為實現高質量跨越式發展，某城商行以新信貸建設、新總賬系統建設、新核算平臺建設為契機，與億信華辰合作啟動數據治理和數據標準項目，以全新的建設思路打造“新一代”全行級數據管控平臺，既滿足外部政策和監管的要求，又解決自身組織人員支撐難、歷史問題處理難、質量問題辨別難、跨領域協同難等難題，提升數據管控的成熟度。

01、案例企業

某區域性股份制商業銀行（以下簡稱“A銀行”）成立于2001年，截至2021年3月，全行資產超過1600億，存款余額超過1400億，當前已在全省設立10家分行，機構總數超過160家，服務網絡不斷延伸，服務群體日益擴大。

02、項目背景

對于A銀行而言，數據治理既是外部政策和監管的要求，又是自身業務發展的迫切要求。A銀行旨在加強信息管理和信息服務，以更好地創造數據價值，而數據標準化、數據自理等管控策略和體系的建設是整個信息系統建設不可缺少的環節。

從外部環境看，銀行業數據治理進程起步較早，2000年左右國有銀行在做數據倉庫時就已經開始進行數據治理，涉及數據標準、數據模型、數據資產、數據質量等多個核心模塊。

近幾年，政府出臺各種與數據治理相關的監管政策，2018年銀保監會發布《銀行業金融機構數據治理指引》，要求銀行業金融機構將數據治理納入公司治理范疇，并與監管評級掛鉤；2021年人民銀行發布我國首個數據管理領域的國家標準DCMM，市場對數據治理的關注度越來越高。2021年1800多家金融機構參與DCMM評估，良好和合格的占比為78%，沒有優秀，大多數金融機構的數據管理仍處于平均水平。

從內部環境看，A銀行在開展數據治理工作過程中遇到如下痛點問題：

第一，組織人員“支撐難”。中小型銀行往往存在人員匱乏、員工專業技能及經驗欠缺的難題，既懂業務又懂數據管控與治理的綜合人才更是稀缺，因此很難找到足夠多、足夠專業的人員來組成專門的數據治理組織委員會來支撐管控的各個環節。需要專業的組織架構、管理辦法等保障數據治理工作的推進，通過自動化的流程管理工具解決人員支撐難的問題。

第二，歷史問題“處理難”。由于歷史原因，中小銀行很多歷史系統建設不規范，沒有統一的標準作為指導，升級改造又面臨諸多困難，這些都成為了標準體系建設的阻礙，增大了標準規范實施落地的難度。

第三，質量問題“辨別難”。中小型銀行往往為了更好的差異化經營，業務種類繁多，從而數據問題類型也復雜，數據質量不高，但僅憑行方人工判斷難度大，這對本就專業人員匱乏的中小型銀行來說，更是難以快速、精準的辨別并處理。

第四，跨領域“協同難”。數據管控和治理涉及工作內容很廣，跨越多個部門，中小型銀行往往缺乏相關的流程，協調溝通困難，成本較高；同時在技術層面，中小型銀行也并未將元數據、數據標準、數據質量等領域打通，難以實現高效聯動協同，導致數據治理工作一直沒有成效。

03、解決方案

為實現高質量跨越式發展，A銀行以新信貸建設、新總賬系統建設、新核算平臺建設為契機，啟動數據治理和數據標準項目，以全新的建設思路打造“新一代”全行級數據管控平臺，旨在解決標準不統一、數據質量差、組織架構不明確等問題，提升數據管控的成熟度。

在對數據治理供應商進行全面考察和選型后，A銀行與億信華辰達成合作。億信華辰成立于2006年10月，是中國領先的智能數據產品與服務提供商，深耕商務智能和大數據領域十多年，著眼于打造數據全生命周期的智能化產品線，為超過8000家政企單位提供大數據相關服務。

A銀行數據治理項目的總體目標是完成各銀行各業務條線產品的梳理，新建系統全面落標，規范字段命名，規范業務接口，提升監管數據的數據質量，為業務發展及金融創新提供助力。為了滿足以上目標，億信華辰為A銀行規劃了四部分關鍵內容建設：
第一部分，體系建設。建立元數據管理系統，建立標準管理體系、建立數據質量管理體系、規范全行的數據管理機制。
第二部分，組織規劃。建立管理委員會，成立首席信息官，讓各部門、各項目組織積極參與到數據管理中來，提升數據管理水平。
第三部分，標準落地。制定8個主體的數據標準，新建系統全面推進數據標準的落標。
第四部分，搭建平臺。搭建數據治理平臺，對生產環境、準生產環境、開發環境的數據進行同時治理。

為了解決A銀行過去在數據治理過程中遇到的難題，億信華辰采取如下思路：

第一，通過專業管控工具減輕數據治理工作壓力。數據管控平臺在建設上具備針對標準、質量等迫切問題的解決方法，實現問題的快速辨別與有效落地，從而幫助銀行告別以往事后處理的被動局面。

第二，為數據治理提供相應的保障機制。依次建立組織架構、崗位職責、實施細則等管理辦法，構建完善的體系閉環，保證數據管控從頂層設計到落地的全面貫通。

第三，管控平臺具備一定前瞻性。數據管控平臺的建設要著眼于未來，在建設上具備通用性，同時融入多種智能技術，以保證能夠自學習擴展，例如對實時數據進行核查等，從而滿足發展的需要。

第四，形成數據治理的企業文化。數據治理是一個長期持續的過程，各角色基于平臺對各治理領域的深度融合，從觀念上進一步理解，養成習慣，形成氛圍，主動優化，實現從僵化到固化到優化，保障管控治理的長久生命力。

具體來看：

（1）運用多項智能和可視技術，解決組織人員“支撐難”

針對中小銀行人員匱乏，特別是既懂業務又懂數據的綜合性人才稀缺問題，數據管控平臺在關鍵環節運用了多項智能技術和可視化技術，取得了比較好的效果。比如實現數據標準和各個應用系統（數據來源）智能映射和自動檢查，當數據來源結構變化，能對數據資產智能化更新，大大降低技術人員底層的維護工作量。

同時在管控平臺設計上，引入主流的可視化技術，以業務人員能理解的方式組織功能界面、交互和展示治理成果，打通業務人員全流程的可視化，保證業務人員與技術人員的理解一致，降低對管控人員技術能力的要求。

（2）構建全域全流程標準規范，解決歷史問題“處理難”

隨著A銀行信息化建設的不斷深入，業務系統逐步增多、結構關系日趨復雜，數據管控平臺針對現有的各類數據源實現了元數據自動化采集，從而全面了解歷史建設情況，并以此為基礎進行深度梳理，形成完善的詞根管理，并通過定義統一的用語規范，為各方提供了權威可信的參考依據。

同時針對各類歷史系統標準不一的情況，通過鏈接圖譜、映射轉換等技術手段，可以有效的進行標準規范的轉換落地，避免了系統的改造，較好的降低了成本，解決了歷史遺留問題。

（3）提煉多種針對性檢查規則，解決質量問題“辨別難”

A銀行業務種類繁多，數據問題類型復雜，數據質量不高，僅憑行方人工判斷難度大，億信華辰通過研究自身數據特征，量身打造了數據質量問題管控體系。基于對大量問題數據的研究分析，總結出契合銀行的16大類質檢規則（含SQL、JAVA、R、Python等），充分利用四則運算、數理統計、數據挖掘等多項技術，提供百余種質量規則模板，并通過可視化界面完成規則配置和調度，有效覆蓋了100%以上問題場景，較好的降低了人工辨別難度。

管控平臺通過對質量規則的組合、調度，實現了數據問題的自動、智能探查，避免了需要人工反復排查的局面。同時通過在平臺上定義規范的整改流程和績效評分機制，提供多維度的質量績效報告為依據，實現責任到人，促進落實數據整改工作。

（4）打通全流程線上管理，解決跨越領域“協同難”

對于協同難問題，數據管控平臺設計了嚴格的變更管控流程，保證了從源頭進行管理。對于現已存在的各類流程，平臺通過簡單的拖拉拽就可靈活配置符合銀行實際業務場景的規范流程，實現全流程線上管理，并可隨著管理制度、組織架構的變更而變更，做到了快速協同反應。

對于數據治理的幾大核心領域，管控平臺采用全新Spring Boot+EUI開發，微服務架構，實現各模塊的深度融合與聯動，治理場景全面打通。同時，也充分考慮了系統集成與二次開發擴展性，保證能夠適應未來發展需要。

億信華辰為A銀行實現數據治理三大模塊——元數據、數據標準、數據質量的互聯互通，既作為基礎為其他模塊提供支撐，也通過其他模塊豐富了管理手段。

首先，數據質量發現數據問題，通過元數據分析對該字段進行溯源，分析出問題數據的根源，輔助數據的整改工作。

其次，元數據的智能映射推薦對數據標準的落地提供補充，同時也輔助了元數據的規范性管理；重復元數據分析對于數據標準的新建提供支撐，新建的標準同時也對元數據起到規范作用。

最后，根據數據標準中的值域范圍、字段規范、是否為空等屬性來快速新建數據質量規則。

在當前數據管理平臺的建設基礎之上，A銀行未來仍需要進行進一步優化與拓展，建立數據治理長效機制：

第一，治理成效評估。數據治理是實現數據價值的過程，需要建立數據治理長效機制，形成常態化管控，定期輸出績效報告，讓企業的數據治理處于常態化的管理中。
第二，打造智能化管控平臺。例如采用智能評估、可視化界面等輔助手段，減少人員投入，實現可恥細化，降低管理成本。
第三，推進數據資產化。在不斷使用數據服務平臺的過程中完善，以實現業務價值為導向，沉淀數據資產，使得數據戰略與業務戰略結合統一。企業可利用數據資產進行數據驅動的決策，更好地了解客戶、市場、產品和風險等情況，應用于智能風控、智能營銷、智能解析、智能服務等應用場景，為業務增長打下堅持的基礎。

第四，建立數據服務門戶。形成統一的數據服務入口，開放數據論壇，面向不同用戶提供提供差異化視圖，使數據資產在平臺上一目了然。

04、價值與效果

A銀行通過與億信華辰合作，基于明確的項目目標，完成了包含元數據管理、數據標準管理、數據治理管控三大主體模塊的數據管理平臺建設，實現如下價值與效果：

第一，在元數據管理方面，億信華辰在元數據屬性檢核環節對屬性填充率進行卡控，不符合要求的重新上線，通過長達5個月的元數據管理，實現新信貸、新總賬、新理財、核算等系統的注釋填充率到達100%；同時，實現元數據從事后到事前的管控，元數據上線前需要進行申請審批，保證每一次元數據變更都是可控的。后續可以開放接口集成第三方系統進行使用，也可以關聯數據標準實現數據湖自動入湖等應用拓展。

第二，在數據標準方面，總計梳理了8個主題、1244條標準，對7000多個關鍵字段進行落地評估，將治理初期20%的標準通過率提升到現在85%的通過率。

第三，在數據質量方面，根據EAST 4.0要求，梳理了300余條規則，建立了相應的預警機制，通過數據治理體系規劃以及數據質量閉環管理機制，從檢核規則制定、方案執行、數據整改、數據下發、質量報告產出，都可以通過平臺完成線上化管理，實現了監管報送指標的自動化監管，并嚴格按照PDCA策略數據質量進行持續提升。