银行数据管理实践之核心对象

中国光大银行早在2008年就启动了全行数据标准化工作，并于2012年开展数据体系规划及实施路线图的制订，依照“以数据质量为核心、数据标准为基础、数据治理机制为支撑”的原则在全行范围内开展了数据管理实践。在研究与实践过程中发现：数据管理的每个领域，如数据标准、元数据、主数据、数据质量等，都是一个极为复杂而庞大的体系。数据管理各领域互为依赖，各种管理流程紧密地交织在一起，要全面、按部就班地在企业内部推动数据管理各领域的实施是一项长期、艰巨且难以见效的工作。本文将通过研究分析数据管理各领域以及相互之间的关系，从而确定数据管理的核心对象，并阐述如何借助核心对象去开展数据管理工作，找到一条或几条关键的数据管理流程的可行路径，提升数据质量，充分发挥数据管理价值。

一、数据管理的核心对象

        学过数据模型设计的人都知道，一般在业务管理应用系统的实施过程中，有一个重要的步骤是概念模型设计。概念模型设计方法是通过分析业务管理框架，从中抽象出实体以及实体之间的关系，即E—R图，这个E就是业务管理的对象。例如，在贷款业务的概念模型设计中，抽象的业务实体主要有贷款客户、合同(借据)、账户、交易、抵质押物等实体，所有的贷款业务流程及管理内容均借助这些实体进行流转与落实。

        数据管理的核心对象，顾名思义就是“数据”，但这个“数据”并不是我们平时看到的一条一条具体的数据，而是根据数据质量管理、数据标准管理、元数据管理、数据架构管理、数据安全管理、数据模型管理等领域业务流程与内容抽象出来的一组核心实体。

        数据质量管理的核心是对各类业务数据进行质量监测，持续发现数据质量问题并整改。其管理的内容是一个个数据质量检核规则，而每一个检核规则一定会对应一个明确的数据元素。例如，检核客户身份证号码不等于15或18位，这里的数据元素就是客户身份证号码。这些数据元素的集合就是数据质量管理的核心实体。

        同理，数据标准管理的核心是规范这些数据元素在企业范围内统一业务与技术标准。元数据管理核心是管理这些数据元素的业务描述、技术属性以及业务数据口径、加工路径等内容，以帮助及时、准确地了解数据含义及其血缘关系。数据模型与架构管理则是将这些数据元素进行组合形成一个个业务实体，并明确这些业务实体的关系，同时确定其在应用系统中的分布，从而有效支撑企业的业务运转。数据安全管理是明确这些数据元素的安全等级，并对相应的业务数据采取必要的安全措施。

        另一方面，业务数据可分为基础类数据与分析类数据。基础类数据是业务经营活动中产生的数据，根据行业经验和FS—LDM的方法指导，可划分为客户、产品、客户资产、员工与机构、账户、营销活动、交易、渠道、财务和地理位置等数据主题(如图1所示)，这些数据既彼此独立，又发生各种关联。分析类数据则是对基础数据进行加工汇总后用于经营分析决策的数据，指标与报表是分析类数据中两种主要类型。

        基于业务数据的分类，我们发现用于描述业务数据的数据元素分为三种组织形式。一类是基础类，描述一个个信息项及相关的技术与业务属性，如客户号、客户名称、产品号等，且可按照基础类数据主题进行分组。一类是指标类，描述指标名称、约束条件、度量、维度、业务口径等内容。一类是报表类，描述报表的行、列、显示内容以及各个单元格的取数口径等内容。这三类数据元素就是对数据管理各领域中所管理的核心数据元素的抽象，是数据管理的核心对象(如图1所示)。我们在这里给它们定义了新的名称，分别为基础数据元、指标数据元及报表数据元。 

二、核心对象对数据管理流程支撑

        基础数据元、指标数据元与报表数据元是数据管理活动的核心实体。借助核心实体的属性及其之间的关系，可以帮助我们清晰地描述所有数据管理各领域活动以及跨领域之间的关联活动，打通数据管理各个业务环节并使之成为“有机的”业务管理流程。下文将列举重点流程阐述如何通过核心对象打通各领域之间的关系以有效支撑数据管理业务流程。

        1．元数据管理方面

        (1)这三类数据元实体内的实际数据均为对业务数据的属性描述，是元数据管理的核心内容。

        (2)构建的报表数据元、指标数据元、基础数据元之间的关系数据，是血缘分析的重要基础。

        (3)数据字典作为技术元数据的重要内容，是数据管理工作作用至实际业务数据的必经之路。

        2．数据质量管理方面

        (1)针对基础数据元设定检核规则，借助基础数据元与数据字典的关联关系，可以对所有应用系统中的同一信息项进行监测。如对“客户名称”设定合法性检查规则后，可对所有有“客户名称”这一字段的系统及相应表内数据进行检查。

        (2)针对指标数据元设定检核规则，并通过指标数据元与基础数据元的血缘关系来确定影响指标数据质量的基础数据元，并可找到对应的系统、表及字段。例如检测发现两个指标数据不一致时，可通过分析指标的加工口径、数据来源等找到不一致的原因。

        (3)数据质量问题整改时，可通过数据元认责信息，找到有问题数据的相关责任部门，从而开展分析、整改、监测工作。

        具体如图2所示。

        3．数据标准管理方面

        (1)有标准定义的基础数据元，可自动生成检核规则，并可对各系统的数据进行检核。如可根据证件类型代码标准的代码生成证件类型有效检核规则。

        (2)定期对指标数据元进行重检，对口径相同或相似的指标数据元进行标准化定义，以便在全行范围统一业务口径及技术口径，保证数据一致性。

        4．数据架构管理与模型方面

        (1)数据架构师可以利用基础数据元与数据字典的映射关系直接生成数据分布现状，并可看出存在的同一数据多头存储、同一字段在不同系统定义不一致等对数据共享、数据整合有影响的各类问题。如客户规模存在多个系统，但业务定义、长度等均不一致。

        (2)数据模型设计人员通过不断完善各类数据元中的具体信息项，并对其合理分类以及构建各类之间的关系，可帮助快速建立企业级的数据模型，并对数据架构管理提供支持。

        5．数据安全管理方面

        (1)数据安全管理人员对各类数据元的信息项从安全视角进行分级与分类，并明确相应的数据安全处理要求。

        (2)应用系统开发人员根据数据字典与数据元映射关系来判定本系统数据是否符合数据安全要求。

        (3)数据安全管理人员通过数据字典可以直接检查应用系统是否符合“审计”原则。

三、核心对象的应用实践

        我们应该看到，仅仅抽象出基础数据元、指标数据元、报表数据元这三类数据实体是远远不够的。必须要将这类实体应用到实际的数据管理工作中，逐步完善这三个实体中的具体内容并建立与业务数据的关系，才能真正实现有效的数据管理，为银行的管理决策提供有效、及时、高质量的数据。

        目前，中国光大银行的数据管理体系初步建立，当下以完善核心对象内容、建立核心对象与实际数据关联为主要目标，并在多项数据管理业务活动中进行相关的应用实践。

        (1)借助数据字典管理及基础数据平台模型确定与补充基础数据元。光大银行将数据字典管理与开发流程紧密结合，使得所有源系统的数据结构、代码、接口等均在线登记并与上线版本保持一致。同时，对基础数据平台模型与源系统数据结构间的映射关系进行解析，初步补全基础数据元内容，并建立其与源系统数据字典的关系。

        (2)借助业务指标管理机制明确并补充指标数据元。光大银行在全行业务指标管理研究中，明确了指标定义、分类及基础要素，确定了业务指标视同标准管理的原则。一方面，确定了指标数据元这一实体的各个属性及分类；另一方面将已发布的指标标准全部纳入了指标数据元。

        (3)借助数据标准执行机制建立数据标准与基础数据元之间的关系。光大银行已将数据标准执行工作纳入了应用系统的开发流程中，应用系统在定义数据字典时要明确使用哪一数据标准，并根据数据字典与基础数据元的关系，可以确定基础数据元所对应的数据标准。同时，通过基础数据元与应用系统的对应关系，可以发现还有哪些系统未按标准执行。

        (4)借助数据管理平台建设，落地这三类数据元，打通各个模块。数据管理平台的模型设计以这三类数据元为核心实体，使之成为数据管理各个模块的枢纽，有效避免了管理环节孤立，提升了管理效率。例如，数据质量检核中可通过基础数据元关联到的数据标准及应用系统数据字典，检查各应用系统的相关字典是否符合标准要求。

        此外，中国光大银行还在数据服务机制、数据质量检核、数据认责等活动中明确与补充了报表数据元，逐步建立了基础数据元与指标、报表数据元的关系，补充了各类数据元责任归属等。

        当这三类核心对象均具备了相应的内容，并建立了有效的关联关系后，我们才有可能全面掌握全行数据分布，建立并优化数据模型，及时发现并解决数据质量问题，有效地进行数据安全审计与控制等工作。并借助合理、灵活、功能强大的数据管理平台，使数据管理走向自动化、精细化，为实现数据管理的量化管理奠定坚实基础。

（文章来源：金融电子化）

扫码即可手机
阅读转发此文