江苏龙网

  1. 首页 > 资讯 > 财经 > >

金融|中小银行数据治理工作所面临的问题


虽然各银行积极响应监管要求 ， 开展数据治理工作 ， 但《中小银行金融科技发展研究报告（2019）》显示中小银行的数据治理基本处于萌芽期 ， 达91%的中小银行尚未开展有效的数据治理工作 。 从不同的部门从其在数据管理的角色看 ， 面临以下问题：
【金融|中小银行数据治理工作所面临的问题】金融|中小银行数据治理工作所面临的问题
本文插图

1、对各业务部门来说
数据治理绝不是“与己无关”的一项工作 。 数据治理工作贯穿于数据产生、使用和销毁等全生命周期中的各个环节 。 作为主要的业务数据输入端 ， 业务及一线部门扮演着重要的数据质量控制角色 。 数据质量的好坏直接影响数据分析结果的准确性 ， 而银行层面数据标准是否建立 ， 各业务和管理领域的数据标准是否一致 ， 也将影响在使用数据时需要花多大的代价来进行数据标准的统一 。
2、对信息技术部门来说
数据治理的工作涉及到信息系统建设的方方面面 。 信息科技部门在考虑银行整体信息系统架构的同时 ， 还需考虑数据架构如何设计 ， IT领域的数据治理工作如何配套开展 。 例如数据管控平台如何定位 ， 数据管控平台与各源系统、数据加工分析平台之间的关系是什么 ， 什么样的信息系统建设流程是符合数据治理要求规范的 。
3、对数据治理归口管理部门来说

数据治理是一项长期的、动态的工作 ， 而且是类似“装修”的隐蔽工程 ， 是一项“脏活、累活、苦活” 。 如何将数据治理的价值和成果显性化、将数据治理工作拆分为不同的模块和任务 ， 逐步的推进和落实 ， 如何将数据治理从管控式理念模式向服务式理念模式转换 ， 是一项智慧工程 。
4、对合规和审计部门来说
如何规范化标准化地开展数据治理评估与审计工作是一个新的课题 。 从哪些方面进行评估 ， 评估的维度有哪些 ， 评估的标准如何定义 ， 评估的范围如何选择 ， 都急需业内专家共同探讨 ， 逐步细化 ， 明确标准 。
总体来说 ， 一般银行在数据治理实践过程中主要面临的难点：
数据管理各项工作庞杂 ， 如何体系化的规划开展？
数据治理组织架构如何有效运行和落地？
如何通过数据资产的盘点工作开展数据认责？
如何通过系统化工具减少数据管理的手工工作？
如何通过内控和审计促进数据治理工作的开展？
银行数据治理的应对方式
1、体系规划

银行需要充分结合自身发展战略的要求来制定数据战略 ， 例如一家旨在发展零售业务的银行 ， 其数据战略应围绕零售业务进行开展：统一零售客户数据 ， 提升零售客户服务水平 ， 从而建立对零售客户做精准营销、行为预测等等一系列的能力 ， 结合这些内容再对数据战略进行思考；一家将金融科技作为战略的银行 ， 则需要将开放能力、服务生态的数据基础作为数据战略的要点进行定义 。
银行应结合战略发展 ， 体系化的设计数据治理各项工作 ， 通过搭建完整的数据治理体系框架 ， 整合联动数据管理各项工作 ， 服务业务 ， 实现数据价值 。 体系化的建设内容可以包括四个层面 。
数据治理层面：数据治理的模型 ， 管理的组织架构 ， 岗位要求 ， 制度办法 ， 管理流程等；
数据管理层面：数据架构与共享 ， 数据模型管理 ， 数据标准管理 ， 数据质量管理 ， 数据安全管理 ， 主数据管理 ， 元数据管理等；
数据应用层面：数据与应用开发管理 ， 数据需求管理等；
技术工具层面：管理流程工具 。
2、顶层设计
有效的组织架构是数据治理成功与否的有力保证 ， 为达到数据战略目标 ， 建立体系化的组织架构、明确职责的分工是非常必要的 。

银行根据数据战略、自身组织架构特征 ， 构建数据治理组织架构 ， 不同的方式其数据管理分散和集中程度各有不同 。 组织管理分散且数据需求较少或复杂程度较低的银行 ， 一般采用“分散模式” ， 各部门负责本领域的数据管理和应用；数据需求较多且复杂程度较高的银行 ， 可采用“归口管理模式”、“集中+派驻模式”、“全集中模式” 。 具体选择哪种方式 ， 取决于银行数据发展的阶段 ， 同时也取决于归口管理部门的人力投入与专业能力 。 专业能力主要涉及组织沟通、业务理解、技术开发等方面 。


推荐阅读


上一篇：中年|To B企业的5个营销方法 | 神策桑文锋

下一篇：|今日推荐 | DeFi赛道跑步入场的中国选手，正在做这些布局