淺談商業銀行數據治理

陳春鳳 柳州銀行股份有限公司

引言

在商業銀行數字化轉型訴求日益迫切的今天，能夠高效獲取高質量的數據并加以分析利用，充分發揮數據價值，是商業銀行實現數字化轉型的重要支撐，從而推動金融高質量發展，提高金融服務效率，更好地服務實體經濟和滿足人民群眾需求。在這樣的背景下，商業銀行數據治理的工作效率和成效就顯得特別重要，只有夯實了數據基礎，有高質量數據的支撐，商業銀行的數字化轉型之路才能行穩致遠。

一、商業銀行開展數據治理的背景

(一)監管政策及相關要求

從監管層面來看，自2018年銀保監會下發《銀行業金融機構數據治理指引》(以下簡稱《指引》)以來，該《指引》為商業銀行搭建完善的數據治理體系提供了指導。在數據治理架構、數據管理、數據質量控制等五方面提出明確要求，并對數據治理進行了定義。

2021年銀保監會發布《商業銀行監管評級辦法》，將“數據治理”納入了評價體系，權重占比5%，“數據治理”被列入了商業銀行風險監管的評價指標，銀行業的數據治理成為了“嚴監管”的重要領域。

2022年銀保監會印發的《關于銀行業保險業數字化轉型的指導意見》中更是提出“健全數據治理體系。制定大數據發展戰略，確立企業級的數據管理部門，發揮數據治理體系建設組織推動和管理協調作用。完善數據治理制度，運用科技手段推動數據治理系統化、自動化和智能化。完善考核評價機制，強化數據治理檢查、監督與問責。加強業務條線數據團隊建設。”

2022年人民銀行印發《金融業數據能力建設指引》旨在為金融機構開展數據工作指明方向、提供依據，引導金融機構加強數據戰略規劃、著力做好數據治理、強化數據安全保護、推動數據融合應用，充分釋放數據要素價值，為金融機構加快數字化轉型發展夯實數據基礎，打造適應數字經濟時代發展的金融核心競爭力。

(二)數據治理的概念和基本原則

數據治理是指銀行業銀行業金融機構通過建立組織架構，明確董事會、監事會、高級管理層及內設部門等職責要求，制定和實施系統化的制度、流程和方法，確保數據統一管理、高效運行，并在經營管理中充分發揮價值的動態過程。銀行業金融機構數據治理應該遵循的基本原則是全覆蓋原則、匹配性原則、持續性原則、有效性原則。金融機構通過加強數據治理，可提高數據質量，發揮數據價值，提升經營管理能力。

二、商業銀行數據治理存在的問題

(一)組織架構建設不完善，數據治理機制缺失

數據治理是通過建立組織架構，明確董事會、監事會、高級管理層及內設部門等職責要求，制定和實施系統化的制度、流程和方法，確保數據統一管理、高效運行，并在經營管理中充分發揮價值的動態過程，形成適合商業銀行自身的治理制度和技術工具。大多商業銀行缺乏數據管理專職部門，沒有構建科學合理的數據管理體系和數據管理架構。未制定數據戰略，未將數據治理工作與全行發展規劃有機結合，未建立相關工作機制。特別是在系統建設時通常獨自為戰，多以“豎井”式建設，缺少橫向的溝通和統籌，缺乏數據共享理念和思維，根據業務的擴展業務系統及數據也呈爆發式增長，各業務系統的數據定義也沒統一的設計標準規范或有規范不執行，這給后期數據的整合應用帶來很大困難。

(二)數據標準體系未健全，數據基礎建設薄弱

全行范圍內的業務指標體系不健全，極大增加了數據治理的難度。在實際業務開展過程中，條線部門之間業務指標跨度比較大，業務指標定義不清晰、口徑不統一，存在“同指標”統計結果不一致。不同的業務部門對數據指標的理解存在差異性，同名不同意，計算規則存在偏差等問題。在數據采集方面，線下人工采集數據仍普遍存在，一線錄入人員對于數據標準和質量要求認識不夠，手工錄入信息質量較低。客戶數據來源依賴于客戶經理前端的錄入，但是客戶經理錄入的信息也不夠準確，缺乏統一的標準。同時，由于組織職責不清、制度存在有章難循現實問題，進一步導致管理流程未有效實現全流程、標準化、閉環管理。

(三)數據治理文化氛圍不強，數據治理意識不足

缺乏全行層面的數據治理文化宣導，未能真正讓業務組織在數據治理工作中發揮有效推動作用。數據治理工作中，業務部門主動參與性有待提升，主要靠“被動考核”來推進。數據應用缺乏主導牽頭組織，數據應用創新能力難以得到進一步提升，在數據應用建設上缺乏主觀能動性。業務部門的數據處理分析工作過多依賴IT 部門人員進行支持，未能深入了解基本數據分析處理技能，主動提升自身相關能力。

(四)歷史數據體量大，數據規范不一

商業銀行從信息化以來，由于自身的業務品種繁多，數據類型多而雜，積累了大量的歷史數據，而這些數據是在不同時期不同的技術支撐下沉淀的，因此存在大量規范不一的數據。一是存在大量異常數據，外部數據源和一些的業務源系統的某些字段中，都會出現一些異常信息，比如亂碼、字符重復多余、數據格式錯誤等。雖然在系統表中，對有關字段進行了設計，然而，在使用的時候，會發現，這些字段伴隨著采集缺失、信息不準確等現象或重復采集，造成大量數據冗余。二是數據定義不完整，在系統的開發和建設中，其最大的目的就是要滿足顧客的業務交易需要，因此對統計分析中所涉及的數據要素項定義沒有足夠的重視，這就造成了定義不完整的現象，各業務部門對相同數據字段有不同認識和理解，加大了部門之間的溝通成本。三是存在代碼問題，數據存儲并沒有全部都被信息代碼化，仍然使用文字存儲方法來存儲數據信息，存在大量的非結構化數據。

(五)缺乏專業管理工具支持有效管理

商業銀行整體數據技術平臺架構相對完善，但缺乏主數據管理模塊，并且上層數據應用較少。數據治理體系缺乏主數據管理，對應的數據管控體系平臺中也沒有主數據管理模塊，造成需集中共享的同一數據被分散多處維護。現有數據制度要求與實際環境匹配度不高，作用停留于文檔，較難落實于實踐。

在原始數據采集時，主要還是依靠傳統的人工方法，收集資料需要耗費大量的人力、財力和物力，收集的品質和效率較低；加之存在定義缺失、數據標準不一致等問題，使得商業銀行進行數據收集工作的困難增加。數據治理工具的缺乏也是導致銀行數據治理工作不順暢的重要原因。由于缺少有效的系統支撐工具，數據標準、數據質量的閉環管理流程依靠人工流轉，管理范圍有限，管理效率較低，從而導致數據質量把控和問題處理跟蹤難度較大，數據質量問題反復發生，數據質量提升困難。

(六)專業人才稀缺，一人兼多崗

相較于大行，區域性商業銀行由于地理經營范圍、管理機制、企業文化等原因，人才儲備較為薄弱，自主培養人才的周期長、投入高、難度大，外部引入難以匹敵其他大行、科技公司，難以參與人才競爭。同時，由于豎井式、部門型組織架構不利于靈活敏捷響應外部環境需求，存在部門壁壘，難以培育共創的企業文化。數據治理工作具有很強的專業性，要求數據治理有關人員既要具有堅實的銀行業務知識和專業的管理觀念，也要具有一定的大數據分析技術儲備。但是，目前大多數的商業銀行仍然使用傳統的條線化管理方式，缺少立體全面的人才觀，從而造成了這些跨領域、跨條線的數據治理專業人員比較稀缺，且數據治理核心人員多為一人身兼多職，特別是在多數業務部門，數據治理工作基本不是主責，這使得具體工作在實際落地程度上大打折扣，整體數據治理工作推進難以全面鋪開。

在很多城市商業銀行，負責數據治理的工作人員大多是原先IT 開發人員轉由接手相關工作，他們對數據治理工作的認識和能力也存在不足，需進一步加強對自身相關工作能力的提升。加之在數據治理培訓和人才培養方面投入力度不夠，導致相關工作進展緩慢。

三、商業銀行數據治理質效提升策略

(一)完善數據治理架構，明確各方職責

近年來，國家監管部門相繼出臺了數據治理、數據能力建設相關的指導文件，明確了金融業數據工作的基本原則，從數據戰略、數據治理、數據架構、數據規范、數據保護、數據質量、數據應用、數據生存周期管理等方面劃分了8個能力域和29個對應能力項，提出了每個能力項的建設目標和思路，為金融機構開展金融數據工作提供全面指導。數據治理是企業戰略，是一項全行性的系統性工作，有效的組織架構是數據治理的基礎。應建立由高級管理層和各相關部門組成的數據治理委員會，統一領導數據治理工作，負責制定全行的數據治理戰略，科學規劃數據治理發展路線和實施計劃。明確各方職責崗位邊界，制定相應的工作機制、決策機制。多數商業銀行的數據歸屬不同的部門，容易出現職責分散、權責不明，歸口管理部門的確定有利于進行數據的統一管理，制定科學有效的數據管理制度，保障數據治理工作有效推進。按照自身的業務特色和組織結構，來構建數據管理的組織架構。這其中有各部門只負責本部門業務領域數據管理的分散模式，也有統一由歸口管理部門進行管理的集中模式，統籌組織全行范圍的數據治理工作。具體選擇何種方式，可以結合各家銀行自身的實際情況而定。

(二)構建和完善數據治理標準體系，優化數據處理機制

商業銀行數據治理頂層設計的落地與實現，需要建章立制來開展：首先，需要形成從章程、專項管理辦法、工作流程三個梯次的制度層級，合理地制定數據治理的具體領域和目標，明確需要遵循的原則，需完成的任務、采取的步驟和具體措施等，從而實現對數據全生命周期的管理；其次，歸口管理部門發揮牽頭作用，推動和監督流程執行，為數據標準制定工作，提供人力、技術、資金等關鍵資源，并獲得管理層的行政支持和充分授權，通過激勵和問責考核體系，推進數據標準工作的制定與執行落地；最后，自下而上歸納與由上而下演繹相結合進行數據標準梳理，一方面需要自下而上整理信息系統中的數據情況，同時也需要自上而下定義數據主題、細化分類，兩者結合才能夠實現全面整體的數據視圖，形成有效的數據規范要求。

(三)多層次多途徑推動數據標準落地

商業銀行數據標準的制定和落地是數據質量提升最關鍵的前提，主要可以從以下幾個方面來開展：一是厘清相關方職責，需要厘清數據標準編制、維護、落地過程中的相關方職責，比如：數據治理歸口管理部門負責建立企業級數據標準化規劃，統籌數據標準新增、維護、停用需求，牽頭建立數據標準管理工具，組織開展數據標準相關培訓；各條線業務管理部門負責編制、維護與解釋歸屬于本部門的數據標準，負責各自的數據進行全生命周期的管理，負責在系統建設或報表開發的業務需求提出過程中，明確數據標準執行要求，由條線業務部門對各自歸屬的數據負責；科技部門負責應用數據標準規范系統建設與改造流程，確保數據標準被有效執行。二是搭建和完善數據標準管理工具，數據標準管理工作繁雜，需要借助有力的工具支撐，把數據標準管理流程嵌入日常工作流程中，加強數據標準落地流程管控。要不斷數據技術平臺架構建設，特別是在數據管控部分模塊仍需補齊與優化，數據的應用創新需要各方加強主觀能動性以及進一步降低IT 與業務之間在數據使用上的門檻。三是強化數據標準閉環管理，建立有“生命力”的數據標準，定期評估數據標準的適用性。如數據標準是否可以滿足外部監管要求，數據標準是否可以有效滿足國際、國家、行業標準及業務需求，數據標準的系統應用情況，數據標準是否有對應的業務責任部門等。四是在不斷地對數據質量進行監控的過程中，要在發現問題的時候，能夠及時地解決問題，從源頭上加強對數據質量的控制。通過定期公布數據質量報告，不定期地對數據質量進行檢查和抽查，將外部監督上報的數據以及內部管理數據的精確度和穩定性作為業績評價的重要內容，持續提高數據質量問題的處理效率，并對其實施效果進行追蹤，從而建立起數據質量閉環化的管理體系。

(四)創建有效的數據質量評估機制

在我國商業銀行中，必須對其進行全面、客觀的評價，以確保數據質量。這樣可以提高銀行員工的責任感，提高工作效率。而要想建立一個數據質量評估機制，就必須以商業銀行的具體發展情況為依據，這樣才能保證可以與商業銀行的數據處理實際工作相匹配，凸顯出評估工作的重要性。比如，持續收集數據標準實施落地后產生的問題并進行應對，以元數據管理為基礎，核對數據與標準的映射情況，定期評估數據標準的落地效果。商業銀行未來的發展方向，一是面向提升客戶服務，除了線上化能力，更關注用數字技術打造智能化、個性化服務能力；二是圍繞數據驅動的技術，包括數據智能分析與應用，也包括跨領域的數據融合分析。三是要圍繞“以客戶為中心”的理念，加強內外部數據在客戶、產品、渠道和營銷、風險控制、業務運營等業務應用方面的價值挖掘和使用，構建相對應的數據模型，實現以數據為驅動的精細化智慧經營，為實現數字化銀行轉型提供有效支持。通過對數據的不斷挖掘，可以識別冗余、低效的流程環節，最終達到提高運營效率、降低成本的目，達到商業銀行的數據處理工作需要。

(五)營造數據治理氛圍，多途徑培養專業人才

強化人才隊伍培養，促進員工價值提升，通過內部培訓與外部合作并行，加快健全數字化人才體系。一是聘請外部專家作為敏捷教練，為業務小組、部落部門、業務條線和全行等四級組織賦能敏捷工作方法，在技術、團隊、組織、管理等方面帶領敏捷組織踐行敏捷理念，傳導敏捷文化，提升全體組織敏捷能力。從外部敏捷教練賦能，到內部選拔培養專職敏捷教練，逐步探索出一套符合自身特色的敏捷方法論，有效指導產品創設、業務運營、敏捷管理等業務實踐，在實踐中培養商業銀行本土的數字人才隊伍，激勵先進、鼓勵提升，形成“老帶新、共前進”氛圍。二是加強業技融合，推動科技人員向條線業務部門輸出。完善人才“選用育留”機制，在人才序列、管理機制、獎勵激勵政策上給予資源傾斜。三是在全行范圍內多角度、多途徑宣傳數字化文化理念與思維意識待提升，鼓勵主動學習能力提升、擁抱變化。通過數據治理、數字化相關培訓與宣貫塑造數字化文化共識，通過文化持續宣貫與技術持續賦能實現數字化文化持續迭代。■