行業背景：大數據和人工智能技術正在日新月異地發展并逐漸成熟。商業銀行紛紛投入到“數據驅動”的戰略發展轉型和業務創新中，數據質量管控體系也要順勢優化布局，盡快適應“精、準、快”的數據要求。 “大數據”時代數據質量管控也面臨著各種變化。首先是外部監管對數據質量要求日益嚴格。監管對監管數據要求的變化體現在：數據的粒度不再限于指標類數據，需要賬戶級、交易級的明細數據，對字段級數據有日益明確的數據質量標準，一旦發現問題，要求快速響應及時整改。此外是內部精細化管理依托于高質量的數據。高級管理人員到一線分析人員均要求有更靈活、豐富的數據來源，不僅限于傳統意義的報表、集市，還依托客戶標簽、外部數據、非結構化數據等更多種數據產品和來源。而基礎數據質量決定了頂層決策的精確性，也對數據質量的管理提出了更高挑戰。

　　應對措施：浦東發展銀行根據幾年的數據治理經驗，針對管控過程中難點和痛點切入，從管理、科技、業務三個方面“融入”數據質量管控機制，遵循“數據管控、人人踐行”的理念，研究和嘗試建立全覆蓋、高效、持續的數據質量管控體系。通過科技引領的數據治理體系，創造數據資產的價值，為“數字化、智能化”戰略轉型奠定基礎。

商業銀行數據質量管理面臨的問題

　　1.“重建設、輕管理”導致基礎數據質量薄弱。商業銀行層級多、崗位分工復雜，數據不斷被加工使用，業務與科技普遍缺乏數據質量預防的意識，整個過程中缺乏數據質量管理，引發大量數據質量問題。在系統建設或數據產生的源頭忽視數據質量問題預防和控制，導致基礎數據薄弱，后期數據清洗成本大、治理效果差。

　　2.數據質量問題響應慢、解決效率低。隨著金融創新不斷深入，金融業務產品日趨豐富，各類業務呈現出復雜的業務管理關系。部分業務難以界定牽頭管理部門，部門間相互推脫。跨部門數據質量問題存在無主責部門、問題解決慢、解決效率低。嚴重影響了監管的整改時限要求，無法適應快速變化的業務需求。

　　3.缺乏持續管理手段，數據質量問題反復出現。金融行業在通過加快轉型發展，一些數據高度集中的管理系統、數據平臺或標簽集市，其數據來源豐富，加工流程復雜，隨著新業務產生和上游系統的不斷變化，數據質量不穩定，波動較大。僅以數據質量問題驅動為抓手，會不斷產生新的問題。缺乏全面的、快速的響應機制及處理流程。

浦發銀行數據質量管控實踐與創新

　　1.“融入”管理，強化高層管理機制。從管理角度來看,隨著數據質量評估、監控活動的全面開展，數據質量問題不斷涌現，其中不乏需要調動全行力量解決的問題。因此僅依賴于數據質量管理的專職團隊，人力投入有限，效果甚微。強化質量管理，即需要建立數據質量的高層決策機制，也要下沉到一線業務人員，形成決策層、管理層、執行層聯動，總分行部門間聯動機制，保障管理的持續性、高效性。

　　浦發銀行為解決跨部門的重大數據治理問題，在高級管理層下，成立“數據治理工作領導小組”，形成跨部門數據治理問題的溝通解決機制，為研究和決定數據治理重大決策和重要事項，協調各部門數據治理工作中的重要問題提供平臺。各部門通過該平臺提出問題，由工作小組進行快速決策，并由工作小組對專項任務的執行情況進行監督管理，提高問題解決的效率。

　　浦發銀行圍繞全行的年度經營績效工作目標，制訂配套的數據質量管理目標，并納入全行經營績效考核中。通過數據質量考核管理機制，提高總行部門間及總行分行間的聯動，并將質量管理要求傳達到一線。實現以“業務價值”為驅動，“以點帶面”拉動全行總行各部室及分行共同為數據質量添磚加瓦，使資源投入更集中，治理效果更顯著。

　　2. “融入”科技，優化開發流程 。科技引領的數據治理機制的核心部分是建立與信息化建設進程緊密契合的數據架構管控機制。通過建立分工明確，配合默契的協作機制，確保項目團隊能夠準確、高效、規范地從業務需求中識別、捕捉數據相關需求,并轉化為包括數據標準、數據質量等數據治理需求，幫助數據需求能夠被高質量地得到實現，以確保數據質量從源頭、過程上得到有效保障，解決過去數據治理工作中出現的邊“建設”、邊“污染”、后治理的落實模式。

　　（1）數據質量管理融入信息化建設全流程。在浦發銀行新一代項目建設中，建立融入信息化全流程的數據管理要求，通過強化數據需求管理、模型設計、投產交付等信息系統建設環節，從源頭開展數據治理工作。建立了我行信息系統建設向標準化、數據質量管理規范化的轉型標桿，推動了數據資產質量逐步提升。 

　　整體過程中，數據需求管控機制是數據治理機制建設中最容易被忽視的部分。俗話說“治不如防”，在業務高度參與的需求階段，明確數據需求及質量要求，在設計環節加強前臺錄入控制、邏輯檢查、數據清洗等質量控制，在系統投產環節增加數據質量方面的審核，減少對下游系統影響（如圖1所示）。

切入軟件開發全流程的數據質量管控機制

　　（2）數據質量管理融入數據全生命周期。從數據全生命周期角度出發，數據質量管理應貫穿數據創建、存儲、加工處理、使用和銷毀全過程。因此，在數據創建、存儲環節增加質量準入檢查、數據清洗等工作，在數據加工、使用環節中加強全流程的數據質量監控，在數據銷毀后同時撤銷質量監控等。

　　針對客戶標簽、大數據平臺等數據高度集中的產品、系統或平臺，搭建全面、自動化、可視化的數據質量跟蹤監控機制尤為重要。確保任何環節數據發生變化，第一時間通知數據使用人員、系統負責人以及數據質量專員，緊急問題及時觸發應急預案，一般問題納入數據質量問題處理流程，重大問題上報高層管理人員。實現數據異常情況“及時發現、及時處理、及時上報”，保持數據生命周期中，數據質量管理的持續性，降低每個環節中潛在的問題的影響，避免影響決策分析等工作（如圖2所示）。

數據生命周期全流程質量管控體系

　　3.“融入”業務，規范業務操作。商業銀行數據運用的主體是遍布總分行的各業務部門。“數據取之于業務，用于之于業務”，要充分調動業務部門以積極的心態迎接技術的變化，引導業務調整優化操作流程，將數據治理成果更有效地運用到業務運營管理中去。通過數據治理為業務部門創造直接和間接的價值，形成雙贏的局面，才能保證數據質量管理的持續進行。

　　（1）“量身定制”全方位宣貫培訓，深化質量管控意識。浦發銀行定期組織面向多層次受眾、開展形式多樣的宣貫和培訓，促進全行用戶對數據治理成果的價值認同。陸續通過行內期刊、網絡培訓等形式向全行普及數據治理的重要性，并和負責合規監管等部門聯合開展業務條線的專項數據質量培訓，幫助他們在日常工作中有針對性地加強數據質量管理。

　　（2）結合業務流程“差異化”，落實質量管控要求。遵循“主動預防、加強控制、及時處理”的數據質量管控策略，協助業務部門解讀相關監管政策中數據質量要求，指導業務部門在制訂業務流程規范中加入數據質量管控要求，并在信息系統建設中及時提出配套的數據需求。通過優化業務流程表單設計，建立柜員操作規范加強數據錄入審核等手段，減少或避免數據質量問題的發生。同時，圍繞“以客戶為中心”的業務經營管理需要，制訂“數據質量考核評分卡”，將客戶信息采集、經營統計分析等與業務操作關系密切的工作納入總分行數據質量考核中。

實施案例及效果評價

　　浦發銀行已在關鍵報表、客戶標簽、新一代管理會計項目、企業信貸系統、大數據平臺等多個重點項目，開展貼身指導實踐，并通過“授人以漁”加強審核的方式落實到其他項目建設中。現以新一代管理會計為例，分享一下具體實踐經驗與效果。

　　融入“數據質量”的需求分析，關鍵在于建立制訂管理會計配套的的數據質量標準。采用“自頂向下”的方法，從業務需求中歸納出數據質量要求。管理會計關鍵指標為經濟增加值EVA，從EVA指標下鉆，需要滿足客戶、產品、員工、機構、板塊五個維度的基礎數據，包括明細賬余額、資金轉移定價、外部利息收支、手續費收入、資金資本（信用風險、操作風險、市場風險）、資產減值等關鍵數據。以管理會計數據質量標準為依據，制訂數據質量檢驗規則、加強前臺數據錄入校驗、開展上游源數據評估、對差異問題進行分析，通過清洗等方式提高數據質量，對短期無法處理的問題通過數據對口部門推進改進提升質量，確保數據滿足業務需要。數據交付使用后，采取覆蓋全流程的持續質量監控方式，為數據質量持續穩定提供保障。從業務手工數據導入、上游系統數據采集、集市數據加工等每個環節建立“數據質量指標”進行可視化監測。結合融合的管理機制，明確數據主責部門、數據使用部門、信息科技部的分工，形成部門聯動機制。一旦發現異常情況，及時上報及處理。對嚴重問題，通過數據治理工作領導小組進行通報并納入考核打分。

　　建立覆蓋全流程的數據質量管控機制，不等于沒有數據質量問題，而是通過機制可以有效地控制減少問題發生，降低對數據分析應用的影響。根據管理會計數據質量監測及評價，有兩方面突出效果。一是從采集到交付各階段數據質量問題的發現比例顯著降低，而不是在數據交付后發現大量問題，大大減少資源投入，增加了業務使用數據的“可信度”。二是通過全流程的“數據質量指標”監測及報告，可快速定位問題，決策層、管理層、執行層對數據質量有直觀的掌握，更利于加快推進數據質量問題的解決。數據質量管理效率有明顯提升，隨著質量控制及問題的持續改進，數據的完整性、準確性、及時性都穩步提升。

（文章來源：金融電子化雜志）

掃碼即可手機
閱讀轉發此文