报表软件推进商业银行数据治理工作的解决方案

**ningxueqin** · 发表于 2022-5-6 12:17:38

　　报表软件数据治理能解决目前商业银行存在的数据真实性、准确性、连续性、完整性和及时性等各类数据质量问题，为内部审计开展数据挖掘、风险防控等深度应用提供高质量的数据保障。但全行级数据治理涉及范围广、流程长，是一项持续而反复的工作，目前仍有许多“痛点”问题亟需解决，已成为商业银行内部的管理难题。亿信华辰内部审计从全行视角发现数据治理存在的问题，积极探索相关的解决途径，切实推进商业银行数据治理工作。
　　
　　组织高度重视，完善数据治理体系。目前商业银行普遍意识到数据是重要的战略资源，但对数据治理的重要性认识还不够到位。对数据质量提升目标停留在仅满足监管报表要求的阶段，顶层设计不足，缺乏统筹规划，配套制度不足，制约了商业银行管理和应用数据的能力。一是完善数据治理体系建设，加强数据治理统筹规划。良好的数据治理是大数据时代的领先竞争优势，但也是一项关乎全局的系统性工程，需要组织对其保持高度的重视，通过顶层设计建立自上而下、协调一致的数据治理体系，建立健全组织架构，合理配置数据治理资源。二是开展全行数据治理相关制度的梳理和完善，推动数据标准的制定与应用，有效减少系统开发未按照统一的数据标准执行造成的数据多头管理、数据冲突和数据冗余等问题。
　　构建工作机制，规范数据管理。商业银行内部各部门之间职责割裂，底层数据未能打通，数据标准未建立或执行不到位，导致系统间协同合作和资源共享存在难度。一是建立数据分级管理机制，梳理全行数据资产目录，制定数据分级标准，针对不同数据采取差异化管理。二是从源头上加强数据治理，强调业务与技术相结合，建立统一的业务规范和技术标准，在数据采集录入的薄弱环节设定系统刚性控制，要求根据业务逻辑规则全面准确地录入数据，确保数据的完整性、规范性、一致性等。三是强化数据管控机制，包括数据共享机制、机构间的协同工作机制、数据的上下游调用机制等，促进各业务条线或部门的互联互通。四是构建后评估机制，持续跟进数据治理问题整改，杜绝屡查屡犯。
　　推进配套体系建设，提升数据质量。商业银行内部条线和部门之间存在明确的权利和责任边界，既得利益者不愿打破边界，导致部门之间配合度较低。数据治理工作方面投入的资源还有一定缺口，落地实施存在困难，管理主体责任没有落地到具体部门的具体人员，且对数据质量的问责处罚未落实到人。一是加大数据治理资源投入，数据治理需要信息技术支撑和基础设施保障，信息系统应具有完备的数据字典和维护流程，应能自动提示异常变动及错误情况，也能实现监管数据加工的自动化。二是完善“1+N”数据治理队伍建设，设立总牵头部门，并在各部门配备专兼职人员，承担数据治理相关工作，为全行数字化转型夯实人力资源基础。三是加强数据能力建设，制定能力提升培训方案，着力提升数据采集、整合、融合、应用、服务等能力，培育既懂银行业务又懂数据运用的复合人才。四是加强数据质量考核引导，通过奖惩机制对数据治理工作进行有效的激励，参照考核收益分配规则确定客户数据的责任部门，由业务部门牵头对相关报表数据进行总体把控。
　　加大科技应用，助力数据价值实现。部分商业银行目前使用系统存在分时、分阶段、分业务需求建立的特点，后期虽根据业务发展形势进行“打补丁”式优化，但由于底层设计不符合当前大数据应用趋势，很大程度上限制了数据价值的有效发挥。一是实现系统整合，商业银行要想从数据中获取价值，必须整合原有分散的各类系统，构建一套对接全行各部门的一体化、模块化的数据平台，实现统一的数据视图，既满足各类业务需求，又便于收集各类数据。二是预留接口负责采集全行外部数据，有效整合内外部资源，实现数据关联关系的深度挖掘。三是提升数据标准化，构建分层级的指标管理体系，实现全行指标的统一管理，使全行数据具备标准化的数据格式。四是嵌入开发数据质量监控平台，通过部署各类数据质量校验规则对全行数据开展自动化监控，准确定位数据质量问题及其成因。五是利用内外部数据联合建模，采用知识图谱、聚类分析等技术在平台上开发风控模型、定价模型、风险预警模型等，运用数据开展风险管理、业务流程优化和针对性营销，推动数据资产释放其潜在价值。

报表软件推进商业银行数据治理工作的解决方案

网站推荐 /1