当前位置:电子银行 > 正文
大数据时代银行数据治理的几点认识

  近期,大家在各种场合提到金融科技必谈大数据,而很少谈到数据治理问题。对于一个企业而言,要实施数字化和大数据战略,数据治理重要性理应更为重要,数据治理的目标、环境和技术也有了新的发展,这个题目促使我思考这个问题。因此,借此机会谈谈个人对银行数字化时代数据治理的几点看法。

  一、数据治理应上升到战略层面

  数据治理并没有严格的定义,通常为提高数据质量而开展的业务、技术和管理活动,这些都属于数据治理范畴。长期以来,由于银行(包括银行下属金融企业,下同)高度重视业务的电子化和信息化,外加监管对银行统计信息质量的高要求,各银行均重视数据治理问题,建立起高管层、信息委,以及专职或兼职的信息管理部门,归口负责数据的业务标准、数据质量和统计口径,信息技术部门则负责用技术手段落实标准、控制数据质量、提供数据开发和数据处理服务。但是这些工作基本停留在管理层面。

  数据已经成为银行经营的核心生产要素,客户定位、产品定位、风险控制、金融市场的交易,无一不依赖于数据,与以往不同的是,数据不仅仅是经营和决策的支持工具,而是一种产品或的服务形态,是用数字化改造流程和管理方式。如何在全企业甚至全集团内部,有目的、有组织地采集、存储、利用数据,让数据产生新价值,就不再是技术和管理层面的事情,必须上升至战略层面,纳入董事会、高管层的战略视野和战略思考之中,并通过战略规划、组织、流程、资源使数据战略能够打破部门之间藩篱、集团内部法人之间的藩篱,有目标、有计划、持之以恒地贯彻和推进。

  在数据战略方面,互联网企业认识更为深刻,更具有前瞻性,在多年以前,这些企业就有意识地积累数据、经营数据,在业务合作中将数据作为重要资本,近年来,在理念、战略、技术上更是系统地开展研究,大规模的投入,并且用数字化对传统行业进行改造,显而易见这些企业已经将数据作为了战略资源。

  二、将数据价值管理作为数据治理的目标

  在实践中,技术部门和数据管理部门遇到的一大难点是各部门抱怨数据缺失、数据质量问题,并将主要责任和治理工作推给这两个部门,数据治理很难深入,数据治理成本增加,边际收益曲线快速递减。在数据仅作为一般性的统计、分析、监管报表报送的情况下,这种现象实属正常,毕竟业务部门有其各自的业务价值目标和职能分工,当数据的采集、加工、存储和质量控制成本大于其收益时,或者数据治理仅仅是质量管理活动的话,是很难得到各业务部门的真正认同的。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,成为业务部门的自觉行动。因此,应清晰定义数据治理的目标,将数据价值管理而非数据质量管理作为其目标。具体有三点建议:

  一是,建立数据价值评价模型。

  目前,大部分银行都建立了企业的主数据和数据的认责部门,在此基础上,可以再增加价值分析维度,根据数据使用频度、重要性、精准性、安全等级、监管要求等,以及数据在产品创设、客户标签、营销机会、风险技术、作业流程等应用维度进行标识和评估,实行分类管理,确定数据质量、存储、安全、调用等策略,让管理层、数据认责部门、数据管理部门和信息技术部门建立共同的数据价值判断标准,提高对数据治理活动的认识。

  二是,建立数据价值分析的流程。

  信息技术部门和数据管理部门的数据治理工作要前置到业务活动中,分析业务活动中的数据需求,以及业务活动过程中产生的数据,与业务部门共同分析数据的使用价值和采集的必要性,在信息系统建设过程中以最合理的方式实现数据采集、数据质量控制,并最大限度集成和调用内、外部数据,支持营销、客户识别、风险控制等业务活动中的数据需求。让业务部门切实感受到数据的价值,承担起数据提供者的责任。

  三是,试点建立数据经营的内部组织。

  从组织内部看,银行已经拥有了海量的数据,不仅数据的历史长,而且质量高,但是很多业务部门并不知道银行究竟有什么样的“宝藏”,由于用户通常是一次性使用数据,数据质量改进和价值发掘缺乏持续性,无法实现知识积累。经验表明,数据的质量是越用越好,数据的价值是越用越高,前者说的是通过数据的使用才能发现数据的质量问题,从而推动数据问题的追根朔源和改进,后者说的则是数据的特性,数据价值不会因为使用而消失,这恰恰是数据运营部门的专业价值所在;从外部看,外部数据服务逐步兴起,将外部采购的数据管理好,实现外部数据和内部数据的综合管理与应用,共同服务于企业内部的多个用户,也需要有专业管理团队。此外,对于集团性企业的法人之间也存在数据服务的需求,由于涉及到保护敏感数据安全以及数据基础设施安全的监管要求,必须对数据进行加工处理,这些职责和专业技能是技术部门或信息管理部门所不能完全覆盖的,需要有一个综合性的专业团队运营。需要说明的是,数据运营专业团队与业务条线的数据分析功能,两者不是替代关系,而是互补关系,数据运营团队的工作是为了更好地支持业务条线的数据分析和应用。

  三、数据质量和数据标准始终是基础

  数据价值管理的治理目标并不否定数据质量和数据标准管理活动,两者始终是基础。之所以强调这两项工作,是为了澄清实际工作中遇到的误区,这种观点认为:解决信息系统的数据问题,应采用技术手段或采购外部大数据,业务难有作为。

  就数据质量而言,业务对数据的依赖性越大,对质量的要求越高,数据质量就是产品质量、服务质量、意味着风险。在数字化时代,业务活动就是进行数据采集、生成和数据质量控制的过程,显示的就是业务活动的自身的过程和质量,并将此固化在信息系统中,这个过程始终是不可或缺的。同样运用技术手段建立数据质量监控机制,也是不可或缺的,只是随着数据采集和处理的技术在不断地进步,如:传感器、图像处理、RPA等,很大程度上减轻了人工的输入,甚至原本不可能由人工采集的数据,进而极大地提高了数据准确率,降低了数据采集和处理成本。

  数据标准是数据的业务含义、分类分级、格式及转换,是数据治理最基础的工作,数据标准化程度越高,系统自动化处理能力越强,信息共享度越强,数据成本越低。数据标准的难度在于管理,管理的难度在于对数据的业务定义。银行的数据管理部门或数据运营部门应更加努力地承担起这个基本职能,在企业内部推动数据标准的制定,信息技术部门则要坚决地落实贯彻数据标准,从数据的源头抓起,在源系统中贯标。

  四、将数据基础设施纳入战略投资管理

  数据基础设施的投资历来是昂贵的,很难衡量价值,在短期内难见到收益,也是成本最难分摊出去的IT投资。但是数据基础环境的建设又是如此重要,非企业或集团范围内的总体规划、超前投入无以建成企业或集团级别的数据平台、形成可产生价值和共享的数据规模。

  10多年前,数据仓库投资以数据驱动还是应用驱动的争论,仿佛历历在目。在当时情况下确实值得讨论:以数据驱动的建设路径成功者不多,以应用驱动的建设方式有着见效快,易于被业务部门接受的优点,但也导致最终数据分散难以整合和共享,以及历史数据保存不充分的问题,企业确实应根据各自的条件和环境选择合适的建设方式。进入数字化时代,企业级的数据基础设施战略投资,顶层设计、集中建设、集中处理、分层应用则是不二的选择。

  以中信银行为例,2013年,为解决数据分散、缺失、无法共享的问题,作为战略项目,总体规划建设了“数据仓库+大数据平台”的企业级混合数据架构和基础设施,持续对大数据技术进行跟踪和应用,几年来,积累保存了大量宝贵的数据,支持了十多类应用,有力地支持客户数字化营销、风险模型开发和反洗钱、反欺诈。在此,呼吁改变信息技术投资分摊的管理方式,将数据基础设施和数据技术研发项目作为战略性投资,鼓励信息技术部门投资数据处理技术,将数据尽可能的保存下来,不断提高数据处理的能力。

相关链接:

作者: 来源:移动支付网 发布时间:2018-04-09 02:44:07
 
 
  我要发表留言  查看所有评论
 

*
 限制字数显示剩余字数,最大长度: 500 还剩: 500
用户名:
       尊重网上道德,承担一切因您的行为而直接或间接导致的民事或刑事法律责任