银行业数据治理之数据资产管理

前言：
-更多关于数智化转型、数据中台内容请加入阿里云数据中台交流群—数智俱乐部 （文末扫描二维码或点此加入）
-阿里云数据中台官网 https://dp.alibaba.com/index

---

随着2018年银保监发文《银行业金融机构数据治理指引》，各银监局，机关各部门，各政策性银行、大型银行、股份制银行，邮储银行，外资银行，金融资产管理公司，以及其他会管金融机构纷纷开始了新一轮的数据治理的相关工作。然而在金融机构进行数据治理的过程中，涉及的领域和相关的工作非常多。

本文是作者结合自己十几年在机构做数据相关的工作经验，从数据资产管理的角度做了一些总结和思考。

银行业为什么要进行数据资产管理

近年来，银行业金融机构在业务快速发展过程中，积累了客户数据、交易数据、外部数据等海量数据。数据已经成为银行的重要资产和核心竞争力，充分发挥数据价值，用数据驱动银行发展，提高银行经营质效，具有重要意义。
当前，银行业金融机构数据质量存在较多问题，主要表现为数据准确性和完整性欠缺，时效性和适应性不足。数据质量问题已经阻碍了银行业金融机构向高质量方向发展，对数据资产的管理、治理亟待加强。

银行业数据资产管理三个方面

当我们提到数据资产管理，要从三个方面来看。即数据资产的盘点与分析、对数据资产的治理、以及资产的应用。接下来我们就一个个展开。

首先银行要用好数据，把数据变成资产创造价值，就要搞清楚手里到底有哪些数据资产。

而银行有太多的数据，因此数据资产盘点要落地也并不简单。数据资产的盘点和评估要考虑融通性，保证数据盘点的精准。
在数据内容的理解方面，要建立全行的数据资产目录，并且对数据进行画像，对数据的来源、业务含义等进行描述。同时要有确信机制和工具来支撑，通过各部门的协同实现数据资产探查。这里不只是数据团队，包括科技和业务部门都要参与进来，有明确的接口人来配合数据资产的盘点工作。
这里值得一提的是数据中台的理念其实和数据资产管理不谋而合，在数据中台的建设中，非常重要的工作就是数据公共层的建设，通过数据公共层建设可以清晰的梳理出我们的数据资产分布及使用情况，结合资产的访问路径分析，最终形成全行的数据资产全景分析。资产盘点与分析这里的细节工作本文不再一一展开。

在银行对自己的数据资产有了比较清晰了解的基础上，便可以展开数据资产的治理工作了。
银行机构应当把数据质量风险和安全合规风险都纳入数据资产治理的范畴，并且形成一个资产治理的闭环。
根据数据资产使用的现状出发，发现当前的问题并提出治理优化的策略，然后通过对治理效果的反馈来迭代现状分析，形成一个治理能力的闭环。
在数据质量的保障方面，应当围绕数据的完整性、准确性、一致性以及及时性，对数据处理链条上的流程规范，在事前事中事后的关键环节进行卡点校验。
同时对数据任务、数据监控划分不同级别不同保障力度，实现精准保障。在业务高峰期，很多银行机构都会出现数据报表加工延时的情况，针对这种非常影响业务体验的情况，银行可以根据业务或数据产品产出的上下游所有节点组合成任务组，对任务组进行分级，保障产出的优先级、监控产出的及时性。
在安全合规的分享治理方面，银行要形成一套以数据为中心，以数据的流转为主线，贯穿数据全生命周期的安全管理机制。主要涉及的工作有: 防窃取(泄漏)、防误用、防滥用 。
数据的全生命周期包括生产、存储、使用、传输、传播到销货。对客户数据、业务数据、公司财务运营管理进行分级。
一般我们会分成公开数据、内部数据、保障数据和机密数据四个等级。

银行的数据资产管理对银行的业务数据化运营和数据业务化转型都非常重要，这其中包括大量的管理规范制定和组织间协同工作，当然还要有相关的工具平台来帮助数据资产管理的落地，为用户提供多维度数据资产分析，智能化数据资产治理，全链路数据资产监管与价值追踪，全方位数据资产运营的数据资产管理一站式服务平台 。

 

数据中台是企业数智化的新基建，阿里巴巴认为数据中台是集方法论、工具、组织于一体的，“快”、“准”、“全”、“统”、“通”的智能大数据体系。目前正通过阿里云数据中台解决方案对外输出，包括零售、金融、互联网、政务等领域，其中核心产品有：

• Dataphin，一站式、智能化的数据构建及管理平台；
• Quick BI，随时随地 智能决策；
• Quick Audience，全方位洞察、全域营销、智能增长；
• Quick A+， 跨多端全域应用体验分析及洞察的一站式数据化运营平台；

官方站点：
数据中台官网 https://dp.alibaba.com

 

原文链接
本文为云栖社区原创内容，未经允许不得转载。