|
摘要： 近年来中小银行面临激烈的市场竞争与严监管的环境，纷纷开启了数字化转型之路谋求发展，在数字化转型过程中，离不开数据的作用，包括了数据的获取、沉淀、运用、洞察及价值实现。数据治理越来越受到银行、监管机构乃至国家层面的重视，数据价值的转化也受到了银行高管层的普遍认可。然而在数据治理的实践中，很多中小银行由于自身发展历史较短、资金投入有限等原因，各方面发展尚未成熟，往往面临着数据分散、有数难用、挖掘不深的困境，对于数据治理如何开展仍存在诸多的困惑，数据治理的落地也面临着众多的困难与挑战。本文从中小银行视角出发，对数据治理工作的探索方向和实践路径提出几点思考。 随着社会信息化水平的不断提高，日益肥沃的数据土壤同时催生出了诸如大数据、云计算、人工智能、区块链等新兴技术，数据和技术的相互交融促进，共同推进了整个社会向更便捷、更高效、更融合的未来发展。作为我国金融业中重要力量之一的中小城商银行，对数据这一重要的生产要素不断加强管理和运营，使其成为自身数字化转型的核心竞争力，一方面立足本地特色，在日常金融经营业务中下大力谋发展、创新意；另一方面也纷纷开启适合自生的数字化转型之路，积极挖掘数据与拥抱新兴技术，与重点业务场景相融合共促进。如何从一个个独立的“数据孤岛”系统中将数据提取、如何按照统一的标准和格式对数据进行梳理规范、面对信息系统的升级如何进行数据的迁移和清理等种种数据需求，势必需要对数据进行综合统一的治理，使得内外部数据能标准一致、完整可用和互联互通，将其价值最大化。笔者认为，中小银行只有清晰数据管理目标和思路，结合自身现状立足发展实际，找准适合自身的切入点和实践路径，求真务实、聚焦重点，一步一个脚印在数据治理道路上扎实推进。 一 中小银行数据治理的意义与价值 从中小银行自身发展来看，近年来中小银行为应对激烈的市场竞争与逐趋严的监管环境，努力谋求转型发展的突破口，积极将ABCDI（人工智能、区块链、云计算、大数据、互联技术）为代表的新兴技术，与客户服务、业务受理、信贷流程、运营管理、风险管理和经营决策等银行核心业务进行融合；同时彻底颠覆传统银行的思维模式与运营模式，应势而变，更加注重协同化服务、场景驱动式开发以及平台生态构建。在数字化转型过程中，离不开数据的作用，包括了数据的获取、沉淀、运用和洞察，最终实现数据的价值，切实推动中小银行数字化转型发展。而我们在这里谈的数据价值主要是两个实现阶段，首先追求的就是数据带来的风险管理价值，以解决中小银行的“生存”问题；进而才是将数据价值运用到支撑经营决策和优化营销服务的“发展”阶段，推动中小银行从高速度向高质量发展的转变。 从监管层面上来看，为引导银行业金融机构加强数据治理，中国银保监会于2018年5月发布了《银行业金融机构数据治理指引》，明确了数据治理架构、数据管理、数据质量控制、数据价值实现等的工作要求，通过将数据治理与监管评级挂钩的方式，督促银行业金融机构提高对数据治理工作的重视。在2019年6月的G20大阪峰会上，数据治理也已成为在全球各国领导层面进行讨论的中心议题，其背景和目的都旨在推动建立新的国际数据监管体系。2020年《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》指出“加快培育数据要素市场”，数据被作为与土地、劳动力、资本、技术并列的五种生产要素之一。 不难看出，数据治理越来越受到银行、监管机构乃至国家层面的重视，数据价值的转化也受到了银行高管层的普遍认可。但在实践中，很多中小银行对于数据治理如何开展仍存在诸多的困惑，数据治理的落地也面临着众多的困难与挑战。 二 中小银行数据治理面临的难点 根据中小银行金融科技发展研究报告显示，中小银行的数据治理基本处于萌芽期，91%的中小银行仍尚未开展有效的数据治理工作。大部分中小银行目前仍处于搭建企业级数据基础规范的初步阶段，基础数据质量较差、采集困难，无法实现数据的互联互通，并且数据应用场景仍十分狭窄。在数据治理与协同上短板明显，也成为了中小银行当前数字化转型发展的痛点与难点。 从银行内各部门视角来看，也都面临着不同的数据管理问题： 对业务部门来说，作为主要的业务数据输入端，扮演着重要的数据质量控制角色，数据质量的好坏将直接影响数据分析结果的准确性，而银行层面数据标准是否建立，各业务和管理领域数据标准是否一致，将直接影响数据运用阶段的输出成果，数据治理对业务部门来说绝不能是“事不关己、高高挂起”的工作。 对科技部门来说，在进行银行信息系统整体架构规划与设计的同时，必须要同时考虑数据架构的设计与配套，包括数据标准的制定与落地、数据加工分析平台与各源系统的对接关系与深广度等，数据治理成效将直接牵扯到信息系统建设的各个层面。 对数据治理管理部门来说，需要充分调动起业务和科技部门，发挥统筹作用，包括如何将数据治理的价值充分运用与发挥、如何分类施策对数据治理各环节工作进行模块化拆分与推进、如何将治理模式从管控式向服务式转变等，要从加强意识宣贯、上下推导，到化被动到主动去重视和实施，这将是一项需长期推动、动态完善的智慧工程。 看得见的问题往往只是表象，数据质量问题的本质归根结底还是治理问题。总体来言，中小银行在数据治理实践过程中普遍面临的难点：如何体系化的规划开展数据治理工作？数据治理组织架构如何有效运行和落地？如何通过数据管理工具提升数据治理成效？如何深化数据分析结果的价值运用和显性推广？ 三 中小银行数据治理实践路径思考 中小银行首先要结合自身在数据基础上的积累和现状，求同存异，找准发力点，清晰数据治理目标和范围，优化治理组织架构，健全制度流程；并且做到与时偕行，依托重大系统项目群新建或扩建之契机，梳理更新数据标准，开展数据清理和数据标准落地综合实践，逐步沉淀数据资产，形成企业级的数据治理文化。 第一，规划先行，加强数据治理顶层设计。 一是从战略上重视，将数据治理和数据价值目标上升至战略层面，纳入至董事会和高管层的战略视野，通过明确数据战略规划打破部门之间的刻板思维和固有模式，并将开放能力、服务生态的数据基础作为数据战略的要点进行定义，从上至下有目标、有计划地贯彻和推进数据治理，计划应“统筹规划、分步实施”，将总体规划切分为短期目标、落实责任机构、形成督办机制并与绩效挂勾确保扎实有效推进；二是从组织上保障，建立职责边界清晰的数据治理架构，推动全行数据团队建设和数据文化建设，建立多层次、相互衔接的运行机制，由高级管理层牵头组建全行层面的数据治理委员会，作为全行数据治理的最高决策机构，落实董事会和高级管理层在数据治理方面的职责；三是从岗位上明确，设立数据管理专职化团队，作为全行数据治理工作的归口管理机构，并配备专职数据管理人员，同时对总行各部门职责都增加相应数据治理工作内容，并明确业务部门设置数据治理相关岗位的要求，负责统筹落实本单位对应领域和环节的数据治理工作。 第二，夯实基础，推导数据标准有效落地。 制定数据标准不难，难在落地。中小银行可以先从数据治理专项工作作为切入点，通过体系化框架的规划设计，包括梳理客户、产品、协议、事件、财务、机构、资产等多个主题的基础类数据标准和公共代码标准，以及覆盖全行业务经营、客户管理、财务管理、风险管理、内部运营的指标类数据标准。同时，可结合行内重点信息系统项目（群）重建作为数据治理的重要契机，着重从数据标准管理、元数据管理、数据模型管理、数据分布管理、数据共享管理、数据质量管理、数据安全管理、数据生命周期管理、数据价值管理等9个核心领域入手，逐步完善行内数据架构，同步结合数据管控基础平台、数据网关平台、服务治理平台、数据分析平台及数据标准落地等的子项目建设，统筹规划、分步推进，一方面组织数据标准的持续修订，明确新建和已有各类系统的数据标准落地原则，制定数据标准落地流程；另一方面依托ESB和EDW作为两大抓手，通过企业级服务总线（ESB）在接口服务层面推动服务治理标准落地，通过企业级数据仓库平台（EDW）在数据交换和指标加工层面推动全行数据加工整合和共享发布，多措并举、以点带面推动数据标准落地。 第三，全行联动，强调业务部门参与力度。 数据治理工作贯穿于数据产生、应用、归档和销毁的全生命周期，业务部门承担着数据质量控制的重任，也是数据质量提升的直接受益者，但在数据资产厘清和管理工作实践中，往往难免存在数据管理业务部门职责边界不清晰、推行不积极的问题。一方面中小银行可以通过开展数据认责梳理工作，对业务流程进行拆解，根据不同流程节点，对应不同业务部门对信息项的新增或者修改时，从而确定该业务部门的数据标准项的归口管理。另一方面，通过业务视角自上而下的演绎，包括从业务价值链、数据应用场景进行业务端数据的梳理分析，对数据录入部门、数据需求提出部门、信息系统业务主管部门等不同的方式进行依次认责，做到权责相当，有权必有责、有责必担当。同时，通过建立定性和定量的数据治理评价考核指标，考核评价数据治理相关部门和责任人的履行情况、数据标准落地情况、数据质量问题产生和清理情况，强化数据管理工作考核评价实现正向反馈，有效倒逼数据治理工作及各相关部门参与力度，为形成全行层面的数据治理长效机制奠定基础。 第四，打破孤岛，构建企业级信息共享机制。 一是构建数据高效处理中心。中小银行可以通过数据网关平台的建设，让数据高效流动起来，一方面实现了混合数据架构下多技术平台间的数据交换，在上下游多系统间、系统内多数据分区间实现数据传输和交互，满足行内机构间的数据快速共享和分发的需求，保证数据传输的时效性和安全性；同时通过对各类数据源的数据进行整合加工，并以数据服务的形式提供给各类业务系统，有力支撑我行实时营销、快速授信和交易反欺诈等应用。二是加强对数据流程的管控。通过建设数据管控基础平台，实现数据管控的线上化自动化可视化；提供行内数据标准的维护管理和统一发布功能，通过全自动化的数据标准映射减少数据标准落地中的人工分析工作；自动采集各业务系统的元数据变更情况，确保数据字典的完备性及时性，与数据标准进行映射和规则比对，检验数据标准落地情况；同时，实现数据质量问题的统一登记和跟踪。三是整合数据门户建设。通过建设统一数据分析平台，搭建一个基于数据仓库、数据集市、大数据平台等数据整合加工能力的统一展现平台，在满足总、分行业务部门的统计分析和对历史数据的查询需求上，提高报表开发效率、提升自助分析能力、丰富数据应用模式；同时将指标标准的管理流程与数据需求的受理和开发联动起来，实现数据资产的统一展现和应用。四是实现外部数据的统一接入和管理。通过建设外部数据管理平台，打造以“统一登记、统一接入、统一存储、统一共享”于一体的数据平台，在全面降低外部数据的综合使用成本的基础上，实现外部数据的清洗和标准化、现有内外部数据资源的整合，重建外部数据管理机制和外部数据服务流程，充分、高效地挖掘外部数据资产价值。 第五，目标导向，明晰数据价值应用管理。 在实践中，技术部门和数据管理部门都曾遇到过各部门抱怨数据缺失、数据质量问题、推托治理责任等的困境，数据治理难以深入。在数据仅作为一般性的统计分析和监管报送的情况下，这种现象很正常，毕竟业务部门各有期业务价值目标和职能分工。通过统一的数据管控平台，对全行的数据进行梳理收集，包括但不限于各信息系统测试和生产环境的数据库元数据、系统数据接口、基础类数据标准、指标类数据标准业务数据检核规则、监管报送数据检核规则、数据质量发现问题台账、数据质量问题解决方案、数据管理办法以及其它数据各类相关文档，逐渐使全行分散的数据形成资产目录，并通过可视化界面，通过建立数据管控平台等工具使数据的使用流程线上化、自动化、便捷化，构建全行数据资产目录，让全行数据资产可看、可统计，有力的支持了各业务部门对相关数据的应用。唯有当数据给业务带来价值时，数据治理才能上升到战略层面，受到各部门的真正认同，并成为业务部门的自觉行动。同时数据管理部门还负责宣贯数据治理的相关政策、要求和作用，组织相关的数据建模、数据应用培训；各业务和技术部门里组建兼岗的数据治理专员，，积极从日常工作中寻找发掘与数据治理相关的内容，向上反馈推进涉及业务环节的优化提升，逐步培养起全行员工的数据治理文化和意识，促进全行的数字化转型道路。 作者赵志东 |
|
|
