數據治理六要素

引言:安全

帆軟做爲全球數據分析和商業智能平臺提供商,這幾年深入的感覺到了全球數據應用的熱潮,可是隨着愈來愈多的客戶開始實施並普遍應用BI系統,數據治理的話題也在最近被愈來愈多地說起和討論。數據結構

過去的十年,銀行的IT系統經歷了數據量高速膨脹的時期,這些海量的、分散在不一樣角落的異構數據致使了數據資源的價值低、應用難度大等問題。同時,銀行內部的業務條線或行政分化也在不斷地製造着銀行數據交互的斷層,而銀行與外部業務交互所產生的「體外循環」數據與企業的核心數據體系並不能天然地融合,這個時候數據治理體系建設可能不是銀行的一個選擇,而是惟一的出路。架構

 
 

數據治理規劃框架

在長期對客戶的FineBI商業智能項目的跟蹤過程當中咱們發現,每每只有那些創建了必定的數據治理體系的客戶,才能真正的將商業智能用起來,用戶才能真正進入商業智能時代。這個問題在銀行等金融機構內顯得尤其突出,銀行數據向來以量大質優而著稱,可是實際狀況是它比其餘行業好一些,可是長期以來也缺少數據治理的體系化建設,致使商業智能價值鏈受阻。要想在數字化轉型中抓住機遇,銀行的數據治理體系建設勢在必行。工具

數據治理是一個系統工程,是一個從上至下指導,從下而上推動的工做。所以,在指導方面必須獲得你們的共識,要有一個強有力的組織、合理的章程、明確的流程、健壯的系統,這樣才能使數據治理工做獲得有效的保障。大數據

要素一:發展戰略目標優化

戰略是選擇和決策的集合,共同繪製出一個高層次的行動方案,以實現更高層次目標。數據戰略是企業發展戰略中的重要組成部分,是數據管理計劃的戰略,是保持和提升數據質量、完整性、安全性和存取的計劃,是指導數據治理的最高原則。翻譯

 
 

數據治理是否與企業發展戰略相吻合也是衡量數據治理體系實施是否成熟、是否成功的重要標準。要在企業發展戰略框架下,創建數據治理的戰略文化,包括企業高層領導對數據治理的重視程度、所能提供的資源、重大問題的協調能力,以及對數據治理文化的宣傳推廣、培訓教育等一系列措施。這種總體統一的思想,和咱們生態學模型下的帆軟DA生態系統總體統一的特徵一模一樣,充分證實了目標統一的必要性。設計

一、數據治理文化。2018年5月21日,銀保監會發布了《銀行業金融機構數據治理指引》,從數據治理架構、數據管理、數據質量控制、數據價值實現、監督管理等方面規範了銀行業金融機構的數據管理活動。數據治理的戰略組成部分主要包括:數據治理的願景、商業案例摘要(包括例子)、指導原則、長遠目標分解、管理措施、實施線路等。orm

二、認知與行動。信息化領域有一個頗有名的說法「Garbage in, garbage out」,翻譯爲中文就是「垃圾進,垃圾出」,意指用髒亂的數據作樣本,產生的研究成果也是毫無價值的。數據的污染可能發生在數據產生、採集、傳輸、流轉、加工、存儲、提取、交換等各個環節,所以要保證數據治理目標的實現,就必須對數據進行全流程的管控,要在全行範圍內造成統一的數據治理認知,讓人人有責的理念深刻人心。光有認知還不行,必需要有相應的制度和管理來保證從認知到執行的轉變,讓員工認清責任與義務,明確具體的工做要求。

要素二:數據治理組織

數據治理的組織包括制度組織和服務組織。制度組織主要負責數據治理和數據管理制度。這些組織是跨職能的,一般商業銀行會創建數據治理委員會、數據管理制度團隊等組織,負責總體數據戰略、數據政策、數據管理度量指標等數據治理規程問題。

 
 

好比大連銀行成立了「數據管理辦公室」,將其做爲數據治理的執行機構;巴克萊銀行還創建了數據管理的三層組織體系,包括決策層、管理層和執行層。與政府部門和機構同樣,制度組織執行相似於行政部門的職責。數據服務組織主要是又數據管理的專業人員組成,包括數據架構師,數據質量分析師,元數據管理員等,主要執行數據治理各個領域的具體實施工做。

一、組織架構。有效的組織機構是項目成功的有力保證,爲了達到項目預期目標,在項目開始以前對於組織及其責任分工作出規劃是很是必要的。數據治理設計的範圍很廣,牽涉到不一樣的業務部門和科技部門,是商業銀行的全局大事,如何成立和成立什麼樣的組織應該依據商業銀行自己的發展戰略和目標來肯定。

二、組織層次。創建有高層領導者組成的數據治理委員會,組織跨業務部門和IT部門的協調工做,規劃數據治理的整體方向,並在其下設立工做組,執行數據治理計劃和監督數據管理工做。不一樣的組織層次應該發揮不一樣的職責職能,創建合理的組織層次有利於快速推進數據治理工做的開展。

三、組織職責。根據數據管理工做的實際須要,在業務部門、技術管理部門和業務應用部門間要肯定各個工做人員的職責。不一樣的組織負責的職責不盡相同,例如不一樣的業務部門應該明確各自業務開展對數據的具體要求和相關規則,而技術部門則會根據業務部門的需求負責具體的實施工做,包括將業務部門提出的要求轉化成技術語言,用於事前的控制(如字段的約束)、事中的邏輯控制(例如控制不能爲空)、過後的核查,以及具體的技術操做和編制按期的報告等。

要素三:制度章程

制度章程是確保對數據治理進行有效實施的認責制度,其中一些是數據治理職能的職責,也包括其餘數據管理職能的職責。數據治理是最高層次的、規劃性的數據管理制度活動。換句話說,數據治理是主要由數據管理人員和協調人員共同制定的高層次的數據管理制度決策。這裏只簡單的介紹包括哪些制度章程。

 
 

銀行數據治理制度體系

一、規章制度。數據治理規章制度相似於企業的公司條例,他會闡明數據治理的主要目標、相關工做人員、職責、決策權利和度量標準。

二、管控辦法。管控辦法是基於規章制度與工具的結合,是可落地、可操做的辦法。

三、考覈機制。考覈是保障制度落實的根本,創建明確的考覈制度,實際操做中可根據不一樣銀行的具體狀況,創建相應的針對數據治理方面的考覈辦法,並與我的績效掛鉤。

四、技術規範。技術規範是保障數據治理平臺可持續管理的基礎,隨着數據量的增加、技術水平的發展,爲更好的、可持續的實現數據資產的管理與應用,須要創建明確的技術規範。

 
 

典型的制度或規範領域

要素四:流程管理

流程管理包括流程目標、流程任務、流程分級。根據數據治理的內容,創建相應的流程,且遵循本單位數據治理的規章制度。實際操做中可結合所使用的數據治理工具,與數據治理工具供應商協商,創建符合商業銀行的流程管理。

 
 

一、作好事前預防。上述談到的戰略文化、規章制度的貫徹落實,就是最好的事前預防措施。我國一些大型銀行已經上線了一些專門的數據治理平臺,好比企業級元數據管理系統,數據質量分析系統,數據生命週期管理系統等,將相關的制度規範和職責要求在系統中進行控制和約束,並在流轉的各個環節由相應的組織和角色負責,實施認責機制。

二、增強事中監測。應組織分析各領域的數據質量問題,監測報告本系統的數據結構變化狀況,數據分佈狀況,數據對業務服務的知足狀況、在線數據增加狀況、數據空缺和質量惡化狀況等。這些事中監測過程除了須要規章制度的保障以外,還須要有可靠的工具或平臺來進行分析,避免憑空管理。

三、進行過後評估和整改。按期對系統開展全面的數據治理情況評估,從問題率、解決率、解決時效等方面創建評價指標,經過系統記錄並跟蹤須要整改的數據問題,要求定期整改優化,必要時進行必定的考覈。通常時候評估與整改能夠安排在項目投產一週後,並按年進行回顧。

四、要綜合各類方式進行數據治理。目前,我國商業銀行數據治理基本上經過系統或工具發現問題,而後技術人員進行批量修改,或者由業務人員進行修訂或補錄。其工做基本上由銀行內部人員完成。對於涉及客戶的相關數據,則很難進行治理。從這點上,應該充分借鑑互聯網企業的作法,發動客戶積極參與到銀行的數據治理工做中。好比經過電話、短信、郵件通知客戶確認相關信息;對重要的企業客戶,經過走訪確認和補充缺失與錯誤信息;經過活動、遊戲等形式,並給與必定的獎勵讓客戶主動完善相應信息;經過提示客戶信息不完備不能辦理相關業務來引導客戶進行信息完善和驗證等。

要素五:技術應用

技術應用包括支撐核心領域的工具和平臺,例如數據質量管理系統、元數據管理系統等。他們是數據治理可以順利開展的技術保障。只有創建豐富的數據治理工具和平臺,才能從各個領域有效的進行數據的管理和治理,纔能有效提升銀行的數據價值。

一、數據資產管理系統,統一管理全行的數據資產,包括元數據、數據模型、數據標準,以及其餘重要的數據資產,並提供可視化的數據查詢和展現功能,支持經過功能嵌入等方式實現數據資產的快速與便捷查詢。

二、數據質量管理系統,落實數據質量問題的治理工做,實現數據質量問題的發現、跟蹤、治理、評價的全流程閉環管理。搭建數據生命週期管理平臺,落實數據生命週期管理機制。

三、不斷豐富豐富前臺源系統的基礎數據,持續加大數據積累和整合的廣度深度,建設統一的數據倉庫平臺,知足前臺營銷、統計分析、決策支持、風險管理和新資本協議等多種需求,持續提高對數據的挖掘、分析與深度應用能力。

四、在創建上述配套支撐系統的基礎上,還須要實現各系統間的互聯互通,相互協同與驗證,提供數據統1、形式多樣的數據服務。例如,中國工商銀行鍼對元數據管理開發了元數據及軟件資源管理系統,針對數據標準創建了集團信息標準服務系統等。

要素六:成熟度模型

CMMI協會在2014年發佈了數據管理能力成熟度模型Data Management Maturity(DMM),能夠用來評估和提高企業的數據管理水平,幫助企業跨越業務與IT之間的鴻溝。DMM模型能夠幫助企業在管理數據資產上達成共識。它包括了5個連續能力和25個提高的過程域,能夠反映全部數據管理的內容,能夠促進企業創建本身的數據管理成熟度路線圖。

 
 

數據管理能力成熟度模型

總結

我國銀行的數據現狀廣泛都是一個先污染、後治理的過程,數據治理必然帶來新的標準的確立和舊系統的改造,是一個有破有立、無破不立的過程。這一過程設計大量的跨部門、跨條線、跨系統的溝通協調,同時也涉及不小的投資。爲了避免使投入的人力物力付之東流,在治理前期就應該規劃好各項規章制度和管理架構,保障後續的各項治理工做可以行之有效而且長期堅持。

相關文章
相關標籤/搜索