提高信息系统数据质量的方法

随着银行系统集中化程度的提高，银行信息系统虽然能够获取庞大的数据量，但是由于数据基础质量不高，无法进行有效集中融合，导致数据分散、不完整甚至出现冲突，从而无法给业务部门提供准确丰富的信息，无法有效支持业务部门开展业务。笔者将从数据质量的现象及原因、如何提高银行系统数据质量等方面对此问题进行深入分析。

一、存在的现象及原因分析
        1．数据源头不能保障数据质量
        不少数据在进入银行业务系统时不能保障数据质量。对单个系统来讲，存在人工输入错误、数据项缺失、编码不一致、抽取数据的时间点错误等现象；对于多个相关系统，则存在相同含义的数据实体在不同系统中的名称不一致、不同含义的数据实体在不同系统中的名称相同、数据项重复不能合并、对一个系统没有完整性要求的数据项在其他业务系统中必须保障数据的完整性等现象。数据源头的错误导致即使消耗大量的人力物力进行后续查找、分析和修改也不能改善数据质量。

        2．注重数据的片面性导致信息孤岛
        “数据丰富，信息贫乏”，这是很多银行IT系统需要解决的问题：对业务部门相当重要的业务数据散落在各个系统中，形成多个“信息孤岛”，无法形成统一的数据视图。其原因就是系统建设初期没有从更高的角度看待系统建设，只从部分业务人员的视角提出对系统的数据视图要求，最终得到的也只是完整信息的一部分。

        （1）没有统一的数据集中机制
        各个信息系统在实施过程中，大多只注重自身的数据处理能力，很少考虑与其他系统的数据兼容性。系统在设计时往往只在业务流程中倾注过多的精力，更关心这些数据的流向，应该由谁来处理，而不是考虑这些数据以后该怎么集中。从思想上就对数据质量不够重视，数据只不过是业务过程中产生的“副产品”。当与其他系统发生联系，需要进行数据集中时，才发现无法对数据的集中机制达成一致。

        （2）数据处理环节的增加致使数据质量成反比下降
        因为银行业务的分散性以及系统设计灵活性的考虑，整个信息系统一般会被分为若干层或若干个集中处理平台，比如渠道平台、应用集中平台、数据仓库平台等。因此当源头数据进入银行系统后会增加很多处理数据的环节，最常见的处理环节是：数据通过各种渠道（柜面、网上银行、手机银行、ATM等）进入银行系统，再通过渠道整合平台进入后台应用系统，还可能通过应用集中平台与其他系统进行数据交互，最后集中到数据仓库平台。通过数据仓库的处理，数据最终产生报表或者通过数据转发中心发往相关联的外部机构。由此可见，数据处理的路径日益变长，但是数据质量则会随数据处理环节的增加成反比下降，一旦数据在某个环节出现问题，就会出现“失之毫厘、谬以千里”的现象。

        （3）对数据提供高质量信息的期望值大大增加
        随着计算机应用处理在银行业中的快速发展，大部分银行业务系统已经从简单的记账功能发展到全方面的业务处理，涵盖某个业务领域的方方面面；报表及查询也从简单报表和复合查询发展到基于数据关联以及相似规律的模糊查询，更有基于抽象概括以及基于知识检索的系统的应用出现。这些大大拓展了业务人员的思维想象空间，同时也导致部分业务人员认为不管出现什么情况系统都能够提供给业务人员含有最大价值的数据，这种期望值的增加与系统提供的数据质量现状产生矛盾，导致业务人员的抱怨增加。

二、提高数据质量的方法
        银行系统建设提高数据质量必须通盘考虑，建立一个全面的数据质量管理体系（如图l所示），从数据本身的质量以及数据生命周期的过程考虑数据质量问题。

 1 2 3 下一页 尾页

扫码即可手机
阅读转发此文