【监管数据管理有道】系列文章

一、背景

监管标准化数据（EAST）5.0的正式报送进入倒计时阶段，各家银行均在紧锣密鼓地开展EAST5.0最后的冲刺。银行高度重视监管数据工作，一是由于监管要求的持续更新，二是银保监会持续加大对监管数据质量违法违规问题的查处力度，尤其关注监管数据标准化（EAST）错报、漏报、数据交叉校核存在偏差的问题，并对往期处罚问题的整改不力进行追踪处罚，反映了银行业金融机构监管数据管理工作任重道远的现实情况。

图1  近年EAST处罚统计

数据质量违规问题背后，往往潜藏着监管数据治理待提升、业务管理不完善、信息系统和数据管理不健全等根源性问题，而这些问题也正是银行业金融机构监管数据管理工作的难点所在。本篇将从“治理”着手，分享德勤在银行数据治理项目中所积累的经验。

二、什么是治理

监管数据治理是一项基础性、系统性的工作，而一套设计完备、运转顺畅的治理架构是监管数据治理工作长期有效开展的重要先决条件。在阐述监管数据治理建设的难点与应对之前，有必要先行明确监管数据治理层所包含的要素。

 

《银行业金融机构数据治理指引》视角

2018年5月21日中国银保监会正式发布的《银行业金融机构数据治理指引》（银保监发〔2018〕22号）对银行业金融机构提出了数据治理的全面要求，其中第二章强调了数据治理架构的构成。至此，数据治理工作不再仅仅是监管报送部门、或者信息科技部门的工作，而是全行性的、上至董事会高管层、下至数据采集人员、录入人员，需要做到人人有责，并通过数据文化引导依规用数、科学用数的职业操守。

图2 《银行业金融机构数据治理指引》框架体系

 

监管统计数据质量治理视角

2020年银保监会发布《关于开展监管数据质量专项治理工作的通知》（银保监办发[2020]45号），开展了监管数据质量专项数据治理工作，各地银保监局随后下发的配套文件《监管统计数据质量评估模板》包含了五大评估要素，分别为1）组织架构；2）制度建设；3）系统保障和数据标准；4）数据报送存储和共享应用；5）数据质量控制，其中首当其冲的便是“治理”的相关要素，即组织架构、制度建设。通过评估要素项下各评估细则的具体要求，银行业金融机构对银保监会关于监管数据治理的具体要求有了更清晰的执行依据。

图3 《监管统计数据质量评估模板》评估要素

 

德勤视角

监管数据治理是一项全行性的工作，有效的组织架构是监管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、良好的文化氛围是非常必要的。

德勤长期专注于金融行业数据治理、监管数据治理相关服务，积累了丰富的银行业金融机构监管数据治理经验，形成了一套行之有效的监管数据治理层设计框架和方法论。综合监管要求行业实践经验，及德勤方法论，监管数据治理层的组成要素包括：

图4 德勤监管数据治理框架

1. 战略与规划、计划：银行应当将监管数据治理纳入银行的数据战略之中，通过战略规划前瞻性地引领监管数据工作，并通过管理提升规划、系统建设规划以及对应的工作计划将战略落地。
2. 组织、职责与团队：董事会、监事会和高级管理层应当共同构成监管数据的管理体系；监管统计归口管理部门组织、协调和管理全行的监管统计工作；其他监管数据管理部门负责所辖监管数据的报送和管理工作；业务、系统、人事、内控、审计等相关部门执行银行的监管数据工作要求；各部门设置与银行的规模和业务复杂程度相适应的监管数据工作专职和兼职岗位，并通过培训、激励约束机制等加强团队建设。
3. 制度体系：监管统计管理制度应当明确监管统计的总体要求，包括组织领导、部门职责、信息系统保障、数据质量控制和资料管理等方面；监管数据业务制度应对监管数据的内容、方法和口径等方面做出统一规定，明确监管数据项的归属关系及取数路径；经营管理制度中应包含源头数据的质量管理措施和要求。
4. 文化建设：数据文化是重视、践行和鼓励以数据为基础的高质量决策的人员共同的行为和信念，良好的数据文化能够提升各级员工对于数据工作的价值认同，培育依规用数、科学用数的职业操守。

三、难点与应对

监管数据治理建设对银行业金融机构来说并非一个新课题，自2011年原银监会发布《银行监管统计数据质量管理良好标准(试行)及实施方案的通知》以来，各银行纷纷开始建设监管数据治理体系，多年来各家银行在监管数据治理领域也都有自己的实践，但对于一些难点问题有着不同的理解或者还存在相应的困惑，本文抛出一些大家关心的监管数据治理架构建设及运行过程中的问题，启发大家的思考。

 

1. 组织架构建设

监管数据治理是一项全行性的工作，有效的组织架构是监管数据治理成功与否的有力保证，为达到监管数据战略目标，建立体系化的组织架构、明确职责的分工是非常必要的。但实践中，银行在如何设置监管数据归口管理部门，以避免跨体系报表难治理、部门间职责推诿、优化工作流程和效率、解决资源投入不均等方面存在一些挑战。

难点：监管数据归口管理部门设置不合理、难落地

建议：据观察，越来越多的银行选择独立设置一个数据部门，对数据相关的工作进行归口管理；当然还有一些由业务部门或技术部门作为“归口管理部门”也是银行实践方式之一。不同的设计方式下优劣势也各有不同，银行可以在自己实际情况中权衡利弊、得出最优解决方案，常见的归口管理部门设置方案及优劣势对比如下：

图5 监管统计归口管理部门

一般来说，归口管理部门设置的课题需要多长的决策过程与时间，很大程度上取决于决策层对于监管数据治理的决心，也就是说决策层应对此予以高度重视并匹配完善的资源；同时，一个行之有效、运转良好的归口管理部门往往需要一定时间的尝试、复盘、反思、调整，通过全行共同的努力而形成，并不能毕其功于一役。

 

2. 认责与确权

监管数据的认责与确权是监管数据工作有效开展的必然要求，各金融机构需明确数据治理部门职责、各体系监管数据牵头职责、监管数据报送部门职责，这也是银行普遍的痛点所在，职责不明确会导致数据质量管理缺失、报送及时性和完整性问题、难以问责、数据口径确认难等诸多问题。

难点：数据认责难

建议1：从基础数据项着手，推动数据项全面认责

基础数据项因其定义、权威来源及管理和技术属性相对清晰，其认责相对于指标数据而言更易于开展，银行可以从基础数据项着手开展认责。数据主责部门的判定可以遵循“最有能力管理该数据的业务部门”，该业务部门通常是该基础数据项的产生部门，对该其业务口径定义、系统录入、日常监控、问题治理具有最权威的业务解释权，能够对基础数据的问题进行最权威的解释。

德勤基于多家银行数据治理项目实践经验，形成了一套行之有效的数据认责决策树，可辅助认责工作开展，决策树的部分判断依据如图6所示。此外，银行可以项目为契机，推动数据项认责工作，如部分银行在EAST系统建设过程中确认了相关基础数据项的认责工作。

图6 数据认责决策树示例

建议2：落实奖励及处罚并重的绩效考核

认责之所以难于推动，一大原因在于人们趋利避害的心理，数据项的主责部门需要对数据质量问题付出人力进行解决，并承担责任，影响绩效考核。虽然相关工作和责任难以避免，但可以通过“正向激励”措施的合理设置，让优秀的工作得到褒奖，例如对报送正确率、数据质量问题解决速度、系统优化建议采纳率等指标进行排名，对排名靠前的团队进行考核加分。

 

3. 文化建设

数据文化建设的意义不言而喻，良好的数据文化能够提升各级员工对于数据工作的价值认同，是数据工作效能的倍增器。数据文化建设同样也是监管要求之一，但如果仅从落实监管要求的角度出发，将数据文化建设当成合规任务，难免造成难以推动、流于形式。根据我们的观察，大部分银行仍处于数据采用型或数据采用型与数据成熟型之间，差距主要在于数据文化举措、工具等方面。

图7 数据文化量化表

难点：难以推动、流于形式

建议1：高管层以身作则重视数据、使用数据

文化是由思维方式驱动的，决策者不能简单地告诉员工形成或改变文化，突然变成数据驱动型文化，必须利用具象化的实例，鼓励员工相信文化变革是必要的、有价值的。一个可行的方式就是高管层以身作则重视数据的分析和使用，并解释数据如何影响、优化决策过程，展现数据对于决策过程效率的提升、对于决策科学性和准确性的贡献；此外，数据治理委员会作为高管层汇报监管数据治理问题的向上汇报对象，高管层在汇报过程中，可以更多地利用统计分析数据，以更量化的方式展现监管数据治理相关的问题，使得数据治理委员会更好地履行监督、指导监管数据治理工作的职责。通过以上举措，以高管层对数据分析和使用的重视，自上而下地引导和督促执行层重视数据管理，形成全员数据驱动的思维方式和行动力。

建议2：提升数据文化举措的互动性

数据文化举措的互动性是决定各级员工参与度的重要因素，数据文化建设工作难以推动、流于形式很大程度上是因为数据文化举措与其他合规举措一样套路化、刻板化，员工缺乏参与积极性。一方面通过数据应用的建设，使得各级员工能够切实体会到基于优质数据所打造的数据应用对于日常工作效率将带来较大提升，形成“用数据思考、用数据说话、用数据决策”的思维，正所谓“借助应用之力，夯实治理之基”。

另一方面，可以通过建立数据门户的形式，使得用户对数据相关资源和话题有统一的访问和交流渠道，增强数据文化对用户的触达。德勤在多家银行数据治理项目中，协助银行建立了数据门户，使得用户能够从单一权威且便捷的渠道得到数据相关的资源，有力推动了数据文化的构建。此外，通过形式多样的视频宣传、微信公众号文章、交流互动活动等体验直观、易于接受的形式营造数据文化氛围，也可以依托行内已有平台对于不同角色进行形式多样化的培训，帮助各类角色理解监管数据口径、监管数据治理职责，形成数据主人翁意识，通过多种手段将数据文化“内化于心，外化于行”。

结语

随着金融业的发展，金融行业无论是公司结构还是业务产品均日益纷繁复杂，与此同时监管科技也日趋先进，监管数据成了金融机构合规经营中不容忽视的重要命题。而如何管理好监管数据是一项系统性工程，德勤建议首先要解决治理层面的问题，包括组织架构、职责分工、制度流程、绩效考核和文化宣导。金融机构应当进一步重审监管数据治理能力，同时基于自身特点，设计科学合理的监管数据管理体系。在本篇之后，我们将继续通过“监管数据管理有道”系列文章“业务篇”、“技术篇”深入分享监管数据管理经验。