? ? ? ?這段對話很有意思，是多年對從事數據工作的經驗積累和認知，現在看來也不過時，希望能分享給眾多數據治理愛好者。

? ? ? ?【EAST專家】

? ? ? ?今天想和大家分享下1104、EAST與分析進化之路，順著誠燃兄的思路，我也來理理1104與EAST的對應邏輯。

? ? ? ?誠如誠燃所言，《G01資產負債項目統計表》是1104各種報表的母表，反映了1104指標體系的基本范疇與脈絡，確保其準確性十分重要！這就延伸出一個問題：1104監管統計指標的數據質量如何保證？

? ? ? ?現實中，統計口同仁是依據《監管統計管理暫行辦法》（2004年印發）的組織架構與工作機制，通過督導機構設置歸口管理部門（牽頭部門）、制訂監管統計辦法實施細則、運行協調機制、內部統計專業會議、培訓與統計檢查等方式來建立內控體系。在外部監管方面，一是開展監管統計現場檢查，二是使用四單制度加不定期評比通報，三是依據2011施行的《監管統計數據質量良好標準》15條原則若干標準，針對法人開展外部評估，并將評估結果歸入機構年度監管評級考核依據。

? ? ? ?EAST其實為非現場的同仁提供了另一種數據質量管理方法。它所提供的全量細粒度數據，來源于機構海量原始數據，與1104指標體系其實異出而同源。如果理出了機構內部明細科目與產品（服務）臺賬、內部明細科目與1104指標（即監管統計口徑歸屬關系）、機構產品（服務）臺賬與1104統計表（如G13/14）的映射關系，就能通過EAST建模同步生成幾乎全部的1104指標值。此時，再用機構自身填報的同時點報表去比對，數據錯漏瞞問題就會一覽無余！

? ? ? ?當然，這種便利依然是建立在艱苦邏輯梳理工作基礎上的。不過，“共有明細、相同邏輯、獨立渠道、交叉驗證”的工作機制應能極大提升監管統計數據質量管理的工作效率，讓非現場同仁有更多精力去從事分析、預測等創造性勞動，豈不挺好？大家共同努力吧！

? ? ? ?另，新版客戶風險統計制度的跨機構、多維度、細粒度數據，也可與EAST和1104數據比對勾稽，還有人民銀行的個人／法人征信數據、銀稅合作的企業財務信息、銀碼合作的企業注冊信息……條條大路通北京，分析之旅有著近乎無限的可能，就看您的思維如何進化了！

? ? ? ?不如請誠燃兄也分享一下數據質量良好標準及其外部評估的邏輯脈絡，這也是好東東。

? ? ? ?【劉誠燃】

? ? ? ?理論上講隨著銀行對數據需求的提升，系統標準化也越來越完善，監管統計在數據標準化過程中也是起到引領作用，尤其是銀監會通過良好標準評估工作推動了銀行向大數據轉型，特別是數據治理也逐步被大銀行納入內控合規重要組成部分。現在主要矛盾在于銀行的核心和外圍數據是否能夠同步，核心作為會計處理畢竟是低維度的，而統計偏偏是一個多維度的工作，人為加工必不可少。這點如果未來能解決，1104的確是可以停報了。

? ? ? ?我以前也做過很多監管指標的解讀，特別分析到很多監管指標只是一個報表日數，我們監測到的指標在該時點很多時候都是達標的，但能否保證其他非報表日指標是達標的了。就好比存貸比未取消之前，各家銀行都有沖時點的沖動，后來又增設了月日均存貸款比的監測指標，但仍難以證實銀行一個月內任何一天存貸比都低于75%以下。但我們通過EAST系統是可以去分析這些指標每一天的數值的，并且能夠和1104報表交叉驗證數據的真實性，好過通過1104表間校驗功能來判斷數據的真偽。

? ? ? ?【EAST專家】

? ? ? ?傳說，現在的1104報表其實只是當年1104工程中的報表部分，現在稱為監管數據標準與EAST系統的東東，其實原都是1104工程的組成部分！只不過工作量實在太大，于是急用先行了幾年后，2006年起轉為1104報表投了產。各方本來就是一脈相承的。你說的這個問題，就是數據標準化體系建設問題，也是主動式數據治理需解決的核心問題。

? ? ? ?我的觀點，監管部門與機構，都應單設數據標準部門，專門負責推動金融數據標準制訂與推廣工作，而不是要么被歸為信息科技的從屬性工作，要么歸為業務監管部門的基礎性工作。姥姥不疼，舅舅不愛的，人人都不推動。

? ? ? ?【劉誠燃】

? ? ? ?原銀監會在《銀行業金融機構監管統計管理良好標準》中有一項評估標準是針對數據標準化工作的。但從微觀經驗看，再好的標準也需要有人去執行，而基礎數據源的采集則完全需要具有統計知識的從業人員錄入。然而現實告訴我們的是并非有了系統、有了數據標準化就能實現數據的真實可靠，我們在核查銀行的基層數據源時發現了大量的錯誤，我個人認為還是很多中國的中小銀行對數據的重視程度不夠，培訓不足，沒有真正把數據治理納入內控合規之中。監管部門則是往往只滿足于表間平衡，邏輯關系或大方向正確，而忽視了數據源頭的核查。

? ? ? ?此外，數據治理的投入往往是巨資，即便是大數據，銀行還要看投入產出比，統計良好標準講究匹配性原則，微小銀行機構以手工代替系統可能效果反而更好。

? ? ? ?【EAST專家】

? ? ? ?這是兩個角度的事情。數據標準，是針對業務需求與內控要求，對待分析對象（產品、服務、環節、客戶、貸后～）的一種描述方式，它通過描述要素的標準化（譬如記敘文的時間、地點、人物、起因、經過、結果六要素），結構化生產、儲存、檢索信息，為深入高效的分析信息提供了可能，標準化能有力推動多樣化，而目前的“創新”卻多是蕪雜無序的差異化罷了，一地雞毛～也正因如此，G01才叫資產負債項目統計表，而不叫資產負債表。

? ? ? ?【劉誠燃】

? ? ? ?分析的有道理，統計在我理解即為統一計量，把一些要素分拆，把一些要素歸類。所有參與者均要按既定的游戲規則玩游戲。但實踐中，一些根深蒂固的觀念必然會隨人們的認識而改變，比如“票據貼現”的計量方法是從面值變為凈值就是大家對新會計準則的認識不斷深入，從而達成一種新的共識。

? ? ? ?【EAST專家】

? ? ? ?小銀行早期不推動數據標準化，之后推動，難度會呈幾何級數增長，出來混，總是要還的。

? ? ? ?【劉誠燃】

? ? ? ?小銀行可以搭順風車啊，但無論如何離不開人的因素。

? ? ? ?【EAST專家】

? ? ? ?順風車肯定有，不過也不是那么好搭的，首先人才梯隊沒建起來，高價買來了技術也不能馬上用。我覺得核心技術與核心人才，是不可能買回來的。

? ? ? ?從事監管統計與EAST推廣的這些年，各行情況漸有了解，面多加水，水多加面，業務需求與系統支撐都在攤大餅，數據標準化無人問津，數據孤島比比皆是。一堆千差萬別的小房子，一群簡單重復的“程咬金”，希望通過搭積木把摩天大樓蓋起來，甚至培育出參天大樹，邏輯上是不成立的。我的理解，如果基于亮點導向的思路，一有關注點，沒有規劃、沒有層次、一哄而上，即使發現很多問題，寫了信息、罰了款，那也依然是一堆“小房子”，是浪費資源的“監管碎片”。

? ? ? ?【劉誠燃】

? ? ? ?講的很好，如果大家從開始都都標準化了，我寫的手冊也就是后臺人員看看了，標準很多都是在探討過程中建立的，越細化的標準就越復雜，專業性也越強，但仍然需要前臺采集的數據源時就要做到規范與準確，這是一個技術與知識的集合，兩者相輔相成，缺一不可。

? ? ? ?【EAST專家】

? ? ? ?是這意思所以我才說要“用標準化的方式來推進數據標準化”，將制訂、實施數據標準、開展主動式數據治理的過程也給標準化了，可能就上快車道了。

? ? ? ?【劉誠燃】

? ? ? ?中國是“差不多”先生，德國是工匠精神，這是民族精神的差距，我們要認識到差距，奮起直追才能實現中國夢。與其抱怨，不如從自身做起，沒標準的自己訂標準，不斷以標準化的方式去嘗試各項工作。

? ? ? ?【EAST專家】

? ? ? ?就是這條路，大家協力，共同進化！我也是因為喜歡數據及其背后的邏輯，又想干點實事，所以一路走來，有收獲，挺好。

? ? ? ?【劉誠燃】

? ? ? ?非常期待EAST大師給我們大家普及下什么是EAST？

? ? ? ?【EAST專家】

? ? ? ?2007年立項至今，尤其是2012年真正從事EAST系統研發與推廣工作以來，本人體悟著EAST自身發展的旋律，也漸漸發現這條金融數據挖掘的路上越來越熱鬧了，吾道不孤，挺好！

? ? ? ?不過對于初行者而言，“EAST是什么？”這個問題可能會讓人思維混沌起來，這里嘗試梳理一下。我的理解，EAST可包括以下四項內容：

? ? ? ?其一：EAST系統。

? ? ? ?EAST系統是“銀監會檢查分析系統（Examination Analysis System of Technology）”的英文簡稱，是由會信科部研發，物理部署在會機關及各銀監局機關管理的服務器上，監管人員使用統一用戶與密碼，通過OA平臺注冊EAST子系統方式，經授權而建模分析、篩查疑點的東東，這是純技術層面的東西。當然，其實大家目前廣泛使用的系統曾被稱為“局版EAST系統”，因為之前還有“會版EAST系統”以及“作業流程平臺”。

? ? ? ?其二：EAST數據標準。

? ? ? ?這樣稱呼它其實不準確，其規范名稱有兩個：一是《監管數據標準化規范（中小銀行及農村金融機構）》，分1.0版［2012年9月試行］與2.0版［2014年12月頒布］。其中1.0版有9個主題域57張表1331個數據項，使用222個數據元來定義；2.0版新增理財與資金兩個主題域，修改替換新版客戶風險統計主題域，共有11個主題域79張表1912個數據項，使用296個數據元來定義。顧名思義，它是用于中小及農金的，也是全國絕大多數監管與機構同仁目前所面對的數據標準。二是2015年頒布的《商業銀行數據采集規范》，適用于大型銀行等全國性機構，個人感覺可說是中小的2.0減去客戶風險主題域19張表。因為2015年10月已要求大行試采集，估計2016年如果大行分支機構數據分解落地到各銀監局，用的就是它。后來，再到EAST3.0、EAST4.0以及未來即將推出的EAST5.0，逐漸在銀行業金融機構乃至非銀機構都得到了普及和應用。

? ? ? ?EAST數據標準，為待分析的海量數據提供了預處理的路線圖，為EAST系統后臺數據庫保存數據的基本數據結構，對于理解業務／技術邏輯，順利分析建模取得結果非常重要！可以說，不能深刻理解、準確把握它，就無法開展數據挖掘，或者事倍功半！

? ? ? ?其三：EAST數據。

? ? ? ?因歷史原因與規模差異，各機構信息系統流派眾多，數據架構千差萬別，數據孤島比比皆是，數據“臟、亂、差”普遍，要想理出頭緒，談何容易！伴隨前述EAST數據標準的推行，各行或主動或被動地踏上了數據治理之路，并將自己的龐大數據之軀第一次裝進了EAST數據標準之中，這就是該行的EAST數據。由于是首次統一到數據表、項這一“夸克”，所以當然有諸多問題，但其意義確實重大！總有人顧慮，EAST數據是機構報來的，可能有意無意的虛瞞漏報；或者不愿做艱苦的數據調查工作，用“數據質量差”一語概之，將標準解析、數據梳理工作一推了之，坐等信科部門與機構同仁整理好了再用！這個從對8家銀行EAST大罰單就可以看出來，不重視遲早是會被監管處罰。

? ? ? ?其四：EAST分析技術。

? ? ? ?它的另一個名字可說是“大數據分析”，或者“金融數據挖掘”，商業上有個相近的詞叫“敏捷BI”。我的理解，其實質就是：依據高性能服務器、數據庫與過程流的可視化建模手段（就是EAST系統里的檢查分析模塊），讓具備數理邏輯的業務人員，依托業務邏輯，建立分析模型，供大家高效挖掘海量數據，獲取風險信息的手段。掌握EAST分析技術，就可提升自己的分析維度，鷹擊長空、魚翔淺底，自由穿行，多嗨啊？！

? ? ? ?銀保監會于1月30日印發了《中國銀保監會辦公廳關于印發銀行業金融機構監管數據標準化規范（2021版）的通知》（銀保監辦發〔2022〕7 號），（以下簡稱“EAST5.0”），本文站在應用的視角，來幫助大家更好地理解EAST5.0。

? ? ? ?什么是EAST系統？

? ? ? ?EAST系統是銀保監為提高對金融機構現場檢查的力度和效果，于2008年自主開發的檢查分析系統(Examination?&?Analysis?System?Technology，簡稱“EAST”)。該系統包含銀行標準化數據提取、現場檢查項目管理、數據模型生成工具、數據模型發布與管理等功能模塊。

? ? ? ?當然，其實大家目前廣泛使用的系統曾被稱為“會版EAST系統”，最早是由銀監會信科部研發，物理部署在會機關及各銀監局機關管理的服務器上，監管人員使用統一用戶與密碼，通過OA平臺注冊EAST子系統方式，從最初的非現場和現場協調配合，通過1104報表發現異動、EAST系統精確制導，現場檢查查深做實，發展到充分應用銀行機構整體關聯的系統框架與數據框架，通過賬號、客戶號、科目等要素建立索引關聯，逐步實現繁簡相宜的非現場檢查實踐。

? ? ? ?EAST系統的宗旨？

? ? ? ?從監管的角度來看，就是建設一個普適性的檢查分析平臺，通過制定統一的標準規范，通過將千差萬別的金融機構數據結構以標準監管的格式數據進行采集，實現數據標準化的前提下，通過處理統一的監管數據更利于機構之間的比對，有利于銀行業風險的整體把控。對金融機構業務數據進行采集、核驗，利用建模等方式對數據進行分析的同時與1104報表、客戶風險數據進行比對，數據錯、漏、瞞的問題就會一覽無余！不僅能監督金融機構業務經營的合規性，還能提高金融機構的數據質量呢！在不斷完善提高金融科技的背景下，銀保監通過強化EAST系統在現場檢查、非現場監管等方面的數據應用，開創了數據驅動化監管的新模式。

? ? ? ?EAST5.嚴格的數據校驗

? ? ? ?EAST5.0雖然明確提出各銀保監局應主動提升規范應用實施的一致性，對于全國性銀行分支機構，原則上不得對數據表、數據項增設報送要求，不得新設不一致的解釋口徑、邏輯和校驗規則，確保全系統EAST數據報送要求整體一致。針對專營機構可審慎增設特色報表或報送要求。但EAST5.0會版校驗規則未提出標準的總分校驗和跨模塊校驗要求，據小編所知，部分地方銀監已經下發補充校驗規則了。

? ? ? ?會版校驗規則共3283條，分為強校驗和弱校驗。其中強校驗是基本要求，若未能通過，必須提交數據檢核結果包括數據總條數、未通過校核規則條數、未通過率以及未通過原因分析；弱校驗未通過的，不要求強制提交說明，但銀行需要自查，確保數據沒有問題。

? ? ? ?EAST5.0會版校驗規則類型相比于EAST4.0更加細致，共分為；

? ? ? ?（1）缺失類：為空校驗（1451條）、默認值校驗（日期和數值為0）（229條）；

? ? ? ?（2）格式規范類：唯一性校驗（24條）、字典值校驗（315條）、日期格式（206條）、特殊字符校驗（93條）、長度校驗（319條）；

? ? ? ?（3）表間關聯類：關聯校驗（386條）；

? ? ? ?（4）業務類：其他類（63條）、數值比較類（197條）。

? ? ? ?通過數據違規處罰事件解析EAST數據質量要求

? ? ? ?2020?年4 月20?日，銀保監會因監管標準化數據（EAST ）系統數據質量及數據報送存在違法違規行為對六大銀行（工商銀行、中國銀行、交通銀行、農業銀行、建設銀行、郵儲銀行）及兩家股份制銀行（光大銀行、中信銀行）公開下發處罰信息，處罰總金額高達到1770?萬元。此次處罰是由銀保監會直接對國有大行及郵儲和股份制銀行開具罰單，也是銀保監會首次對EAST 系統報送問題開具罰單。涉及問題主要包括：“關鍵且應報字段漏報或填報錯誤”、“分戶賬賬戶數據應報未報”、“分戶賬明細記錄應報未報”的問題以及資金交易信息、理財產品、信貸資產轉讓、貸款核銷與貿易融資等業務數據信息漏報的問題。隨著監管對EAST數據質量要求的逐步提升，如何保證報送的數據質量，是各銀行業金融機構最為頭疼的問題了。

? ? ? ?（一）關鍵性數據項缺失

? ? ? ?關鍵性數據的缺失影響將EAST系統應用的有效性數據無法進行應用，形成數據缺口。關鍵數據少報、漏報和數據缺失行為反映出一是銀行對EAST 數據報送口徑理解有偏差，二是銀行業務全量數據存在缺失，在業務開展初始環節對系統已有字段錄入的要求管控不嚴，缺乏數據標準化的意識，在數據治理方面的內控管理存在疏漏，據我了解部分中小金融機構手工補錄比例較高。

? ? ? ?還有些表哥表姐們不知道什么是關鍵性數據，就是近年來由于金融機構對票據業務真實貿易背景調查不嚴謹，在EAST5.0在票據票面信息中專門出票人開戶行名稱、是否在本行貼現、貿易背景、保證金賬號及金額等數據項，銀監意圖便是用于驗證票據貿易背景的真實性，因而上述數據項便是所謂EAST數據的關鍵數據項。也反映了機構本身運營管理和內部控制的問題。

? ? ? ?（二）數據失準失真

? ? ? ?EAST5.0的70?張報表、1838 數據項之間都是存在著關聯關系，就像蝴蝶效應，牽一發而動全身。EAST5.0根據1104報表對“各項貸款”的業務劃分，形成“各項貸款”、“表外授信業務”主題域；對代客和自營資金交易進行區分，形成“自營資金交易”主題域。

? ? ? ?還有個別金融機構為了區分總行機關和總行營業部在業務狀況表中的“內部機構號”會單獨設立出一個機構用于獨立核算，機構信息表不填寫，此類問題的出現反映了機構底層數據質量問題。

? ? ? ?監管會根據銀行實際業務規模對采集的業務數據進行比對分析，通過采集的EAST數據生成定量監管指標與1104 報表中報送的監管指標進行比對，數據吻不吻合，一目了然。不實的報送導致監管數據失真，以為能夠避免風險暴露，結果銀行操作風險頻發，真是不是不報，時候未到。從對8家銀行機構EAST大罰單就可以看出來，不重視遲早是會被監管處罰，出來混遲早要還的！

? ? ? ?（三）分戶賬明細紀錄不實

? ? ? ?監管會根據銀行實際業務規模對采集報表進行總分比對，會發現部分銀行數據量與業務量明顯不匹配，例如總賬會計數據不符合要求、總分不平，分戶賬與明細記錄不匹配等。

? ? ? ?以分戶賬為例，分戶賬包括個人/對公存款、個人/對公信貸和內部分戶賬。以個人存款分戶賬為例，個體工商戶、私營業主以個人名義開立的存款賬戶計入個人存款分戶賬，以營業執照等證件開立的對公賬戶不計入本表。以存款賬號為最小粒度報送，如賬戶注銷或終結，在報送該賬戶最終狀態后的次月可不再報送。EAST5.0版分戶賬明細增加交易序列號數據項，標識交易唯一、連續；細化交易渠道、細化交易對手說明；增加交易IP地址、MAC地址數據項。這些明細信息來源于每一次的交易，分戶賬明細紀錄不實，說明部分在日常運營過程中并未注重這些元數據的收集與整理。

? ? ? ?四、EAST5.0與1104報表、客戶風險數據交叉驗證

? ? ? ?EAST監管數據來源于金融機構海量數據，采用”交叉驗證”的工作機制將提升監管統計數據質量管理工作效率，EAST監管數據與1104指標體系異出同源。部分報表可以1104報表進行交叉核對。

? ? ? ?例如：個人信貸業務借據表參照1104報表G01_VII中[2.21 個人貸款(不含個人經營性貸款)]-[2.21.1信用卡]+[4.個人經營性貸款]+G01_I_1[13.委托貸款]中個人名義的委托貸款；對公信貸業務借據表參照1104報表G01_VII中[1.各項貸款]-[2.21 個人貸款(不含個人經營性貸款)]-[4. 個人經營性貸款]+G01_I_1[13.委托貸款]中以機構名義的委托貸款。

? ? ? ?結合客戶風險統計信息報表，以EAST5.0新增集團客戶表為例，集團客戶表便于識別銀行集團客戶和分析授信客戶風險；內容基本等同客戶風險《表2、集團客戶、供應鏈融資基本信息統計表》中的《PARTⅠ:集團基本情況》、《PART IV:實際控制人》、《PARTⅢ:成員名單》三部分的組合。

元數據管理是對數據采集、存儲、加工和展現等數據全生命周期的描述信息，幫助用戶理解數據關系和相關屬性。元數據管理工具可以了解數據資產分布及產生過程。實現元數據的模型定義并存儲，在功能層包裝成各類元數據功能，最終對外提供應用及展現；提供元數據分類和建模、血緣關系和影響分析，方便數據的跟蹤和回溯。

小億這里自薦一下的億信華辰元數據管理平臺EsPowerMeta，該平臺致力于處理技術元數據、業務元數據、管理元數據，通過技術上強拓展、業務上強結合以及強易用性幫助各行各業用戶獲得更多的數據洞察力，進而挖掘出隱藏在資源中的價值，實現對業務的強賦能。

一、應用價值
●對技術人員而言，元數據管理平臺通過對將分散、存儲結構差異大的資源信息進行描述、定位、檢索、評估、分析，實現了信息的描述和分類的結構化，從而為機器處理創造了可能，大大降低數據治理人工成本。正因如此，元數據已經成為了很多大型數據治理項目的核心。

●對業務人員而言，元數據管理平臺通過對業務指標、業務術語、業務規則、業務含義等業務信息進行描述、定位、檢索、評估、分析，協助業務人員了解業務含義、行業術語和規則、業務指標取數據口徑和影響范圍等。

二、主要功能特色
1、元數據采集服務

能夠適應異構環境，支持從傳統關系型數據庫和大數據平臺中采集從數據產生系統到數據加工處理系統到數據應用報表系統的全量元數據，包括過程中的數據實體（系統、庫、表、字段的描述）以及數據實體加工處理過程中的邏輯；

億信華辰元數據管理平臺內置多種采集適配器，支持多種存儲格式的元數據自動獲取，如：數據庫、報表工具、ETL工具、文件系統等，同時無法完成自動獲取的元數據，提供了可自定義的元數據采集模版完成元數據的批量導入。

2、可定制元模型管理
自定義拓展元模型，滿足不同管理需要元數據的應用都基于元模型。億信元數據管理平臺（EsPowerMeta）中的元模型支持CWM（公共倉庫元模型）規范的同時，提供了一套便捷的自定義管理接口功能，可完全自定義擴展，能夠滿足元數據管理快速實施的需要，可適應用戶在不同時期的不同管理需要。

3、全方位元數據監控
完善的元數據管理，跟蹤業務運作億信元數據管理平臺（EsPowerMeta）提供了完善的元模型和元數據維護功能，采用多種方式簡化元數據維護的復雜性。系統支持元數據的自動獲取和時間調度管理，支持手工創建和變更元數據，并配合版本管理，能完整存儲元數據整個生命周期動態和變化，方便用戶跟蹤業務運作的歷史數據。

4、便捷的全文檢索
全文搜索引擎，隨時檢索，便利業務億信元數據管理平臺（EsPowerMeta）內置全文搜索引擎，讓各層次用戶可快速定位自己所關心的元數據。EsPowerMeta支持基于名稱、基本屬性、元數據間關系查找的同時，還支持全文搜索。通過多種組合條件的模糊查詢，即可在整個元數據環境中隨時檢索所需元數據。

5、字段級元數據分析
豐富的元數據分析應用，賦能業務億信華辰元數據管理平臺提供了豐富的分析應用，包括：血緣分析、影響分析、全鏈分析、關聯度分析、屬性差異分析、元數據對比分析、重復元數據分析、元數據對比分析、重復元數據分析、同時支持將分析結果進行導出和收藏保存。

三、 典型應用案例

1. 政務：佛山某區政務服務數據管理局元數據管理平臺

（1）建設內容
政務服務數據管理局基于區內各政府部門的數據進行匯總和治理，面向各部門提供統一的數據服務和應用，實現“用數據決策、用數據監管、用數據創業”的數據統籌發展運行機制。本項目通過元數據管理平臺，梳理各類數據來源，實現衛計委、工商局、流管局等各政府部門的元數據自動采集，理清現有的數據流轉流程和數據架構，并基于其構建一套新的數據架構，同時提供數據血緣分析、影響分析等，最后形成全區的政務數據地圖。

（2）項目價值
幫助數據管理局確定數據來源和數據架構，為后續數據標準建設，數據質量管理打下堅實的基礎，并為政務資源目錄、自主填報系統、教育無紙化等應用提供支撐。

2. 銀行：某銀行元數據管理平臺
（1）建設內容
建立面向“非現場監管”、“風險”、“信貸”、“利率”、“外匯”5大業務主題的全行級數據倉庫，全面開展元數據管理工作，梳理銀行各業務系統現有的數據，確定數據倉庫各業務主題的數據來源，理清數據字典和關聯關系，實現數據同源、同構和統一數據口徑。

（2）項目價值
幫助銀行了解現有數據，理清數據來龍去脈，確定面向應用的數據統一來源。支撐數據倉庫建設，并提供各類數據特別是監管報送數據的血緣分析，可快速定位數據問題源頭。