营销、降低运营风险。
（五）数据生命周期
随着大量的内外部数据引入企业级数据仓库，又延伸出了另一个问题，仓库的存储问题。
世间万物都有生命周期，数据也不例外，随着时间推移，一些数据对业务处理、经营分析等所起的作用越来越小，如果依然保留在系统内，会增加数据仓库压力，增加系统性能开销、降低访问效率、系统反应变慢、增加维护成本。因此，银行应该对数据进行生命周期管理，对于这些无价值的数据，应该尽快销毁，有效控制系统数据规模，保证系统高效运行。
（六）数据服务
以上问题解决了以后，就可以正常开展数据应用了，用数人员可以通过大数据智能平台、企业级数据应用平台等对数据进行分析挖掘，充分释放数据价值。
在这个过程中，为满足不同部门的用数需求，商业银行建立数据服务机制，设立专业部门对全行数据进行需求统筹管理，各个部门在用数的过程中，向专业部门提出申请，专业部门分析需求，提供合适的供数方案。
（七）数据质量
在数据分析应用的过程中，会暴露出某些数据的质量问题，包括数据缺失、数据不准确、数据不一致等，例如同一客户多个客户编号问题。商业银行应开展数据质量管理，建立数据质量管理团队，对数据从产生、获取、存储、共享、维护、应用等各个阶段可能引起的各类数据质量问题，进行识别、度量、监控、预警等一些列管理活动，不断提高和改善数据质量。
（八）数据安全
此外，在以上的
数据采集获取、集成整合、共享应用等工作环节中，相关人员还要注意做好数据的保护工作，即数据安全。数据如同银行的库存现金一样，都是银行宝贵的重要资产。商业银行要建立数据安全管理机制，即通过策略、流程和技术，对数据进行安全管理和控制。
商业银行在采集、应用数据涉及到个人信息的，应当遵循国家个人信息保护法律法规要求，明示客户采集内容与应用范围，并取得客户授权同意，符合与个人信息安全相关的国家标准。
（九）数据治理体系
为了推动以上工作的顺利进行，需要建立数据治理体系，包括数据治理的基本目标，工作原则，组织架构，数据管理，数据应用，内控、风险管理与考核，保障机制等。
（十）数据文化
最后，商业银行通过开展数据治理工作形成自上而下的数据文化，要求所有员工和决策者树立“尊重事实，一切靠数据说话，一切凭数据决策”的理念，使注重数据、使用数据成为一种习惯和风尚，并根据数据分析结果做出决策或变更。
（部分内容来源网络，如有侵权请联系删除）
