国内银行业数据标准化十年之路
银行经营资金,而资金往往用符号、数据来表达,因此从本质上来说,银行生产数据,同时也消费数据。与任何一个生产型企业一样,产品质量是企业的生命,数据质量也是银行的生命。然而,在多年的信息化进程中,银行业饱受数据质量的困扰,数据缺失、数据冲突、数据不准确……银行的经营管理受到严重制约。
在不断扩大的信息化建设规模中,关注系统功能的同时,如何确保数据的完整、准确、及时,已经越来越多地受到重视。数据治理(Data Governance, 又译数据管控)提上企业治理日程,如何为经营管理营造健康的数据环境成为各家银行关心的问题。而数据、信息的标准化是加强数据治理和管控中最基础的工作,是保证数据一致性、实现数据共享的关键措施。
2004年中国建设银行首次提出银行业“数据标准化”概念,开启了银行业数据标准化建设进程。
纵观国内银行业数据标准化进程,基本遵循了“全面规划、标准先行、分步实施”的策略。
中国建设银行
中国建设银行从2003年开始成立专职的部门推进数据标准化工作。时值建设银行启动重组改制上市进程,为配合这一战略性转型,保证跨系统数据的一致性,建行启动了数据标准建设工作,这一工作也首次得到企业层面的重视。
经过10多年的努力,建行在数据标准领域取得了初步成效。建立了数据管控部门与业务部门、IT部门之间关于数据标准管理、维护的协同机制和工作流程,并将这一流程落实应用到新一代核心系统转型当中,保证了数据标准管理工作的有效组织。适应业务、信息系统建设的需要,制定发布了一系列数据标准,形成了基本覆盖全行业务的数据标准体系,并应用于业务需求描述、信息管理及信息系统开发。
建行极为重视数据标准的执行,优先强调战略性系统、重点系统标准的执行。作为数据一致性保证的重要举措,建行把基准数据(Reference data)管理与数据标准紧密结合。对于企业最核心、跨系统共享程度最高的数据,例如行业类型、币种、客户编号、产品编号、机构编号等,不仅通过制定数据标准来约束对它们的使用,还对其取值进行严格的管控,实施集中的生成与分发,用最大的管理力度和最小的成本确保这些数据在全行跨系统的一致性。
中国工商银行
早在2008年工行就开始谋划企业级信息系统规划,并将数据治理作为重要内容加以研究和推动。2010年工行全面启动信息标准化工作,经过近一年的建设,搭建完成整套的数据标准管理体系,并基于此逐步扩展到其他数据治理领域。为此,工商银行成立了由行领导挂帅的数据治理管理委员会,由数据治理管理委员会统一领导数据治理的工作;成立数据治理综合部门作为数据治理管理委员会的办事机构,负责企业的数据治理综合管理。工商银行自实施数据治理工程以来,在多个方面取得了丰硕成果。
I.数据标准方面
在数据标准的落实方面,工商银行在客户信息治理、规范行业分类、规范科目使用等数据治理方面采取了行之有效的措施,落实客户、产品、行业、科目相关的重要标准。
II.数据质量方面
在数据仓库部署业务检查规则和技术检查规则,周期性地对数据仓库的数据质量进行检查,同时还建立了数据质量指标体系,对业务和技术指标采取分层加权计算的方法,实现对数据仓库数据质量情况的量化评价。
III.数据标准应用
将数据标准与业务发展紧密结合,一是基于客户数据标准实现个人和对公客户统一视图,建立了统一的个人客户星级视图评价模型;二是开展精准营销,实现营销活动的闭环管理;三是精细化管理,为全行的绩效考核管理提供了标准化的指标定义;四是全面风险管理,基于风险类标准建立了客户评分模型和账户评分模型,进一步实现了个人客户综合授信管理。
光大银行
光大银行成为第一家实施数据标准化的股份制银行,形成了以科技战略委员会下的数据标准化小组为管理组织,运用“六位一体”应用体系方法,稳步推进标准体系应用。
光大银行制定了数据标准的五年规划并展开实施,秉承定义、执行、监督检查三者并重的原则,先后完成了客户、产品、渠道、交易、关键统计指标、内部机构以及风险主题数据标准的定义。2009年基于客户数据标准,推进全行对私统一客户管理系统(ECIF)的建设。2010年基于风险新资本协议相关数据标准推进了RWA数据集市建设。2011年完成了全行渠道类型数据标准在各交易系统中的落地改造,促进多渠道客户信息共享,有效分析客户利润贡献度,提升个人客户服务质量与效率。
成功经验总结
从国内银行数据标准化实践来看,有很多成功经验值得吸取和借鉴。
1战略清晰,稳扎稳打
无一例外,各家银行都充分认识到数据标准化开展的困难性和复杂性,在数据标准的实施策略上大多采取“全面规划、标准先行、重点突破”的原则。将数据标准作为数据治理大工程的基础性工作,以提升数据质量为核心目标,不唯求快,而求扎实有效,循序渐进,不断完善。
2一把手工程,专业组织运作
从实践案例可以看到,领先银行的高层领导对数据标准化非常重视,往往亲自挂帅督办,可以毫不夸张的说,数据标准化工程就是“一把手工程”,是公司治理的重要基础。同时,由于数据标准化专业性的特点,它往往需要联系业务、IT等多个条线和部门,需要专业化、专职的团队来持续运营和跟踪,所以几乎所有领先银行都建立了专职的数据标准管理部门。
3发挥价值,重在执行
每一家领先银行都高度重视数据标准的落地执行,在落地执行的方式和策略上优先考虑与具体业务紧密结合。所以在核心系统转型升级、风险管理、客户信息管理、精准营销、交叉销售、监管报送等多个重要的业务领域都可以看到数据标准正发挥着基础性的作用和价值,这也是数据治理要实现的目标,将数据转化为企业的战略资源。
在民生银行党委委员林治洪在2015年6月的数据标准工作会议中,明确提出“数据标准化工程是民生银行执行凤凰计划、二次腾飞的基础”。信息管理部牵头的数据标准项目在总结前人的基础上,正在不断追求自我超越,力图以最优化的路径、最高效的方式打造一个更完美的数据标准生态环境。我们心目中的数据标准工作不再仅仅是一个枯燥的平面,它将因为与大数据、与业务过程、与人的不断连结而变得丰满起来、立体起来。
目前随着针对不同业务领域的数据标准陆续发布,在不同层面上的数据治理活动也逐步展开,标志着民生银行数据标准化进程迈入到全新阶段!
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14