近年來，銀行業在快速發展過程中已積累起海量的客戶數據、交易數據、外部數據等，數據已成為銀行業的重要資產和核心競爭力。這些數據除了支持銀行前臺業務流程運轉以外，越來越多地被用于決策支持領域，比如風險控制、產品定價、績效考核等。

與此同時，金融監管機構為促進金融行業健康發展及風險控制，進一步提升監管數據的統計質量，通過發布監管指引并將數據治理與監管評級掛鉤的方式來提高銀行業金融機構對數據治理工作的重視。

但當前大部分銀行對數據治理的實踐效果不甚理想，其價值應用和監管要求存在一定差距。那么銀行金融機構該如何做好數據治理，才能充分發揮數據價值，用數據驅動發展呢？今天小億就來為大家分享一下。

一、什么是商業銀行數據治理？
眾所周知，商業銀行在業務經營管理中積累了海量的數據，不僅包括如客戶數據、交易數據、運營數據等傳統意義上的結構化數據，還包括如業務處理工單、客戶投訴錄音、人臉識別信息等半結構化和非結構化數據，除此之外，還有從行外通過購買、交換等方式獲得的外部數據。如何有效利用數據信息，將數據信息轉化為商業決策，正成為越來越多銀行的現實選擇和價值創造路徑。

而數據治理是提高數據質量、發揮數據價值、提升經營績效的前提。根據2018年3月16日銀監會發布了《銀行業金融機構數據治理指引（征求意見稿）》（以下簡稱《指引》）的相關定義，數據治理是指通過建立組織架構，明確董事會、高級管理層、部門等職責要求，制定和實施系統化的制度、流程和方法，確保數據統一管理、高效運行，并在經營管理中充分發揮價值的動態過程。

圖：《指引》的數據治理體系建設要求

換句話說，數據治理是一種體系流程，銀行需要根據自身的數據治理框架，利用人員、流程和技術的相互協作，最終實現數據價值的提升和創造。

二、商業銀行為什么要做好數據治理？
數據產生于業務，又服務于業務，好的數據治理已成為商業銀行精細管理和業務創新不可替代的基礎，只有切實做好治理工作，才能真正實現數據質量提升和數據價值升華，幫助商業銀行應對市場挑戰，其價值主要體現在以下3個方面：

1.提高銀行經營效率
銀行積累的原始數據經過加工、清洗、整合后，基于聚類分析、相關分析和回歸分析等，不僅能對相關的銀行業務開展直接創造價值，而且可優化內部決策過程，實現銀行隱性價值的提升。比如：當前，大多數銀行開始向以客戶為中心的目標轉型，零售業務轉型所要求的客戶營銷、客戶管理、客戶服務亟待精細化的數據分析作為支撐。

除此以外，數據治理在銀行內部橫向溝通過程中能提升彼此協作的效率，加強銀行應對內外部沖擊的反應時效。在業務績效評估方面，能更及時準確反映總分行、各業務條線的貢獻度，有效規避因信息不對稱產生的逆向選擇和道德風險問題，實現激勵機制的有效運作，進而間接提升銀行價值。

2.降低銀行運營成本
當前，在收益一定的前提下，有效降低資金成本已成為銀行重要的競爭力。而有效的定價依賴的數據類型包括客戶區域分布、客戶貢獻度大小、渠道成本核算等。一個良好的數據治理將極大的促進定價的有效性、準確性和靈活性，更貼近客戶實際需求；基于資金盈虧狀況、市場利率和風險水平、客戶需求情況等綜合測算資金成本，實現成本的最小化。

另外，基于數據治理，能查找并分析出銀行運營過程中的重復環節，精簡工作層級和工作流程，減少不必要的成本開支。此外，基于標準化的數據治理過程和科學化的業務拓展流程，不僅能壓縮成本，而且能更精準測算員工績效，激發員工工作積極性，提高員工勞動生產效率，最終實現運營成本的降低和經營績效的改善。

3.有效控制銀行風險
僅就銀行風險控制而言，數據治理的價值體現在銀行戰略決策、風險管理機制、滿足監管要求等方方面面。

良好的數據治理過程和防控風險決策機制，能顯著增強銀行應對各種風險的危機和處置能力。比如，基于模型量化評估和標準化分析流程，能最大程度客觀反映銀行面臨的各種風險，減少因主觀人為因素而導致的誤判。與此同時，因良好的數據治理而產生的數據質量提升，能進一步滿足監管部門的相關合規與審計監管要求，進而提高銀行內部合規水平，并以此促進銀行應對潛在風險的能力。

三、當前商業銀行數據治理存在的問題
在數據治理過程中，由于治理周期長、協同難度大、價值呈現慢等因素，商業銀行在進行數據戰略規劃、組織構建、體系搭建、制度制定、標準規范、數據應用和質量管理時，往往存在重規劃輕落實、重制度建設輕具體操作、重數據管控輕數據服務的現象，比如：

1.缺少頂層設計，數據治理難以落地
數據治理是一項自上而下推動的，需要統一規劃、統一協作的工作，需要商業銀行做好戰略規劃，形成適合商業銀行自身的治理制度和技術工具。但商業銀行需要快速響應業務發展需求，對數據往往是先應用后治理，為后期數據應用帶來大的隱患。

比如商業銀行，在系統建設時通常獨自為戰，缺少橫向的溝通和統籌，從初期到現在已逐步積累了幾十個、上百個業務系統，各系統數據設計標準不統一、口徑不一致，相同數據的業務含義不同，給后期整合帶來很大困難。

2.缺乏數據治理文化，難以形成合力
在商業銀行中，基于IT 系統的數據管理和數據安全大家認知較早，但基于數據體系建設、數據標準制定、數據質量管控和數據價值實現的數據治理，也是隨著金融服務場景應用的深入和監管要求的不斷提升剛剛被認知。因此開展數據治理工作對不同的角色和部門來說都有著不同的理解，也存在相應的困惑。

比如，商業銀行大部分業務部門認為數據治理僅僅是為了滿足監管報送的要求，或者是牽頭部門的工作，“與己無關”，但當今數據治理貫穿于數據產生、使用和銷毀的各個環節，需要做到人人有責，層層把關。

3.數據治理周期長、難度大，難以貫穿始終
數據治理屬于投入周期長, 規模大, 見效慢的系統性工作。要實現數據治理目標，除了在組織、制度、流程上有頂層設計者和領導者推動，還要有架構管理部門、技術部門、業務部門等配合完成落地工作。

比如在數據標準制定方面，數據治理組織應制定一套適合銀行的數據標準，但由于各個部門對數據的業務理解、技術理解不統一，因此制定數據標準存在偏差，即使很多標準能形成共識，但實際執行過程由于部門間的掣肘難以執行。

四、商業銀行該如何做好數據治理？
1.制定數據戰略，做好頂層數據規劃
數據戰略是制定企業數據資產管理的總體目標和發展路線圖，指導企業在各階段根據路線圖中的工作重點開展數據治理和運營工作。商業銀行需要通過內外部環境的分析，并在自身業務特點基礎上來制定數據戰略。

比如，零售業務為主的銀行，其數據戰略應圍繞如何獲客活客，如何對客戶進行畫像分析，精準營銷，提升零售服務水平，并結合這些目標制定數據戰略；而主打對公業務的批發銀行，應遵循了解你的客戶的原則，識別清理異常類對公賬戶，降低此類賬戶引發的洗錢及監管風險。

2.逐步建立數據治理架構，明確歸口部門
數據治理是企業戰略，是一項全行性的系統性工作，有效的組織架構是數據治理的基礎，因此我們可以從以下3個方面來進行：

（1）建立數據治理委員會
建立由高級管理層和各相關部門組成的數據治理委員會，統一領導數據治理工作，負責制定全行的數據治理戰略，科學規劃數據治理發展路線和實施計劃。建立由高級管理層和各相關部門組成的數據治理委員會，統一領導數據治理工作，負責制定全行的數據治理戰略，科學規劃數據治理發展路線和實施計劃。

（2）明確數據治理的歸口部門
因為多數銀行的數據歸屬不同的部門，容易出現職責分散、權責不明，歸口管理部門的確定有利于進行數據的統一管理，制定科學有效的數據管理制度，保障數據治理工作有效推進。

（3）構建數據管理的組織架構
銀行需要按照自身的業務特色和組織結構，來構建數據管理的組織架構。這其中有各部門只負責本部門業務領域數據管理的分散模式，也有統一由歸口管理部門進行管理的集中模式。具體選擇何種方式，主要取決于數據治理歸口管理部門的人力投入與專業能力，例如組織的溝通、業務的理解和技術開發的能力等。

3.制定統一、明確的數據標準，提升數據質量
商業銀行頂層設計的落地與實現，需要建章立制來開展：

首先，需要形成從章程、專項管理辦法到工作細則三個梯次的制度層級，合理地制定數據治理的具體領域和目標，明確需要遵循的原則，需完成的任務、采取的步驟和具體措施等；

然后，歸口管理部門發揮牽頭作用，推動和監督流程執行，為數據標準制定工作，提供人力、技術、資金等關鍵資源，并獲得管理層的行政支持和充分授權，通過激勵和問責考核體系，推進數據標準工作的制定與執行落地；

最后，自下而上歸納與由上而下演繹相結合進行數據標準梳理，一方面需要自下而上整理信息系統中的數據情況，同時也需要自上而下定義數據主題、細化分類，兩者結合才能夠實現全面整體的數據視圖，形成有效的數據規范要求。

4.多層次多途徑推動數據標準落地

數據標準的制定和落地是數據質量提升最關鍵的前提，主要可以從以下5個方面來進行：
（1）厘清相關方職責
需要厘清數據標準編制、維護、落地過程中的相關方職責，比如：

數據治理歸口管理部門負責建立企業級數據標準化規劃，統籌數據標準新增、維護、停用需求，牽頭建立數據標準管理工具（如數據管控系統），組織開展數據標準相關培訓；

數據標準業務責任部門負責編制、維護與解釋歸屬于本部門的數據標準。系統建設/報表開發需求部門負責在系統建設或報表開發的業務需求提出過程中，明確數據標準執行要求；

科技部門負責應用數據標準規范系統建設與改造流程，確保數據標準被有效執行。

（2）建立數據標準管理工具
數據標準管理工作繁雜，需要借助有力的工具支撐，把數據標準管理流程嵌入日常工作流程中，加強數據標準落地流程管控。

（3）數據標準閉環管理
建立有“生命力”的數據標準，定期評估數據標準的適用性。如數據標準是否可以覆蓋外部監管要求，數據標準是否可以有效滿足國際、國家、行業標準及業務需求，數據標準的系統應用情況，數據標準是否有對應的業務責任部門等。

（4）做好落地效果評價
持續收集數據標準實施落地后產生的問題并進行應對，以元數據管理為基礎，核對數據與標準的映射情況，定期評估數據標準的落地效果。

（5）培養員工數據標準落地意識
加強各個環節中的培訓工作，保障在信息系統建設或改造過程中數據標準有效落地。

5.加強安全管理，完善客戶隱私保護機制
數據安全是數據應用的前提，讓數據更安全使用應作為商業銀行數據治理的核心目標。

首先，建立數據安全策略與標準，依法合規地采集、保存及應用數據，保護客戶隱私，是監管機構要求銀行業金融機構的基本要求；

然后，通過數據資產盤點識別數據安全對象。盤點要以當地的法律法規和監管合規要求為依據，重點關注重要數據的定義和數據資產的分級分類，通過分級分類識別出核心數據資產和敏感數據資產，并投入更多資源精細化管理數據安全，使數據安全在共享和安全之間達到平衡；

最后，商業銀行應加強個人隱私數據的采集和安全保護，從需求規劃、系統設計、數據采集、數據應用每個環節都要將個人信息數據安全作為必要選項。

五、小結
如今，越來越多的商業銀行開啟數字化轉型之路，而數字化轉型的一切都圍繞著數據。在防范系統性金融風險的監管思路下，各金融機構無論是針對投資端的自主投資能力建設，還是針對負債端的財富管理方案匹配，亦或是新產品的研發、定價與營銷，均離不開對數據的高質量使用。

而做好數據治理提高數據質量、發揮數據價值、提升經營績效的前提，也因此將決定著未來銀行業的發展前景。

總的來說，對于銀行數據治理，有效的數據治理體系是保障，健全統一的數據標準是基礎，不斷完善的數據質量控制是方法，持續優化的數據應用是目標。