数据治理实践

【数据治理实践】

 

第六期：指标数据标准 —— 数据分析应用的基石

前言

上期文章，我们分享了银行基础数据标准化的监管要求、落地流程和重要作用。本期，我们将介绍如何构建指标数据标准化体系。对银行数据治理来说，统一指标数据标准，可以规范业务统计分析语言，帮助银行提升分析应用和监管报送的数据质量，进而提高全行数据质量和数据资产价值。

监管要求

在《银行业金融机构数据治理指引》（下称“指引”）第四章的数据质量控制部分对指标含义、取数规则和监管指标质量有明确的要求：

第三十条 银行业金融机构各项业务制度应当充分考虑数据质量管理需要，涉及指标含义清晰明确，取数规则统一，并根据业务变化及时更新。 第三十六条 银行业金融机构应当按照监管要求报送法人和集团的相关数据，保证同一监管指标在监管报送与对外披露之间的一致性。如有重大差异，应当及时向银行业监督管理机构解释说明。 ——《银行业金融机构数据治理指引》

《指引》在指标数据标准方面要求银行明确指标含义，统一取数规则，保证监管报送指标间一致性，对指标数据的数据质量提出了较高的要求，这对于银行来讲是一项挑战。同时，在《JR/T0137-2017银行经营管理指标数据元》（以下称“《指标数据元》”）中，全国金融标准化技术委员会明确了银行经营管理指标数据元的概念、分类和规则，并对指标数据元的描述做出了要求。

指标数据标准的内涵

在《指标数据元》中将指标定义为反映银行经营管理在一定时间和条件下的规模、程度、比例、结构等的概念和数值。

指标数据标准是为满足内部分析管理需要和外部监管要求，对基础类数据加工而产生的指标数据标准化规范。指标数据标准通过基础属性、业务属性、技术属性和管理属性来描述指标数据规范化要求。例如，在基础属性中需要定义标准名称，明确指标分类；在业务属性中需要明确指标的业务含义、业务口径和指标维度等；在技术属性中需明确指标取数范围、指标取数方式、指标条件、指标数据类型、长度和精度等。为确保指标数据标准定义的完整与严谨，我们形成了一整套指标数据标准的信息项属性架构：

以“拨备覆盖率”指标为例，从数据标准化的角度来看，首先需要定义其业务含义，以明确其定位和用途，统一业务解释；同时通过技术属性明确其指标技术口径和取数规则等，确保指标数据计算结果的一致性。这样，在整个银行层面，统一了“拨备覆盖率”的业务口径和技术口径，最终确立了其使用规范。

由此可见，指标数据标准确立的是指标数据全行层级统一使用的规范，为内部数据分析应用与外部监管指标报送提供指导性、规范性要求。

银行指标数据应用和管理中的问题

1. 指标口径不统一
   在银行管理和业务活动中，经常存在指标数据的名称相同，但统计口径、计算方法却有较大差异的情形；或者反过来，指标数据的计算方式相同，但名称却各异。定义不统一的指标会带来极大的沟通障碍，让沟通效率降低，甚至“差之毫厘，谬以千里”。
2. 指标体系不完整
   银行各部门根据自身业务需求，都有一部分的量化指标，但不够全面，也缺乏方法论指导，对于银行整体数据分析应用能力提升的指导作用有限，且在使用过程中孤立强调某些指标的趋势，而忽略综合分析、长期跟踪与定期比对指标的重要性。缺乏整体考量而设置的指标体系，以及错误的指标分析方法，会产生错误的分析结果，进而影响运营层面、产品改进方面的决策。
3. 指标问题追溯难
   指标数据大多经过多重计算得到，有些指标需要经过很长的加工过程才能得出，如无法追溯指标的加工过程，就不知道指标所用的数据来源，无法快速找出指标出错的原因和对应的责任部门。指标的一致性、完整性、准确性和可追溯性得不到保证，出现问题时各部门间相互推诿的情况时有发生，导致指标问题难以得到解决。
    

谁来制定指标数据标准？

类似基础数据标准的管理，在指标数据标准管理工作中，同样需要数据治理归口管理部门来牵头指标数据标准的制定工作，并建立业务归口部门与技术主管部门的协作机制。

数据治理归口管理部门：对于指标数据标准管理工作而言，数据治理归口管理部门是作为牵头者的角色，需要做到组织数据治理小组会议，将技术管理与业务管理的相关人员协同起来，完成指标数据标准制定工作，并提供资源协调、统筹安排等便利。

指标标准业务归口部门：指标标准业务归口部门作为指标所属领域的业务主管部门对指标数据标准进行归口管理。业务涉及多个板块的，以指标产生部门对数据标准进行归口管理；多个部门同时计算的，以业务牵头主管部门进行归口管理。其职责主要包括，确定指标数据的使用部门、基础属性、业务含义和业务口径等标准，并对指标的技术口径的统计结果进行测试和确认。

技术主管部门：技术主管部门作为指标标准管理的技术支撑，对指标的取数方式和指标条件进行确认，并统筹指标数据标准的落地实施工作。

如何制定指标数据标准？

指标数据标准制定的原则：

指标数据标准体系的构建，一方面需要梳理内部管理与外部监管统计的需求，细化形成对业务属性、技术属性的要求；另一方面需要自下而上整理行内信息系统中的数据现状，两者结合形成指标标准的业务属性和技术属性，制定有效合理的指标数据规范要求。

指标数据标准可以从维度、规则和基础指标三个方面进行定义：

• 维度
  维度是对银行在业务经营过程中所涉及对象的属性进行划分的方式。维度作为观察事物的视角，并不孤立存在，而是通过与指标结合使用，可以对指标的不同方面进行对比与分析。如，对公贷款余额，可按机构维度来统计各分支机构的对公贷款余额，也可以按行业维度来分析银行贷款业务主要的行业分布情况，控制行业集中度或调整投向分布。维度的定义要素包括，维度编号、维度名称、维度分类、维度定义格式、维值名称等。
• 规则
  规则是对指标计算统计方式给出的规范性说明，包括可复用的公共维度和业务规则。如，基础统计类规则：当期、累计、最低值、最高值；增长类统计规则：环比变化量、同比变化量等。
• 基础指标
  指标具备一些基本要素信息对指标进行标准化的规范说明，基本要素信息为指标所必须具备的信息，银行一般在基本要素信息的基础上添加管理要素信息以方便管理。指标属性包括业务属性、技术属性和管理属性三大属性。
   

基础指标可以与维度及统计规则自由组合形成多视角的指标内容，拓宽了指标定义的广度，并且提高了指标使用的灵活度。

指标数据标准的作用

指标数据标准能够保障各业务部门对指标在不同应用场景下业务口径有直观、清晰的理解。提升指标在不同应用场景下的准确度，降低由于口径理解不一致造成的统计差异。

同时，指标数据标准作为分析应用的基础，通过配合使用指标标准中的维度和维值，可以实现业务部门的自主分析，即灵活使用这些指标进行业务分析。

结语

标准化的指标体系建设可以对数据快速、准确地分析应用，为企业带来巨大的数据资产价值提升。因此，银行在数据治理过程中需要高度重视指标数据标准地制定和落实。

在本期数据治理实践中，我们分享了指标数据标准化的难点、方法要求以及巨大价值。后续我们还将继续为大家分享数据标准在银行业中的落标实践。