【数据治理实践】

前言

据中共中央国务院2020年3月30日《关于构建更加完善的要素市场和配置体制机制的意见》中第二十二条提及“加强数据资源整合和安全保护，探索建立统一规范的数据管理制度，提高数据质量和规范性，丰富数据产品”，将数据治理与应用的提到了新的政策高度。

回顾上期文章，我们介绍了如何通过“以用促治，以治促建”策略，实现数据中台与数据治理的同生共长，同步建设。本期我们将从更前端的业务视角，介绍场景化的数据应用与数据治理与管控工作是如何互相促进，相辅相成，让数据资产通过“管”与“用”的结合，变得真正“管用”。

监管要求

监管机构明确要求银行业金融机构在风险管理、业务经营和内部控制领域中加强数据应用，实现数据驱动，提升管理精细化程度，目前众多银行都已付诸实践，在不同场景中利用数据识别潜在风险、挖掘业务机会以及提供决策支持，并将“数字化转型”、“数据赋能”上升到全行战略，力争在数字化时代实现弯道超车。在此过程中，如何通过有效管理盘活数据资产，使其最大限度发挥价值，是提升企业核心竞争力关键所在，业界也正在不断的实践中探索这条数据资产价值实现之路。

众所周知，如银行业金融机构这类拥有复杂IT架构和庞大数据量的企业，要发挥其数据的价值必须整合和加工现有或新建的各种信息系统或者业务应用中的数据，并通过将经过处理的数据嵌入到业务流程中，实现智慧化经营与管理，这个“管”“用”结合的过程也即我们所谓的“数据资产管理”，国际数据管理协会（DAMA）也给出其定义：

数据资产管理是企业或组织采取的各种管理活动，用于保证数据资产的安全、完整、合理配置、有效利用，从而提升经济效益。

——国际数据管理协会（DAMA）

数据资产管理体系的构建，包括数据治理与管控、数据资产应用和数据资产运营三个部分，其目的是让数据的使用者能够清楚地认识数据和数据关系，进而能够“用”好数据，同时也让数据的管理者能够洞察数据、应用、系统之间的复杂依赖关系，进而能够“管”好数据。

数据“管”与“用”中的难点与痛点

企业在数据的“管”与“用”长期实践中，存在不少难点与痛点，由于数据资产管理覆盖从数据产生到数据整合、加工、使用的端到端价值实现全生命周期，从实践落地角度来看，数据治理与管控是其根基和主干，而数据资产有效运营和应用则可看作开枝散叶、开花结果。脱离应用谈数据治理，通常会遇到重重阻力，反之数据缺乏管控则难以被使用和创造价值。

剖析企业在数据治理与数据应用中的重点和难点，一方面，我们在数据治理中常常提到数据标准管理、数据质量管理、元数据管理、数据字典等概念，但真正在着手各项工作时发现难以推动，究其原因，其一是管理难度大，数据治理工作需要技术和业务共同参与，各司其职，因此作为牵头部门无论是建章立制明确职责，还是协调各方资源参与项目，都面临挑战；其二是驱动力不足，用户部门往往关注的是业务推进，配套系统功能能够快速上线，而对诸如落地数据标准和加强自动控制这些不影响业务开展的需求则不够重视，要对已经建成的业务系统再重新梳理数据资产进行管理，更是缺乏动力，困难重重；其三是效益不明显，数据管理中强调的规范性和业务发展及系统开发的灵活性之间如何平衡，虽然意识到在源头做好数据管控的重要性，但更多时候是采取事后补救。

另一方面，在数据产生、加工过程中如果缺乏管控，在数据使用时则难免遇阻。较为典型的问题，其一是数据整合性差，过去缺乏规划的IT架构和烟囱式的系统建设形成信息孤岛，数据缺乏统一模型和标准规范，导致梳理和整合困难；其二是源于数据生命周期各环节管控不足导致的数据质量问题，这对无论是监管统计还是挖掘分析，都会造成较大的阻碍；其三是数据可用性差，数据完整性、真实性、颗粒度等方面都不能满足应用需求且难以推动解决时，也导致使用者缺乏信心，不利于数据应用能力建设和文化培养。

数据的“管”与“用”的有机结合，相辅相成

为达到数据的“管”与“用”的有机结合，让数据真正“管用”，我们提出构建以数据应用为导向，业务价值为引领的数据资产管理体系。通过建立各类数据资产的准入、更新等管理机制、流程及办法实施全生命周期数据资产闭环管理，促进数据的有效整合，支撑营销、风控、运营及跨领域等各类数据应用落地，进而保障发展战略和业务价值实现。

1.1.      借助应用之力，夯实治理之基

● 以“用”促“管”，治必有方

面对数据治理与管控工作复杂性和长期性，众多金融机构开始采用“小步快跑，急用先行”的数据应用需求驱动策略，数据治理各项工作分步骤、分阶段实施规划与数据应用需求的优先级顺序相匹配，以数据应用需求和业务发展需要为契机，先开展重点业务领域的数据标准化、数据质量提升工作，再逐步完善数据管理架构，带动数据管理工作的全面开展。

例如某同业存在零售和小微业务占比大、但客户数据基础质量较差的问题，一方面借助重建客户主数据管理系统落实客户主题基础数据标准，完成存量数据清理、补录和整合，另一方面也积极规划客户数据标签和360视图等应用，以应用需求反推客户主题下各类数据基础标准和指标标准的完善；再如近期银保监会已推出EAST4.0版本，监管报送需求可谓数据治理的一把重要抓手，以合规驱动数据质量提升，也为应对不断发展的监管科技和加强自身风险管控能力奠定良好基础。

● 以“用”带“管”，成果共享

数据治理工作应源于业务、价值回归业务，其成效则是通过技术部门持续整合数据及实施数据项目、业务部门应用数据进行分析的过程中逐步得以显现。在全行培养数据文化，激发应用场景的创新能力，推动数据应用的设计、实施、完善与维护的过程中，让数据治理的参与人员也能充分感受工作带来的价值，而在此之上设置“管”与“用”结合的考核与激励机制也会更加行之有效。

数据治理需要科学的方法，更需要长期的坚持不懈的努力，但毋庸置疑，拥有良好数据治理基础的企业在以数据支撑决策和数据资产价值实现的道路上必会事半功倍。以“用”带“管”，成果共享。

1.2.      乘治理之东风，兴数据之应用

企业数据价值进化始于数据治理。一方面通过推进数据规划和治理，包括对各类主题数据资产的盘点、梳理和规划，以及存量数据进行专项治理和质量提升，达到各类数据资产形成全行统一业务口径、统一标准；另一方面通过贴源数据湖、企业级数据仓库和不同领域数据集市等一整套技术平台构建，增进贴源数据、主题数据、知识数据的全数据资产跨域融合，为各类数据应用实现和赋能业务发展提供基础保障。

● 数据启智，洞若观火

得益于整合的高质量的数据资产以及各类算法模型和数据处理能力，银行可从需求出发规划和搭建自身在各领域的数据应用。

典型应用如管理驾驶舱，是基于对管理需求的理解与分析，更有效地为管理层提供“一站式”的决策支持，多视角、全方位地展示银行各项经营效益、风险分析、业务条线的关键性指标，其依托的不仅是全行级整合数据平台及实时或准实时的计算处理能力，更是完善的各主题域、各维度和属性的基础数据以及明确的统计分析口径。

再如信贷资产组合分析模型的应用，基于行内现有数据，通过对所持有的信贷资产组合按照不同维度进行全面梳理，根据银行需求设计相关资产组合分析模型并对资产组合与风险收益关系分析，最终结合内外部环境优化模型参数，得到信贷资产头寸调整方案以获取收益进一步增长。

德勤的非现场风险监测平台产品从风险场景出发，基于大量业务交易数据和操作日志数据，建立合规风险监测模型，评估与识别风险状况，并通过监测指标体系和规则库构建，实现风险智能预警和风险报告自动生成。

● 琢他山石，为我所用

外部数据已经在银行业金融机构被广泛使用，比如普惠金融业务依托工商、司法、税务、征信等数据，对小微企业进行客户画像、信用赋能和智能贷款；金融市场业务通过获取第三方资讯数据，进行资产估值风险评估和定价测算；德勤推出的iBond智慧债券产品，依托德勤全球交付中心专业团队持续的数据收集维护，融合了传统评级经验与先进人工智能和大数据技术，为金融机构提供债券资产的评级、预警、风险收益分析和持仓组合管理一站式服务。在数据治理中对外部数据进行规划和统筹管理，实现外部数据进行统一接入、统一存储、统一管控和统一服务，在确保外部数据获取合法合规、安全管控到位的基础上，与行内数据资产进行整合，以实现内外部数据在逻辑、标签、算法、模型层面的沉淀和复用，最大限度发挥其价值。

结语

正如上文中所述，数据“管”与“用”有机结合，是金融机构逐步完善数据治理、实现数数字化转型的必经之路，数据管理为数据应用奠定坚实的基础，帮助数据资产价值实现，数据应用引导数据管理逐步成熟，两者互为依托，相互左右，缺一不可。在数据资产重要性日益凸显的今天，金融机构更应加强数据“管”和“用”的实践探索，应大势之趋，合监管之规，理数据之序，掘数据之金。