- 快捷搜索
- 全站搜索
2.自上而下的组织架构
组织架构是保障数据管控体系正常运转的关键。广发银行已建立了层次分明的数据管控组织：成立了以行领导为首的数据管控委员会以及下属机构，形成高层领导强有力参与的跨部门协调与决策机制，以及包括业务部门、技术部门和数据管理部门的通力配合制度。
3.严谨的流程制度
早在2011年上半年，基于对自身流程的再次梳理，广发银行重新对全行相关流程进行了科学的定义，《广发银行元数据管理办法》、《广发银行数据标准管理办法》、《广发银行数据质量管理办法》和《广发银行数据需求管理办法》已制定完毕，即将印发。随着上述四个管理办法的发布，广发银行数据管控工作将步入新的阶段。
4．强力的支撑平台
数据管控工作的开展需要统一的数据平台和深度定制的管控系统。广发银行的数据服务平台正在按照既定规划进行建设，将包括现有的ODS平台、在建的数据仓库等全局性平台，以实现“统一数据交换”、“统一信息发布”等五个统一的规划目标。广发银行已投产独立的数据管控系统，将逐步实现对元数据和数据标准的管理，以及对数据质量进行检核、跟踪、处理闭环管理，并通过与业务流程和考核机制配合，最终解决数据质量问题。
三、数据管控遇到的问题及对策
借鉴国内外金融业的先进经验，充分利用数据资源分析支持管理决策，实现定量基础上的精细化管理，是提高银行业乃至整个金融业核心竞争力的关键。但我国商业银行的数据使用在一定程度上还停留在“纵向独立运作”的模式，从大的方面而言，目前主要存在三个问题。
（1）没有形成使用数据的氛围和机制。数据分析类系统往往为建而建，仅实现孤立的业务目标，不能将数据的运用与银行运营、管理等有效融合。
广发银行目前采取的策略是，尽可能减少手工报表，加快建设成本分摊、盈利分析及业绩考核等关键指标体系，从机制上推动全行上下的日常工作与信息数据结合。建立良好机制带来另外的一个好处是会使数据质量这种痼疾得到及时发现和修正，而随着数据的准确性提高，数据价值也越来越大，良性循环得以确立。
（2）建设的数据分析类系统用户体验不好。数据分析类系统与业务系统特点不同（业务系统的需求和业务流程相对固定，而分析类系统的分析思路不固定），业务人员要求实现其分析思路的需求往往十分急迫，容易与系统建设固有的开发周期产生矛盾。
广发银行采取的策略是重视基础平台数据模型工作，强调数据模型的扩展性，以增强数据分析平台的灵活性。另外，元数据管理平台对数据地图的勾画能够提供血缘分析和影响性分析的功能，有效减少上下游系统由于数据需求变化而带来的冲突。
（3）业务部门对如何驾驭数据缺乏经验。业务人员了解业务运营模式和市场竞争，但不知道已有什么数据和如何使用数据；科技人员知道有什么数据和数据结构，但不知道如何利用数据帮助业务发展，两者之间缺乏桥梁。
这个问题已经引起了广发银行的重视，广发银行目前在数据管控组织体系中专门成立了一个数据需求管理团队，负责对从数据需求的判断直至展现发布的完整生命周期进行管理；在信息科技部内正在筹建SAS数据分析团队，以处理较为分散的业务需求。这两个团队作为科技和业务部门之间的桥梁，将起到承前启后的关键作用。
四、数据标准化工作的意义
1．数据标准化与数据管控的关系
数据标准是数据管控工作中一个不可缺失的重要环节，两者不仅是局部和整体的关系，数据标准更多地承担了运转核心的角色，具体表现在以下方面：数据质量管理是数据管控的关键目标，而清晰的数据标准将天然地成为数据质量检核规则的依据，是数据质量管理工作的基础；数据标准能够向元数据管理提供业务元数据的标准定义；数据标准定义了数据需求管理时的准入标准和要求；运转良好的数据管控机制，尤其是数据质量管理时的具体操作，能够促进数据标准的执行，为数据标准的推广和落实提供了实际的可能。
当前，商业银行灾备中心建设与运营主要采用自建、共建和外包三种模式。哪种
央行和银监会对中小银行的灾备布局建设十分重视，构建同城灾备中心，发挥其