導語：商業銀行分行在數據治理的作用一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：監管對數據報送質量要求的趨嚴，使商業銀行在挖掘數據價值的同時，也更有動力提升數據質量，以符合上級監督管理的要求。商業銀行一般采用數據大集中的模式，本文以分行的視角，討論了在統一的總行數據中心以及多個分散的分行網絡節點的模式下，商業銀行分行在數據治理工作中承擔的角色和發揮的作用。

關鍵詞：數據治理；數據質量；商業銀行分行

一、背景

2020年5月，中國銀保監會依據《中華人民共和國銀行業監督管理法》，首次就違反監管標準化數據報送等問題向銀行業開出罰單，8家商業銀行共被罰1770萬元。分析被罰原因，主要是商業銀行報送數據存在違法違規行為，例如個別商業銀行存在理財產品數量漏報、資金交易信息漏報等情況。另外，2020年4月30日，中國人民銀行鄭州中心支行按照《金融統計管理規定》第三十八條第一款規定，對發現虛報、瞞報金融統計資料等違法行為的某銀行鄭州分行進行了處罰，罰款117.6萬元。上述違規機構，既有總行又有分行。而違規的內容都與數據質量密切相關。數據質量的提升，離不開數據治理的逐步完善。監管要求對數據報送質量要求的趨嚴，使商業銀行愿意投入更多資源來提升數據質量以符合上級監督管理的要求。

二、商業銀行數據治理

數據治理起源于20世紀90年代，2009年DMMA了第一版數據管理體系指南，并定義了數據管理的框架，其中包含10個主要數據管理的職能，而數據管理框架的核心為數據治理，由此可見數據治理的重要性。在大數據時代，商業銀行踴躍奔向數字化大潮，大部分商業銀行已啟動了數據治理工作，通過大數據分析，挖掘數據價值。通過數據治理，整合碎片化數據，形成高質量的優質數據資源，是目前商業銀行發展的重要任務。通過對數據價值的挖掘，啟動新的發展引擎，這給商業銀行的發展帶來了機遇同時也帶來挑戰。2018年5月21日，中國銀保監會正式了《銀行業金融機構數據治理指引》（以下簡稱《指引》）。文件闡述了銀行金融機構數據治理的方法理念原則、數據管理、數據治理架構、數據質量的控制、數據價值實現等。根據DMMA的數據管理體系以及中國銀保監會的，商業銀行結合自身的實際情況，已在數據治理方面取得了一定的成效。（一）數據治理體系逐漸完善。商業銀行管理層牽頭，組織全行各個部門，共同推進完善數據治理體系。搭建數據治理組織架構，建立制度、流程、執行工作機制，保障數據治理任務達到目標效果。建立數據標準，搭建系統底層框架。（二）數據質量穩步提升。通過數據治理，商業銀行找出數據質量不高的原因，從根源上解決數據質量水平不高的問題。對數據進行全生命周期的質量管理，并把數據質量納入考核中。商業銀行建立完善的數據質量管理體系，確保數據質量持續性提升。（三）支撐系統相繼建立。數據管理不僅要有制度保障，還需要通過系統落地。商業銀行已經開始建設或已投入使用數據管控平臺和數據挖掘平臺，實現了數據的標準管理、質量管理、安全管理等基礎功能，并在此基礎上對大數據進行價值挖掘。全國性商業銀行分行的數據一般都集中在總行數據中心，數據治理的大部分工作也由總行完成，分行在數據治理中要承擔什么角色，起到什么作用呢？以下將進行進一步探討。

三、分行在數據治理中的角色和作用

商業銀行一般采用數據大集中的IT架構，在數據治理的工作開展中，總行作為數據大集中的數據中心，其核心領導地位是毋庸置疑的。但部分分行一線人員對數據治理的概念和理解卻可能存在一些誤解，例如“數據都在總行，又不在分行，數據治理就是總行處理的，分行應該沒有什么具體的事情要做吧？”在數據治理工作剛剛推行到分行之初，這種想法普遍存在。但隨著總行制定相應的數據治理頂層制度，明確了總行各部門、各分行的職責和分工，指定專人負責數據治理工作并建立相應的考核體系，分行不僅認識到數據治理是分行工作必不可少的一部分，還逐漸展現出與總行不同的差異化特色。具體表現如下。（一）頂層制度有效傳導。總行制定全行性的數據治理制度，建立數據質量的保障機制。總行的頂層設計落實到分行層面，分行要結合分行工作的實際情況，建立相應的組織架構，修訂分行層面相應的規章制度，且必須要遵守總行的制度。這樣，從制度的維度實現了自上而下的層層傳導和落實，從根本制度上保障數據治理滲透到銀行經營的方方面面。分行的規章制度更偏重于實施和操作，將數據治理的要求在規章制度中明確后，一線人員的日常工作就有據可依。通過業務規章制度使以往僅僅作為概念存在的“數據治理”，能夠指導員工的日常工作。使數據治理的目標被傳導為更加容易落地和實際操作的細則和工作方法，使員工更容易理解。“數據治理”以及如何操作才能符合數據治理的要求，是首要任務。以業務制度中的“業務口徑”為例。在一項業務制度中，“業務口徑清晰”是數據治理的基本要求之一，該要求應如何落實到分行呢？一般分行層面有本地特色業務和全行性業務兩種。對于本地特色業務，要有完整明確的業務口徑定義；而對于全行性業務，一般可以沿用總行的制度，若需要制定本地實施細則，則要清楚說明本地開展業務口徑是與總行產品一致，還是有所調整。通過對制定業務制度的專崗人員進行數據治理培訓，使其理解數據治理的要求。制度編寫人對分行原有制度進行梳理，發現需整改完善的條款，在下一次制度修訂時將業務口徑等數據治理相關的內容在制度中體現出來。（二）分行落實工作機制。建立有效的工作機制，總行成立數據治理委員會，分行相應地也要成立數據治理委員會或工作組，成員包括行領導和各個管理部門負責人。分行各個部門都由總行條線或部門相對應，各個部門都有專人負責數據治理。數據質量的問題發現、上報、處理、反饋都有專人處理，確保責任落實到人，事事有人管。即使是最基層的網點、一線員工都可以直接上報數據治理的問題，使問題得到有效的跟蹤和處理。分行的大部分數據治理問題都伴隨著業務系統問題一起出現，但解決了業務問題并非完全解決數據治理的問題。以發現對賬問題為例，業務人員對賬時發現SX系統D日A科目余額與HX系統D日A科目余額不一致。以往的流程是通過業務和科技2個渠道進行處理，確認是業務問題或科技問題，還是業務科技混合問題，而現在要增加是否涉及數據治理的判斷環節。在這個例子中，兩個系統的同一天同一科目余額不一致的問題，是由SX系統一項業務調整沒有聯動HX系統所導致的，需要柜員手工在HX系統進行補錄操作才能實現數據同步。找到原因后，業務人員將問題上報到分行數據治理專員，分行數據治理專員確認問題后上報給總行數據治理專員。總行數據治理專員組織相關人員進行分析，判斷該問題對業務、系統和數據質量的影響，確認核對該數據的分類分級，綜合考慮，確認是采用“SX系統和HX系統實施聯動”，還是采用“完善業務流程”的解決方案。數據治理工作機制使得在日常工作中數據治理專員能夠參與其中，并增加了數據治理的考量維度，使解決方案更加全面。（三）抓數據源頭。按照數據安全治理框架，數據治理是從經營策略、公司治理、合規、IT策略、風險容忍度等最根本的層面開始，這些層面天然是由總行進行全局規劃。而在分行層面，數據治理從源頭抓起，即比較狹義的數據的產生環節——從系統外進入系統內，包括柜員的鍵盤錄入、鼠標選擇、文本掃描、拍照上傳、外部系統數據對接等。在數據的產生環節，嚴格建立準入規則并執行。如能通過系統強制控制的方式解決，則不需要人為手工來控制。對于目前暫時不具備系統強控條件的，可以通過數據自檢和核對等方法處理。數據進入系統之后，存儲、處理、展示等工作需要總行層面在系統設計開發環節進行管理和控制，分行層面可以側重于在使用體驗、實際操作風險控制方面給出建議。以客戶開戶為例。建立業務數據錄入的規范性要求，明確禁止使用容易引發異常的空格、半角標點、特殊字符等。客戶開戶要在分行網點的柜臺渠道上進行，由柜員負責客戶數據的錄入、采集、當面確認等操作。而后續的數據處理、存儲、報表展現和數據報送等環節須由總行系統控制。在交易的源頭就把數據按照標準化錄入，使后續的處理則相對簡單。否則，一旦源頭出錯，后續所有環節的數據都是錯的，須將每個環節的數據逐一進行核對和修正。通過在系統中增加檢驗規則的方法，在盡量靠近數據源頭的環節進行數據自檢，一旦發現異常就終止流程，并提示操作人員立即修改。對于不同系統間業務邏輯應該聯動但實際沒有聯動而導致的問題，由于上游數據源頭與下游脫節，是典型的一致性問題。針對這種問題，要發現一個馬上處理一個，逐步將問題數量降低。對于異常數據，越是發現越容易解決。而歷史上懸而未決的異常數據，其排查和處理難度可能是前者的十倍甚至百倍。所以在分行抓數據源頭，將責任壓實，是成本最低的一種做法。（四）日常數據質量監控和修復。數據質量監控分為自動監測和手工監測兩種。自動監測通常是持續性的，如每天或每月執行一次，針對6Research|信息化論壇日常運營中可能經常出現的數據問題，一般由總行層面在系統中部署并執行；而手工監測除了處理一次性或臨時性的工作外，還有一大部分是無法由計算機系統完成的工作，需要人力逐筆判斷和處理，由分行承擔這部分的工作較為適合。以“完善客戶信息”為例。為了完善客戶信息，需要將客戶信息中缺失的項目進行補錄。首先通過系統按照規則進行數據查詢，找到需要完善信息的客戶清單，然后下發清單到客戶所屬分行，由一線人員聯系客戶進行補錄。而系統也要對這些必填的頁面輸入框進行非空校驗，避免產生新的非規范數據。這項工作需要每隔一段時間再次查詢，確認是否還有漏網之魚。然后總行層面針對這些非空校驗對信息進行補錄，如此循環往復多次，直至數據完全正確。數據監控和修復工作很多時候是一項需要總分行聯動的系統工程，涉及每個環節在實際操作時都會遇到新情況，這時就需要數據治理工作機制來進行有效的組織和協調。（五）重要關鍵節點數據質量監控。除了日常的數據質量監控外，對于系統變更、系統故障等重要非日常的關鍵節點，也要建立數據質量保障機制。對于系統變更，要制定詳細的變更前后的數據檢查方案，確保變更前的歷史數據能夠在變更后的系統中正常使用，并保持數據的連續性和一致性。對于系統故障，要對故障發生前后的數據進行檢查核對，確保數據的連續性和一致性。分行的系統大部分集中到了總行，因此系統變更前后數據校驗、故障前后數據校驗等工作，基本在總行層面執行，分行側重在業務驗證環節。系統故障發生前后，出現數據不完整的概率非常高，要保持數據在不同表、不同系統中邏輯一致、業務完整，避免因為系統故障導致異常數據遺留在系統中。因此，在各類系統故障的應急預案的編寫和應急演練的執行中，要強調對數據質量的監控，把檢查核對數據明確寫到操作步驟中，并嚴格按照操作步驟進行應急演練。以網絡系統應急預案為例，增加數據的恢復與驗證環節，網絡恢復后，要對在故障期間產生的網絡設備數據進行自檢和核對，若出現數據丟失，須進行數據恢復，保證數據的準確性和連續性。（六）監管報送數據的數據治理。每個分行都有屬地監管機構，其對數據報送的具體要求可能與總行提供的基礎數據有所不同。而這些差異需要分行在開展數據治理工作時，積極與屬地監管機構溝通，根據本地化特色需求，對總行數據進行本地化處理，提供合規的數據。因為數據在總行集中存儲，總行會向各分行提供需要報送的基礎數據。這個數據對分行來講，是一個全量的基礎數據，分行要指定專人進行處理，確保數據安全、準確。在獲取數據包之后，除了要按照監管要求的格式進行轉換外，還需要對部分數據進行過濾。這項工作需要與監管機構積極溝通，充分了解監管要求，并且在完成格式轉換后，進行數據自檢和復檢。避免提交的數據出現錯誤、遺漏等問題。數據的自檢和復檢可以通過腳本實現自動化處理，腳本的規則需要業務和科技共同確認，避免加工和質檢兩個角色一手清的風險。部分分行的數據處理人員較少，且身兼數職，這種情況下，需要人力資源向這方面傾斜。（七）人力資源的調整。目前數據治理崗位、數據分析工作崗位多為兼職兼崗，職業發展路徑尚不明朗，特別在分行層面，數據分析團隊及其IT支持人員的投入存在很大缺口。數據治理和數據分析工作對技能的要求不僅限于技術，還要求了解業務。這種既懂技術開發又懂業務的復合型人才鳳毛麟角。數據治理屬于長期性工作，培養一個擁有數據思維的專業人才是需要時間和金錢培養的，只有將數字化提升到戰略高度，人力資源的配套才有可能落實到位。在《指引》中指出“銀行業金融機構應當將數據治理納入公司治理范疇”以及“法定代表人或主要負責人對監管數據質量承擔最終責任”。目前銀行對數據治理的重視程度也逐步提升，但即使是部分很早就開展數據治理工作的銀行，也只是在總行層面配備了人員充足的數據團隊。在同一個銀行，其各個分行的數據治理專業人員數量也是有很大差別。這種情況下，分行的數據治理人員在遇到問題的時候，向總行平臺和其他先進分行尋求幫助是個可選的替代方案。

四、結語

目前商業銀行分行在數據治理中承擔的角色，更側重于輔助，但分行不可因此就放松對數據治理的要求。分行作為一線經營機構，直接面對客戶和監管，每天都生產數據和使用數據出現問題時，可以最快地給出反應，并上報總行，為處理問題爭取時間。而在復用大數據分析、挖掘數據價值的過程中，分行貼近客戶的特點，更容易發現合適的場景，實現數據治理工作中的價值發現。

參考文獻：

[1]許洪斌，侯進.大數據時代的銀行數據管理研究[J].中國金融電腦，2019(6):66-72.

[2]劉海飛，張明霞，陳衛兵.數據治理及其在商業銀行的應用對策[J].金融縱橫，2019(12):81-87.

作者:樸曉光 單位:浙商銀行廣州分行