安泽量化投资联盟

【中国工商银行管理信息部总经理 苏宗国】推动数据综合治理 提升数据资产价值

金融电子化 2019-06-10 08:46:31


文 \ 中国工商银行管理信息部总经理 苏宗国



在大数据时代,良好的数据质量是商业银行经营管理的基础。工商银行一直以来高度重视数据资产质量,在“大数据和信息化银行”战略实施过程中持续深化数据治理,全面提升数据管控和应用能力,为全行创新发展提供了重要支持保障。



工商银行数据资产现状


1.数据规模庞大。工商银行建立起了企业级数据仓库和集团信息库两大平台,所管理的结构化、非结构化信息数据规模达到PB级,已成为各部门、各级机构开展大数据分析、挖掘和应用的基础平台。


2.数据量增长迅速。近年来,工商银行大力整合业务渠道,打通线上和线下,网上银行、手机银行等电子渠道发展迅猛,多渠道(尤其是电子业务渠道)的高频使用带动了数据规模的高速增长。


3.数据类型多元化。目前,工商银行的数据资产已不仅仅局限于客户信息、账户信息、产品信息、交易信息等传统类型的银行数据,还包括了工商银行“三融”平台产生的电商、社交、行为等数据,以及由外部引入的征信、工商、舆情、海关、多媒体平台等第三方数据。



工商银行数据治理工作实践


1.数据治理工作目标。工商银行数据治理工作的目标是在全面风险管理的框架下,依据本行数据的自身特点、规模、复杂程度和质量状况,建立和实施长效的数据治理机制,全面提升数据质量,保障信息安全,实现数据资产的价值最大化。


2.数据治理工作原则。工商银行数据治理工作主要遵从五大原则,即“架构明晰、服务导向、统一管理、持续改善、机制保障”。架构明晰是指数据治理战略、任务和目标明确,数据治理框架清晰,各部门、各级机构数据治理岗位和职责分工明确;服务导向是指数据治理应服务于业务发展和经营管理需要,能够为全行业务发展、分析决策、风险控制、市场营销等经营管理活动提供符合数据应用要求的信息支持,实现业务发展和数据治理良性互动;统一管理是指建立统一的数据治理框架、实现各类经营管理信息统一入库、依据统一的数据标准、采用统一的数据质量管理平台;持续改善是指建立数据治理长效机制,持续提升数据治理工作水平;机制保障是指通过运用平台支持、模型评估、指标考核、定期通报等手段,建立全行参与、责任明确、协同推进的数据治理保障机制。


3.具体措施。经过多年探索实践,工商银行形成了一套较为完备的数据治理机制。主要体现在五个方面。


一个体系。工商银行构建起一个相对完善的数据治理框架体系,涵盖了目标、核心领域、基础设施、配套机制等核心内容,明确了数据标准、数据质量、元数据、数据安全、考核评价、数据认责、数据生命周期、数据分布(也称主数据管理)等八大要素和基本任务。


两轮驱动。工商银行的数据治理工作秉承了数据和应用双轮驱动的基本原则。一方面,建立全行统一遵守的数据规范和质量标准,通过制度建设、流程把控、系统完善、平台监测等多种手段从数据源头进行质量把控和治理统筹,做到标本兼治、增存并控。另一方面,坚持问题导向、应用导向,着眼于从业务需求和应用场景发现问题,注重在应用中解决问题、在应用中夯实大数据基础。


三大引擎。信息标准化、数据质量管理与主数据管理是推动工商银行数据治理的重要举措。信息标准化是核心,是统一全行“业务语言”的过程,是实现大数据资产“书同文”、“车同轨”的前提。工商银行累计颁布的集团信息标准超过了44000项,较好地解决了数据标准性和规范性问题。数据质量管理是标尺,2007年以来,工商银行持续强化数据质量管理工作,搭建了完善的制度体系,投产了国内首个数据质量管理平台,部署了数千项数据质量检查规则,狠抓客户基础数据质量提升等多项重点工程,全行数据的完整性、准确性持续改善。主数据管理是枢纽,是树立数据权威性、实现系统互联互通和信息同步共享的重要机制。2016年,工商银行启动实施了客户基础信息主数据管理项目,建立了主数据排序、认定规则及更新机制,完成了客户基础信息主数据项及应用场景的梳理、提炼,并以服务的方式把统一、完整、准确的主数据分发给各个相关的业务系统,提高了业务处理效率,提升了客户体验。


四“关”管控。工商银行数据治理工作重点在“定标关、入口关、流转关、治理关”四个环节严格做好管控。定标关是严格制订信息标准,并在数据的产生、传输、存储、应用等各个环节实现标准化的管控;入口关是严格规范前台业务系统的数据采集环节操作,全渠道把好数据录入关口,对于增量数据的质量控制至为关键;流转关是指通过完善制度、规范流程和系统硬控制等方式保证数据被准确处理、高效集成;治理关是对于发现的数据质量问题要严格落实“数据质量源头负责制”,快速进行治理并实时跟进治理进度,评估治理工作效果,这是解决存量数据问题的有效手段。


五位一体。工商银行搭建了统一框架、统一标准、统一平台、统一责任、统一评价的配套机制。统一框架是将数据治理纳入全行操作风险管理范畴,实施顶层设计,形成了“统一领导、条线管理、分工协调”的数据治理框架;统一标准是指结合业界通行的数据治理方法以及同业数据治理实践,以现代企业全面质量管理理论(PDCA理论)为指引建立了统一的数据管理操作流程;统一平台是指建立了统一的数据质量管理平台(DQMP),实现对重点业务、重点系统、重点环节数据质量评估与考核的全覆盖;统一责任是指落实“谁建设谁负责,谁录入谁负责”的责任认定制度;统一评价是指建立数据质量考核指标体系及定期通报制度,并将考核评价结果纳入内控评价体系。



强化数据治理与共享工作的有关思考


1.建立大数据资源管理体系,提升数据资源管理水平。应对新时期大数据多信源、多模态、多形式的特点,构建以大数据云平台为基础的大数据资源管理体系,持续丰富内外部数据资产内涵,建立大数据资产地图,加强数据整合与共享,提升数据集成能力和响应速度。创新数据服务模式,打造数据产品体系和大数据应用服务平台,提高大数据实时分析与场景应用水平,形成稳定高效、成本可控、资源动态调配、数据按需服务的企业级大数据应用能力。


2.建立数据管理成熟度评价机制,实现数据治理成效可量化、可核实、可跟踪、可考核。升级数据治理工作手段,从数据战略、数据架构、数据生命周期、数据治理、数据标准、数据质量、数据安全、数据应用等领域定期评估数据管理综合水平,建立“评估——提升——再评估”的数据管理成熟度评价体系,建设智能化、可视化的数据质量管理平台,从而发现数据管理能力短板并制订计划快速提升。


3.建立跨行业数据交互标准,形成开放、互联的大数据生态体系。跨行业的数据交互和共享需要公认的标准体系,建议相关的政府部门及监管机构主导制订术语和流程规范。工商银行将加强与人民银行、金标委及同业的沟通协作,积极参与相关行业标准制订工作,在依法合规的前提下,依托自身积累的大数据资产,积极运用向社会开放的政府和公共数据,探索跨行业数据整合运用和综合服务的新模式,助力国家大数据产业的快速发展。  


4.健全数据使用的法律法规及行业自律规范,确保数据共享合规及用户隐私保护。保障信息安全和保护用户权益是数据开放共享的底线。国家相继出台了多项保护公民信息安全的法律法规,商业银行及其他行业要进一步健全行业内和行业间数据使用的自律规范,明确客户的隐私界限,建立数据信息采集黑名单机制,形成安全、合规、健康的跨行业数据共享秩序。

     


                          




《金融电子化》新媒体部

主任 / 邝源   编辑 / 潘婧