构建全面的数据治理体系，需从组织架构、管理流程和操作规范、IT应用技术等维度，对企业数据模型、数据架构、数据管理、数据生命周期等各方面进行全面梳理、建设以及持续改进。
数据治理的内容，主要包括建立数据治理机制、数据管理制度及流程，以及数据标准制定等。数据治理的最终目的是提升数据质量，通过有效的数据整合、数据应用与数据服务，使银行真正具备业务信息化管理能力。其中数据应用与数据服务包括面向财务管理、风险管理、绩效考核、客户营销等方面的支持。
构建全面的数据治理体系，需从组织架构、管理流程和操作规范、IT应用技术、绩效考核支持等维度，对企业数据模型、数据架构、数据管理（包括数据质量、数据标准、元数据管理、数据安全等）、数据生命周期等各方面进行全面梳理、建设以及持续改进。可以简单概括为：明确数据治理主体、建立数据质量标准、加强数据生命周期全过程管理。
在卢卫东看来，数据治理是一个企业级的问题，其实质是体系化管理，需要从战略上构思清楚，从架构上设计好，在这个基础上才能顺利实施。在数据治理过程，有几个重要原则需要关注。
数据所有权和组织机构。银行应该建立一个明确的全行跨部门的政策、标准和流程的数据管理委员会，并明确数据的所有者、管理者和使用者。
数据的价值。数据价值是推动所有数据管理政策和程序相关活动的催化剂。管理层必须了解数据的价值，这样才能更好地知道业务价值，如从量化业务价值的角度。
数据一致性的政策和标准。通过制定数据政策和标准，并透过企业级数据整合，如全行统一的数据平台、全行统一的数据分发服务等，使一致性的数据在全行实现有效共享。因为数据常常在“孤岛”和特定的业务运营环境中产生，当它们被转移到一个分析环境或在企业级层面进行整合的时候，数据常常会“失真”。在保证数据一致性方面的工作，常因为难以立即显现直接的业务价值而被忽视或拖延。实际上，数据一致性是数据管理在全行范围获得成功的关键。
数据质量及数据质量管理。数据管理成功的重要表现，使银行各级管理者和员工能获取准确的统计分析报表，但很多银行在这方面做得还远远不够。例如，有的城商行不同部门关于全行总资产的统计数字竟然相差几百亿元；有的城商行，建设好的管理驾驶舱、报表平台成了摆设，因为其中的指标和报表数据经常发生错误，大家已经对其失去了信心。数据质量的提升和保障，最终目的是为了提高业务效率，减少数据冗余和IT成本，确保数据的价值发挥。不论站在银行内部还是外部的角度，数据质量的提升都将会为银行带来业务质量的提升。
量化的数据管理绩效考核。应该在全行各业务条线、各业务部门和各业务应用系统等为数据管理绩效设定目标，然后“量化，量化，再量化”，通过“计分卡”或者其他方法向生成、使用、关心数据的所有管理者和员工定期公布上述量化绩效的结果。随着时间的推移，这种绩效量化和公示的方法将会推动数据问责机制的有效落实和数据质量的提高，特别是按年度数据设立数据质量目标的时候。
数据治理典型案例
为了快速准确地把握客户需求，卢卫东认为在提供数据治理方案之前，应对银行内部做大量的访谈，包括上层领导者到管理层再到执行部门，了解各个层级的现状、问题及关注点，为银行“量体裁衣”，规划出未来三到五年的趋势架构、实施路径以及需要具备的条件（如人力物力投入、内外部资源等），提供一套完整的管理方案。通常在方案实施的第二年就可以初见成效。
首页 上一页 1 2 3 下一页 尾页
扫码即可手机
阅读转发此文
