银行该如何做数据治理?
2020年,“数据治理”被写入了中央一号文件,并提出了“三步走”的战略部署。 在金融行业中,数据治理是一个热门话题,它也被很多人所关注与讨论。 但在实际操作中,我们很容易陷入一些误区: 数据治理是为了解决数据不规范、不准确等问题,而忽略了数据的实际价值所在。 事实上,数据治理所解决的是一系列问题:比如如何对原始数据进行采集、加工与分析等。 为了解决这些问题,需要我们建立完整的、可度量的、与业务发展紧密结合的数据模型与架构体系;同时对银行内部所积累的原始指标进行统一归并,并构建统一标准、实现标准化。
对于银行来说,这些基础工作需要建立在一定的业务流程上;而对于数据治理来说,要从“业务中来、到业务中去”,并通过对不同层级指标进行归并和标准化才能最终发挥作用。 正如上文所述,由于银行业务流程众多、业务系统复杂等原因造成了诸多问题。 因此在建设数据管理体系时一定要考虑具体的问题和场景。
一、数据治理
所谓数据治理,就是指从数据源、数据应用、到数据安全和存储机制等方面的系统设计和规范管理。 那么,银行在进行数据治理时,应该建立一个什么样的体系? 它主要包括哪些内容? 它又该如何规划管理? 我们一起来看看。
二、商业价值:金融行业的新机会
随着技术的发展,金融行业正在经历一场变革。 一方面,我们看到了金融与科技的融合;另一方面,也看到了金融行业与各行各业之间的融合,比如:银行与保险公司、银行和政府机构之间。 这两个行业之间的差异化优势体现在以下几个方面:一方面,银行拥有较强的信息技术基础设施和研发能力;另一方面,保险公司则有着完善及先进的客户关系管理体系。 当然,以上所说的都是“新”行业。而在“旧”行业里面,比如银行业、保险业、互联网金融等已经走在了时代潮流的前端。 而金融和科技两者都是服务于实体经济和客户群体需求为出发点。
三、建设方案思考
针对上述问题,结合我自己多年的工作经验与数据治理体系建设方案思考总结: (1)构建统一标准。 通过标准化的数据模型,实现不同系统之间数据接口规范化、指标口径统一化; (2)将不同层级指标进行归并,形成统一的标准,实现标准化运行。
四、结语
数字经济时代,数据已经成为重要的生产要素。 数据治理作为整个大生态体系的重要组成部分,它不仅是一个新课题,也是对银行业数字化转型发展的必然要求。 数据管理已经成为企业与业务经营的基础。 在银行业大发展的背景下,以数据治理为核心的大数据平台建设正成为银行业高质量发展的关键所在。
更多数据治理相关资料请咨询客服获取,或者直接拨打电话:020-83342506