京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
若不方便扫码,搜微信号:CDAshujufenxi
在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22在数字化运营场景中,用户每一次点击、浏览、交互都构成了行为轨迹,这些轨迹交织成海量的用户行为路径。但并非所有路径都具备业 ...
2026-01-22在数字化时代,企业数据资产的价值持续攀升,数据安全已从“合规底线”升级为“生存红线”。企业数据安全管理方法论以“战略引领 ...
2026-01-22在SQL数据分析与业务查询中,日期数据是高频处理对象——订单创建时间、用户注册日期、数据统计周期等场景,都需对日期进行格式 ...
2026-01-21在实际业务数据分析中,单一数据表往往无法满足需求——用户信息存储在用户表、消费记录在订单表、商品详情在商品表,想要挖掘“ ...
2026-01-21在数字化转型浪潮中,企业数据已从“辅助资源”升级为“核心资产”,而高效的数据管理则是释放数据价值的前提。企业数据管理方法 ...
2026-01-21在数字化商业环境中,数据已成为企业优化运营、抢占市场、规避风险的核心资产。但商业数据分析绝非“堆砌数据、生成报表”的简单 ...
2026-01-20定量报告的核心价值是传递数据洞察,但密密麻麻的表格、复杂的计算公式、晦涩的数值罗列,往往让读者望而却步,导致核心信息被淹 ...
2026-01-20在CDA(Certified Data Analyst)数据分析师的工作场景中,“精准分类与回归预测”是高频核心需求——比如预测用户是否流失、判 ...
2026-01-20在建筑工程造价工作中,清单汇总分类是核心环节之一,尤其是针对楼梯、楼梯间这类包含多个分项工程(如混凝土浇筑、钢筋制作、扶 ...
2026-01-19