数据标准管理：基础数据标准&指标数据标准

数据标准管理之基础数据标准

什么是数据标准？

数据标准是系统之间，业务部门之间沟通与交换的基础，确保大家对同一个东西的理解保持一致。

数据标准定义：对数据的表达、格式及定义的一致约定，包括数据的业务属性、技术属性和管理属性的统一定义。

——《JR/T0105-2014 银行数据标准定义规范》

基础数据标准内涵

基础类数据标准通过业务属性、技术属性来描述数据规范化要求。可使用如下基础数据标准的信息项属性架构：

1.通过业务属性，明确该数据标准的定位和用途；

2.通过技术属性，明确数据类型以及系统是可实现的参数要求；

3.通过管理属性，明确数据标准的管理组织信息；

4.通过代码值的列示，对代码类数据标准的划分方式给出了权威的说明。

基础数据标准化的意义

1.便于信息系统的管理，提高数据交换与使用的效率；

2.保证基础数据的正确性，防止一物多码、一物多名、物名错乱的情况；

3.统一基础数据，便于业务数据的汇总、报送、分析应用。

如何管理？

监管要求

在《银行业金融机构数据治理指引》（下称《指引》）第三章的数据管理部分对数据标准提出了明确的要求：

第二十条 银行业金融机构应当建立覆盖全部数据的标准化规划，遵循统一的业务规范和技术标准。数据标准应当符合国家标准化政策及监管规定，并确保被有效执行。

第二十三条 银行业金融机构应当加强数据采集的统一管理，明确系统间数据交换流程和标准，实现各类数据有效共享。

数据标准的制定要求

1 制度保障先行

应在制度中明确各个角色以及定义相应的分工界面，固化管理流程，为制定数据标准、管理数据标准提供指导性意见。

2 归口部门发挥牵头作用

归口管理部门需积极发挥带头作用，推动和监督标准管理流程的执行。通过激励和问责考核体系，推进数据标准工作的制定与执行落地。

3 自下而上归纳与由上而下演绎相结合

制定过程中一方面需要自下而上梳理信息系统中的数据情况，同时也需要自上而下定义数据主题、细化分类，两者结合才能实现全面整体的数据视图，形成有效的数据规范要求。

4 以银行实际需求为根本

需要明确以银行实践及银行需求为根本，根据业务实际个性化的制定数据标准，避免造成 “空中楼阁”，难以落地。

谁来制订？

数据标准的制定过程离不开业务部门与技术部门的共同探讨、共同商榷，不是任何一个部门的“单打独斗”。

数据标准制定分工

归口管理部门：作为牵头者，统筹协调技术管理与业务管理人员完成数据标准制定，制定管理规范，协调资源。

业务管理部门：作为业务规范者，为数据标准提供权威业务定义，进行数据标准业务含义管理，维护并解释数据标准。

信息技术部门：作为技术规范执行者，确认数据标准的可落地性并执行标准落地工作。

总结

“书同文、车同轨”，数据标准化是数据治理与数字化转型的重要根基之一。银行各部门需要对数据标准保持高度重视，推动数据标准的落地。

数据标准管理之指标数据标准

什么是指标类数据标准，如何构建指标数据标准化体系？

1 为什么要制定指标类数据标准

银保监会在《银行业金融机构数据治理指引》中对指标数据明确规定，要求银行明确指标含义，统一取数规则，确保数据质量，保证监管报送指标间的一致性。这对于银行来说是一项挑战。但与此同时，统一指标数据标准，规范业务统计分析语言，能帮助银行提升分析应用的数据质量，对提高全行数据质量和数据资产价值有着十分积极的意义。

2 什么是指标类数据标准

那到底什么是指标和指标类数据标准？《JR/T0137-2017银行经营管理指标数据元》解释道：指标是反映银行经营管理在一定时间和条件下的规模、程度、比例、结构等的概念和数值。

指标类数据标准则是为满足内部分析管理需要和外部监管要求，对基础类数据加工而产生的指标数据进行的标准化规范。

3 指标标准如何定义？

指标数据标准可以从维度、规则和基础指标三个方面进行定义：

1 维度

维度是对银行在业务经营过程中所涉及对象的属性进行划分的方式。维度作为观察事物的视角，并不孤立存在，而是通过与指标结合使用，可以对指标的不同方面进行对比与分析。例如，对公贷款余额，可按机构维度来统计各分支机构的对公贷款余额，也可以按行业维度来分析银行贷款业务主要的行业分布情况，控制行业集中度或调整投向分布。

2 规则

规则是对指标计算统计方式给出的规范性说明，包括可复用的公共维度和业务规则。例如，基础统计类规则：当期、累计、最低值、最高值；增长类统计规则：环比变化量、同比变化量等。

3 基础指标

基础指标具备一些基本要素信息对指标进行标准化的规范说明，可以与维度及统计规则自由组合形成多视角的指标内容，拓宽了指标定义的广度，并且提高了指标使用的灵活度。例如：

4 指标标准有何应用？

指标数据标准能够保障各业务部门对指标在不同应用场景下业务口径有直观、清晰的理解。提升指标在不同应用场景下的准确度，降低由于口径理解不一致造成的统计差异。

同时，指标数据标准作为分析应用的基础，通过配合使用指标标准中的维度和维值，可以实现业务部门的自主分析，即灵活使用这些指标进行业务分析。