在數據治理項目啟動之初，我們針對全行范圍進行了一次調研，對公司數據治理成熟度進行摸底，了解日常工作中數據使用時存在的主要痛點和訴求。

數據來源復雜

在不同部門、不同業務系統以及不同領域的機構間，數據缺乏流動性和共享性。

數據標準化程度低

來自不同業務、不同時期的數據，在用途、結構、價值和質量水平等方面差異較大，導致數據的提取、整理、使用和分析存在困難。

數據應用支撐不足

目前大部分可利用的數據依然是傳統業務產生的數據，而外部數據源拓展不足，缺乏更高層面的統籌協調來支持全面的數據分析和使用。

在業務快速發展的同時，日常經營活動中產生的大量數據已經逐步滲透到各個機構部門，成為一種承載組織核心業務的重要資產，因此亟需一套行之有效的治理體系，以保證數據標準及質量、提升數據管控水平、發揮數據價值，實現從“數據可用”，到“數據好用”，再到“用好數據”。

結合這一目標，我們在開展數據治理活動時將從數據治理體系建設、數據標準制定、數據質量綜合提升多方面切入，結合數據管控平臺的落地，以提升全行數據治理水平，在滿足監管要求的同時，為我行業務創新、經營管理、風險控制等方向提供數據賦能。

搭建體系

搭建體系主要包括組織崗位、制度流程、評估考核、工具平臺。

組織架構：簡單分為決策層、管理層和執行層。

制度流程：與數據生命周期相關的各種政策、制度、細則和表單。

數據治理基本制度：本行最高層次的數據治理政策，是為指導全行數據治理、管理活動和防范數據風險的基礎性政策。

數據管理專項制度：依托數據治理原則與組織架構職責，根據數據管理各專項領域的工作特點，制定各專項領域的管理辦法，指導各項工作的有序開展。

數據管理細則與操作手冊：以各專項管理辦法為基礎，進一步細化至各項工作的操作流程。指導一線工作人員按照規范化流程開展數據管理工作，為數據管理和提升奠定基礎。

考核評估：將數據治理納入全行績效評估體系。

數據治理考核需明確其在全行考核體系中的目標與定位，確立牽頭部門、輔助部門以及考核主體。考核指標體系的設計應當做到公平客觀，獎懲并重和逐步推行，不僅要求“問責”，而且還要求“激勵”。

數據標準是系統之間、業務部門之間溝通與交換的基礎。我行數據標準規劃分為“基礎類數據標準”和“指標類數據標準”。

基礎類數據標準：基礎數據標準是針對業務開展過程中直接產生的數據制定的標準化規范。（例如客戶編號、客戶名稱等）

指標類數據標準：針對為滿足內部分析管理需要以及外部監管需求對基礎類數據加工產生的數據（體現為不同粒度的統計數據和評價結果）制定的標準化規范。（例如不良貸款余額、存貸比等）

數據標準維護機制：標準的更新維護機制，除了組織、流程設計外，更關鍵的是需要納入業務流程、科技和數據開發項目的流程。

提升質量

通過建立定測析改控評的數據質量閉環管理機制，做到事前防范、事中控制、事后治理相結合，全面主動地進行數據質量持續提升，從而從管理角度支撐數據質量管理制度和流程的落地。

定規則：以監管數據質量要求為基準，以業務數據管理需要為出發點，編制數據質量檢核規則。

測數據：數據管控平臺部署規則，定期跑批，發掘數據質量問題。

析原因：評估數據質量問題的業務影響，確定原因，明確整改職責，分配問題歸屬部門。

改問題：制定數據質量問題改進方案，糾正當前數據錯誤，預防未來數據錯誤。

控質量：更新/新增校驗規則，定期監測質量整改結果，防控新增問題。

評效果：將數據質量納入數據治理考核方案，對整改進度及效果進行考評。

參考：數據治理之數據質量管理

賦能應用

數據最終是要為業務賦能。我們提出構建以數據應用為導向、業務價值為引領的數據管理體系，通過對數據全生命周期的閉環管理，促進數據的有效整合，方能支撐營銷、風控、運營及跨領域等各類數據應用落地。

數據治理工作應源于業務、價值回歸業務，通過持續數據架構優化、實施數據類項目、業務部門應用數據進行分析顯現成效。在全行培養數據文化，激發應用場景的創新能力，推動數據應用的設計、實施、完善與維護的過程中，數據治理工作的價值能充分體現出來。