數據是銀行最核心的資產，數據治理能成就銀行的未來。數據治理是一個新興的并且不斷演進的概念，涉及數據質量、數據管理、數據政策、商業過程管理、風險管理等多個領域，同時也受技術革新等因素的影響。在數據治理體系建設過程中通常會引入外部的方法論作為理論指導，然而數據治理方法論種類繁多，側重點也各有不同，銀行進行數據治理時通常很難將理論與實踐完美結合。深奧的數據治理方法終歸屬于抽象的理論體系，再怎么修飾潤色也很難滿足銀行的實際需求。針對這個問題，本文分析了業界權威的方法論體系，并針對我國銀行業的數據治理機制建設提出了相應建議。我們認為需要將整個方法論體系化繁為簡，在實踐中構建適合企業的方法論，這樣能適應數據治理的持續變化，同時也有助于數據治理機制的建立和不斷完善。
方法論分析
方法論的本質是一組過程集合，用于有效地管理企業數據資產。數據治理是一個新興的概念，本身處在不斷進化的過程中，因而與此對應的方法論也呈現多樣化。這里對業界具備較大影響力的三個方法論體系進行分析，它們分別來自國際數據管理協會(DAMA)、數據治理學院(DGI)和國際商業機器公司(IBM)。總體來說，三者均全面描繪了對數據進行一致合理操作的理論體系框架，綜合了組織架構、過程活動和技術支撐等因素，但也略有區別，側重點有所不同。DAMA 數據管理知識體系指南構建了宏觀的理論體系，DGI數據治理框架則增加了對落地實施的指導，而IBM數據治理統一過程則進一步給出了具體的支撐工具作為參考。
1 DAMA
DAMA 構建了數據管理知識體系，將數據治理視為整個數據管理框架的核心內容。針對數據治理的落地實施，DAMA認為應該充分考慮企業差異性因素，沒有數據治理案例可以被簡單復制。另外有效的數據治理應該是一個不斷發展改進的過程，具備前瞻性、主動性和持續性。DAMA將數據治理看作整體管理的屋頂(圖1)，構建在其他管理領域之上；每個企業均應將數據治理提升到戰略層面，指導所有的數據管理活動。
圖1： DAMA數據治理、專員和服務
DAMA認為共享決策制定是數據治理的標志性特征，有效的數據治理需要跨部門、跨系統進行工作。業務部門和技術部門需要擁有整合的數據視角，在制定決策時共同承擔責任。數據治理的實際工作中，某些決策會偏重于業務層面（如商業模型、數據治理模型、研發投資等），另外一些決策則會偏重于技術層面（如數據架構、元數據、數據倉庫/商務智能架構等），這些決策的制定均需要跨部門提供信息輸入和指導。此外，DAMA數據治理過程還包含了16項活動，具體為9項數據管理規劃活動，以及7項數據管理監督和控制活動。
2 DGI
DGI數據治理框架偏重于對實踐操作的培訓，通過包含的10個組件回答了數據治理why-what-who-when-how這幾個經典問題。如圖2所示，DGI按照三個層次描繪了數據治理框架，在規則條例層，前6個組件分別為愿景使命、重點區域（目標、評估標準、資金戰略）、數據規則與定義、決策權、職責和控制；其中愿景使命回答了為什么(why)進行數據治理的問題，其他組件負責規定數據治理的具體規則(what)。在組織架構層面，7-9組件將相關人員分為數據利益相關者、數據治理辦公室和數據專員，對應的是框架中的人員職責(who)。最后一個組件是數據治理過程(how)，同時設定了數據治理項目的典型時間節點安排(when)。DGI的方法論條理清晰，對實際治理實施的指導性很強。
圖2 DGI數據治理框架
數據治理需要高層支持，DGI在數據治理過程中用了三個階段來強化這個意識，而其整個數據治理生命周期不過包括七個階段，后面四個還是設計、部署、實施和績效考等常規內容。首先需要發掘數據治理的價值，然后制定實施路徑，在獲取高層支持后完成計劃、獲取投資。這三個階段關系到后續治理的順利實施，非常重要并且很難。DGI建議廣泛吸取相關經驗以發掘適合數據治理的價值聲明，經驗來源包括企業內部相關部門以及其他企業的數據治理團隊。
3 IBM
IBM數據治理統一過程提供14個實施步驟（其中4個為可選步驟），同時提供軟件工具解決實際治理問題。如圖3所示，前面10個步驟是數據治理項目的必備組件，另外還需要選擇至少一個可選步驟來切入實施路徑。可選的方向包括主數據治理、數據分析治理、數據安全隱私治理和信息生命周期治理。在進入實施路徑之后，還需要測量過程進行績效考核。
圖3 IBM數據治理統一過程
同其他兩個方法論相比，依據IBM數據治理統一過程能夠快速開展數據治理的落地實施。提供四個可選的數據治理切入方向，并且配備專用的軟件工具來支撐整個數據治理的實施過程。針對數據治理能力成熟度評估，IBM也給出了典型的調查問題，具備一定的參考價值。當然，這種快速開展工作的能力并不能確保能夠解決銀行數據治理的實際問題，因為數據治理的成敗更多的依賴于有效溝通和高層支持，而這兩點則分別是DAMA和DGI所著重強調的因素。
銀行數據治理方法建議
股份制改革對我國銀行業來說只是一個開始，企業在風險管理、創造價值等方面還有很長的路要走。風險管理要求提供精準的數據模型、創造價值要求充分銀行數據資產，這是數據治理的外部推動因素。此外，隨著第三次工業革命的到來，銀行業也需要進入定制化時代，以更低的成本，生產多樣化的金融產品，從而滿足不同顧客的不同需求。對數據自身而言，業務發展加快了數據膨脹的速度，也帶來了數據不一致等問題，業務部門的頻繁增加和剝離同樣會對數據治理提出挑戰。這些日益復雜的內外因決定了我國銀行業對數據治理的超高標準要求，而目前對應的經驗能力卻稍顯薄弱。
權威的方法論體系就像一個菜譜，企業進行自主選擇的時候會被繽紛五彩的菜名晃到眼睛，從而無處下手。即使使用定制服務，也不過是冷熱拼盤各上幾樣，充其量達到貌似可口的程度。此外，不斷革新的理念技術會令數據治理的菜譜越來越復雜，這種情況下的定制也會逐漸變得機械，從而失去實際意義。銀行是數據治理的高級食客，按上述思路提供的菜譜很難滿足具體需求，這需要變革。銀行需要的是數據治理的廚房，而不僅僅是菜譜。
由簡單到復雜比較容易，反過來就很麻煩。我們的思路是溯本求源，依據最核心的問題，綜合實施的關鍵因素，構建適合銀行的數據治理方法論體系。DAMA強調有效溝通，DGI強調高層支持，二者是數據治理項目成敗的最大影響因素。此外，數據質量是數據治理的基礎，提高數據質量也是數據治理的核心目標。因而我們的建議是以數據質量為出發點，綜合高層支持和有效溝通這兩個影響因素來設計自己的方法論體系，其終極目標是實現銀行數據治理的知行合一。
小結
管理學的方法論通常看起來淺顯，實際卻不易懂，了解字面意思與真正實踐這些理論完全是兩個概念。經過實踐反復調整后的數據治理框架，可能與最初的設想相距甚遠；如果僅僅依從書本教條行事，那結局的悲喜是很難預測的，從這個角度來看我們可以認為理論是蒼白的。當然，本文目的不是為了說明理論的蒼白，而是為了指導實踐盡量避免出現這種局面。數據治理的方法論種類繁多，視角各異，這僅僅說明英文書寫的理論世界是多么的絢麗多彩，西人更喜歡用細膩的筆觸來描繪所見所感，而我們需要用凝練的東方智慧來演繹屬于自己的數據治理方法論。方法論越精簡越有益于實際工作，對我國銀行數據治理來說，方法論就是實踐，實踐就是方法論。
（部分內容來源網絡，如有侵權請聯系刪除）
