银行数据治理实践中的难点及工作方法

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。

一、数据治理实践面临的难点
银行在数据治理实践过程中主要面临的难点：数据管理各项工作庞杂，如何体系化的规划开展？数据治理组织架构如何有效运行和落地？如何通过数据资产的盘点工作开展数据认责？如何通过系统化工具减少数据管理的手工工作？如何通过内控和审计促进数据治理工作的开展？

从《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。从不同的部门从其在数据管理的角色看，面临以下问题：
1、业务部门：数据治理绝不是“与己无关”的一项工作。作为主要的业务数据输入端，业务及一线部门扮演着重要的数据质量控制角色。
2、息技术部门：数据治理的工作涉及到信息系统建设的方方面面。例如数据管控平台如何定位，数据管控平台与各源系统、数据加工分析平台之间的关系是什么，什么样的信息系统建设流程是符合数据治理要求规范的。
3、数据治理归口管理部门：数据治理是一项长期的、动态的工作，如何将数据治理的价值和成果显性化、将数据治理工作拆分为不同的模块和任务，逐步的推进和落实，将数据治理从管控式理念模式向服务式理念模式转换。
4、合规和审计部门：如何规范化标准化地开展数据治理评估与审计工作是一个新的课题。从哪些方面进行评估，评估的维度有哪些，评估的标准如何定义，评估的范围如何选择，逐步细化，明确标准。

二、银行数据治理的工作方法
1、体系规划：需要充分结合自身发展战略的要求来制定数据战略，通过搭建完整的数据治理体系框架，整合联动数据管理各项工作，服务业务，实现数据价值。体系化的建设内容可以包括四个层面。数据治理层面：数据治理的模型，管理的组织架构，岗位要求，制度办法，管理流程等；数据管理层面：数据架构与共享，数据模型管理，数据标准管理，数据质量管理，数据安全管理，主数据管理，元数据管理等；数据应用层面：数据与应用开发管理，数据需求管理等；技术工具层面：管理流程工具。
例如一家旨在发展零售业务的银行，其数据战略应围绕零售业务进行开展：统一零售客户数据，提升零售客户服务水平，从而建立对零售客户做精准营销、行为预测等等一系列的能力，结合这些内容再对数据战略进行思考；一家将金融科技作为战略的银行，则需要将开放能力、服务生态的数据基础作为数据战略的要点进行定义。

2、顶层设计：有效的组织架构是数据治理成功与否的有力保证，为达到数据战略目标，建立体系化的组织架构、明确职责的分工是非常必要的，很大程度上取决于决策层对于数据治理的决心。

从银行发展的一般趋势来看，在数据相关工作的早期形成了“数据管理工作小组”，作为归口管理的形式，由相关业务部门骨干和IT人员组成，按需召集会议。无论出于自身发展所需还是应对外部监管压力，其效力和效率已均不能满足数据管理的急切需要。因此，独立统一的“归口管理部门”应运而生，作为全行数据治理的牵头部门，明确并落实其职责，要求其牵头实施数据治理体系、协调落实运行、组织推动工作。

3、数据治理工作：银行可以从业务和技术两个不同的视角分头开展梳理盘点工作。业务视角是自上而下的演绎，包括从业务价值链，数据应用场景进行业务说数据的梳理分析。技术视角则是自下而上归纳，以银行现有信息系统为基础，整理相关信息表和信息项的情况。最终两者整合，形成银行数据治理第一阶段工作成果《数据资产清单目录》。

4、数据资产清单：最重要的步骤是数据认责（确权），可根据数据录入部门、数据需求提出部门、数据标准管理部门、信息系统业务主管部门等不同的方式进行依次认责，保障所有的数据都可以认责到部门。

5、数据管理工具：数据管理工作内容覆盖全行的各条线，无论是新产品建设，信息系统改造，都涉及到相关的数据管理工作。数据管理工具会有以下的三种建设方式：
1）、整合数据门户建设，统一数据入口。该方式整合数据应用，数据分析工具入口，将数据管理的内容2作为服务提供给业务部门，同时在应用中嵌入管理的要求。
2）、数据流程管控，强调绩效考核。该方式关注流程落地，关注绩效数据，通过报表平台化的方式管理标准落标，质量水平，问题整改情况等。
3）、构建社区沙龙，建设企业数据文化。基于数据资产和数据管理的各项成果，采用全行数据社区化管理，引入社交的方式，用户可对内容进行点赞，点评和讨论。

6.审计评价：基于监管机构的最新指引和银行数据管理制度要求，银行内部应开展数据治理审计工作，识别数据治理违规、薄弱的控制环节与执行缺陷。

审计工作的第三道防线，应构建银行的数据治理审计框架，通过审计促进数据治理工作的开展，保障数据价值的实现。审计的过程中，除了关注数据管理的各项流程之外还应关注和检查“数据”本身。需要根据数据与流程现状，以银行的管理目标，风险导向的方式确定审计框架，保障审计内容的覆盖面。

同时，开展定期开展数据治理各项工作的评估，建立评估机制，落实评估程序，积极对评估过程中的不足进行改进，不断推进问题整改完善数据管理工作。

总之，数据治理是一项长期动态的过程，是银行管理者意志贯彻的工程，银行不应抱有“毕其功于一役”的想法与态度，而应从战略指导、组织架构、管理流程等从上到下的思想转变，合理规划，稳扎稳打，同时也不能畏难而止步不前。