银行业数据管理探索

洪正华

与传统银行相比，数据资产逐渐成为现代银行越来越重要的生产要素。如何管理好数据、应用好数据、挖掘数据价值等一系列数据管理工作，也成为一个现代银行加快业务创新、提高精细化管理和科学决策水平的最重要基础工作之一。

近几年，监管部门不断加大对银行业数据管理工作的监管力度。早在《中国银行业“十一五”信息化建设规划》中就明确指出“加快银行信息资源的集中，实现数据视图在全行范围的共享，充分利用数据仓库和数据挖掘技术，实现资产负债管理、财务绩效管理、风险管理和客户关系管理等主题应用，建立面向主题、面向市场、面向决策、满足内部管理及外部政策要求的银行管理信息系统建设”。《中国银行业“十二五”信息科技发展规划监管指导意见》中又进一步指出“提高数据作为银行业战略资产重要性认识，建立数据治理体系；加强数据标准建设，统一数据规范；加强数据全生命周期管理，提高数据质量；优化数据架构，推动信息数据的逻辑整合。”

从银行业数据管理的实践看，“十一五”期间国内银行的数据管理工作的重点着眼于数据仓库建设，多数国有或股份制银行实现了企业级数据的逻辑大集中。数据仓库的建成上线，一定程度解决了内部报表和外部报送的问题，但仍然存在手工报送率高，数据质量较差的问题，对管理分析的提升作用也没有达到管理层的预期目标。因此在“十一五”末期，多数银行将数据管理工作的重点转向如何解决深层次的数据管理问题，如加强数据标准化，拥有强有力的数据管控组织和更有效的技术工具，全面提升数据质量，挖掘数据资产价值，以满足监管要求和内部经营管理的需要。本文基于对国内外银行业数据管理理论与实践的分析，提出了“一个流程，两个维度”的数据管理框架体系，并在国家开发银行（下称“开行”）数据管理的实际工作中做了有益的尝试和探索。

构建数据管理框架体系

基于对国内外银行数据管理方面先进经验的学习与借鉴，以及与该领域知名咨询公司的交流和研讨，并结合开行数据管理工作的具体情况，我们提出了“一个流程，两个维度”的数据管理框架体系。该框架体系集管理与技术于一体，涵盖了数据全生命周期管理内容。框架体系如图1所示。

该框架体系将数据管理内容从纵、横两个方向进行了细分：在横向上将数据全生命周期管理流程细分为四个环节，即数据标准、数据管控、数据应用支持和数据应用，简称“一个流程”；在纵向上将“四个环节”的数据管理内容进一步细分为管理和技术两部分，各部分工作内容通过组织、制度和流程体系实现有机的融合。该框架体系从一个理论视角解析了一个现代银行数据管理核心能力的形成机制和构成要素。

“一个流程”——数据的全生命周期管理

数据的生命周期一般是指数据的产生、存储、交换、加工到归档的全过程，属于技术管理领域的概念。而本文对数据全生命周期的定义侧重在对数据管理和应用的视角，在对一般生命周期基本涵义的继承基础上进行了扩展，将周期的起始点从数据的产生阶段前延至数据的定义阶段，即“数据标准”；终点不是止于数据的归档，而是数据的应用，数据的价值只有在应用中才能得到体现；“数据管控”环节强调对企业级数据的统一和整体管理的理念；“数据应用支持”环节则是在“数据标准”和“数据管控”的基础上实现数据的存储、加工和交换，即做到有数据质量保障的数据集中与共享，进而为下一环节“数据应用”奠定基础。另外，“数据应用支持”还体现了以“数据应用”为驱动的管理理念。

“两个维度”——管理与技术并重

数据管理工作是一项极具挑战性的复合型工作，该项工作既涉及管理领域的内容，又涉及到技术本身的内容，为便于更好地理解数据管理的内涵，并指导实际工作，我们对“一个流程”中的四个环节从管理和技术两个视角进行了细分。例如，将“数据标准”的内容从管理视角划分为数据标准的制订、数据标准的落地、监督检查、标准的变更和维护等。然而，要做到对数据标准化工作的精细化、专业化管理，纯粹手工管理只能是粗放式管理，且效率低下，依赖手工方式要做到精细化管理几乎是不可能。因此，我们又从技术视角确立了数据标准技术方面的工作内容，包括数据标准管理技术工具的建设、数据标准在IT系统落地过程中需完成的主系统和外围系统的更新改造工作等。其他环节的管理维度与技术维度工作内容的划分，与此类似。

探索数据管理核心能力

在“一个流程，两个维度”的数据管理框架体系指导下，开行结合数据标准、数据管控、数据仓库和数据应用等主要工作，全面展开了实践与探索，已初步取得成效。

数据标准先行

开展“一个流程，两个维度”的数据管理工作，数据标准化工作要先行。数据标准是一整套数据规范；数据标准化是通过一整套的数据规范、管控流程和技术工具来确保银行的各种重要信息，包括产品、客户、机构、账户等在全行内外的使用和交换都是一致、准确的过程。数据标准化是数据管理工作的基础和起始点，做好数据标准化工作是数据管理工作成败的关键。

数据标准的制定。立足开行的集团架构特点，开行首先制定了数据标准体系框架，分为基础类数据标准、分析类数据标准和专有类数据标准。基础类数据是指日常业务开展过程中所产生的具有共同业务特征的基础性数据，并进一步划分为不同的数据主题，包括客户、产品、协议、交易、财务、渠道、地址、资产、营销及公共代码；分析类数据是指为满足开发银行内部管理需要和外部监管要求，在基础类数据基础上按照统计需求和分析规则加工后的数据；专有类数据是指开发银行集团架构下，投资、租赁和证券等特有业务在经营管理中所涉及的专有性数据。

数据标准的内容可以划分为业务和技术两部分。业务部分内容是指从业务层面对数据的统一定义，包括数据项的业务涵义和数据项处理加工过程中应遵循的业务规则等；技术部分内容是指从技术实现层面对数据的统一规范和定义，包括字段长度、数据格式等。

在实际工作中，我们先建立了全行性数据标准化工作机制，由领导层、管理层和执行层组成。主管行领导亲自挂帅，几乎所有业务部门都参与不同层级的工作。按照数据标准体系框架，开行遵循外部标准和监管要求，并结合本行的现状及同业经验，前后历时两年多，已经制定完成了客户、产品、交易、协议、财务、资产、内部机构和员工七个主题2046项基础类数据标准和1056项分析类数据标准。

数据标准在业务领域和技术领域的落地。数据标准不仅在于制定，更重要的是在业务领域和技术领域的落地。数据标准化工作的常规思路是先制定、后落地，而开行将制定与落地同步开展，抓住系统建设的关键时机，推动数据标准的落地，既在落地过程中检验了标准制定成果，又通过落地将标准制定成果效益最大化。

为加大数据标准在IT系统落地工作的领导和协调力度，开行组建了科技部门一把手任组长的落地工作领导小组。目前已初步完成了数据仓库、全流程信贷、中小企业贷款管理、客户关系管理等重点系统及其外围系统的标准落地工作，对提升数据质量，减少重复录入起到重要作用。

数据标准化是动态化的过程。因为数据标准来源于业务，并通过规范IT系统建设和业务运行管理，最终推动业务发展，所以随着业务的创新和IT系统的升级改造，将对数据标准进行持续更新和维护，使数据标准更好地服务于业务发展，而不是制约业务的发展。

正是通过数据标准的制定和切实落地，贯通了数据从业务领域到技术实现的桥梁，为统一数据的定义、录入、维护、交换、加工和使用奠定了基础，促进数据的集中和共享，提升数据质量，良好地支持业务发展。数据标准的制定、执行和监督检查，是一个全员参与、长期、坚持不懈的过程，是一项日常工作，要持续不断地建设与完善。

数据管控执行力

2008年开行在信息科技部门下设立了数据管理处，负责开展全行数据标准化与数据管控等工作。随着数据管理工作的逐步深入，2012年开行基于数据管理处成立了数据管理中心，下属信息科技部门管理。对开展数据标准化、数据管控、数据仓库管理与数据应用管理等工作进行了细分，开始由“粗放式管理”向“精细化管理”的转变。

开行结合自身数据管理工作的特点与需要，将数据管理中心设置在信息科技部门，可以与IT系统建设紧密结合，有利于推动数据标准在业务和技术领域的落地、数据管控技术工具建设等工作，提高部门之间协作效率。同时，数据管理部门将加强复合型人才的培养，打造一支业务与技术兼备的BIU团队（商业智能化团队）。

制定数据管控制度与流程。2010年，开行先后制定了数据标准管理、数据质量管理、数据录入维护管理和报表需求管理等7项数据管控制度。这7项制度基本覆盖了数据管控工作的主要内容，明确了各项工作的职责分工，规范了相应的管理流程，是开展数据管控工作的重要依据。随着数据管控工作的不断深入，我们将不断完善这一制度体系。

设立数据管控专项考核。为树立数据管控工作的权威性，2010年开行将数据管控专项考核纳入全行考核体系，制定了分支机构数据管控考核指标。经过两年多的实践，这项工作对数据质量提升起到显著成效。今年将进一步开展对总行业务部门数据管控考核。

建设数据管控技术工具。数据管控工作的开展离不开技术手段的支持，数据管理系统的定位正是总分行全员参与数据管控工作的技术工具。该系统不仅仅是数据管理人员的重要工具，更是总分行业务人员参与数据管理工作的有力工具。系统主要包括数据标准管理、数据质量管理、元数据管理、数据管控电子流程等功能模块，并伴随着数据管理工作的需要不断进行升级完善。

综上所述，开行从数据管控的组织建设、制度和流程建设、管控工具建设、考核机制建设等多个方面进行了大胆尝试，大幅提升了数据管控的执行能力。

数据仓库建设

2010年底，开行启动了数据仓库建设。数据仓库建设的目标是：落实数据标准、实现集中共享、提升五大应用、支持经营决策、统一全行报表、挖掘数据价值。

数据仓库建设遵循“标准先行、管控保障、业务驱动”方法，目前各项工作进展顺利，计划今年上半年上线运行。数据仓库上线后，将基本完成数据标准落地，实现我行数据大集中，提升数据质量，全面提高全行报表自动化比率，大幅提升高层决策支持、精细化管理和监管报送水平，充分实现数据资产价值，提升我行核心竞争力。

数据“1+5”应用

基于数据仓库建设，开行规划了“1+5”应用的蓝图。“1+5”应用是经营管理类与其他五类：监管合规类、风险管理类、客户关系管理类、资产负债管理类、财务绩效管理类等应用系统。数据仓库的建设，正是以数据应用为驱动，打造支持数据应用的基础平台。

伴随数据仓库一期建设，已同步开展了经营管理、风险管理和监管合规等重点应用系统群建设，并将与数据仓库一期同步上线运行。

结束语

“一个流程，两个维度”的数据管理框架体系从数据全生命周期管理的角度诠释了数据管理工作各个重要环节的内容与结构，贯通了数据标准、数据管控、数据应用支持、数据应用等各项数据管理工作的重要环节，经过开行前期的实践与探索，证明该框架体系具有其科学性和可实施性。数据标准是数据管控的依据和数据仓库模型建设的基础；数据管控是手段，通过数据管控保证全行数据质量持续提升；数据仓库是载体，通过数据仓库贯彻数据标准和数据管控，全面建立有效的数据质量管理体系和数据应用体系，才能最大程度地实现数据资产的价值。

数据管理工作是一个永恒的话题，在日常的数据管理工作中，我们也在不断思考一些更深层次的问题，如：在数据管理过程中，如何能将业务与IT更好地融合，加强数据管理工作的执行力；如何抓住元数据管理的核心思路，在现有技术元数据管理的基础上，做好业务元数据的管理；如何深化开展数据管理工作，让数据成为循环的数据流，实现数据价值的螺旋式提升等。

在后续工作中，我们将带着这些问题，不断学习和吸取国内外同业的先进经验，持续丰富和完善“一个流程，两个维度”的数据管理框架体系，深入开展数据管理工作，与同业共同探索一条银行业数据管理的理论与实践之路。

（作者系国家开发银行信息科技局局长）