案例简介
在数字化转型的驱动和数据治理“严监管”的推动下，为解决金融机构数据治理体系不健全、数据质量低下等问题，利用数据治理成熟度评估模型进行问题分析定位，重点围绕数据规划、组织机制、标准建设以及数据类平台建设等方面进行数据质量提升。通过应用实践，总结归纳形成全生命周期的数据治理体系，从平台、标准、管理、质量四大方面应用技术手段有效提升金融数据质量和统计报送质量，且对其他中小银行具有一定的参考性和可复用性。
创新技术/模式应用
1.1 应用工具做好规划，建立金融数据管理提升路径
1.1.1 数据治理成熟度评估模型
图1 数据治理框架
1.2 机制和管理先行，为质量提升提供制度保障
1.2.1 组织架构和制度建设
图2 数据治理组织架构
1.2.2 标准建设
标准建设主要包括技术标准、指标标准和指标口径建设。
词根：使用金融行业常用英文缩写，保证技术和业务也能通过字段名理解字段含义。
图3 数据平台词根
数据字典：包括码值、字段长度等各类技术说明，保证数据开发人员使用数据的来源一致性。
图4 数据字典
模型规范：建设9大主题模型，将数据进行有效归类，实现数据开发人员的快速入手。
图5 主题模型分类
开发规范：形成统一开发，保证技术平台和底层代码的一致性，降低维护成本和学习成本。
指标标准：形成行业规范标准，标注规范来源，实现与监管要求一致。
图6 指标标准
指标口径：实现技术口径和业务口径的统一管理，降低业务和技术的门槛。
图7 指标口径
1.3 夯实系统功能，实现数据全面管控提升报送质量
1.3.1 数据平台建设
数据平台包括数据开发平台、数据基础平台、数据模型三部分。
数据开发平台
根据词根和数据开发规范等建立统一的可视化、组件化、流程化的数据开发平台，实现代码线上化管理模式。
图8 数据开发模板
基础平台建设
数据平台采用Hadoop作为底层基础，搭配hdfs、yarn等基础组件实现数据存储、计算等功能，为海量数据的存储和计算提供了高性能的平台基础。
图9 数据平台基础架构
数据平台模型
数据平台模型保证了数据开发、数据存储、数据计算的统一，形成了标准化的流程模型。
图10 数据模型架构
1.3.2 数据治理平台建设
数据治理平台涵盖元数据采集、数据标准管理、数据血缘管理到数据质量监控等数据全生命周期的管理。
图11 数据治理平台
1.3.3 指标平台建设
指标管理平台实现指标线上流程化管理、指标的统一存储和共享、血缘关系追踪。
图12 指标平台
1.3.4 统一报送平台建设
统一报送平台支持业务数据的统一补录核对和复杂的信息检索，实现各类监管报送的统一登录、统一整合、统一指标、统一展现、统一管理，进行监管报送集中管理。
项目效果评估
通过实践经验，形成了数据平台、数据治理平台、统一报送平台的建设方案，并将开发规范纳入数据治理标准体系建设，应用大数据和人工智能技术实现数据全流程管控，归纳总结形成数据治理体系方案。
1、数据质量的提升和金融统计质量的提升
一、根据数据治理成熟度评估模型应用方法以及调查问卷信息，通过组织、机制、流程和平台建设，确保数据治理流程在系统中有序的开展，有规划性地提升开发质量。
二、通过数据治理平台质量监控实现源头数据的提升，实现客户信息和交易的质量提升，确保证件号码与各类信息区域的一致性，地址与区域的统一管理等，使质量提升有了抓手。
三、提升源头数据质量、建立各类交叉、勾稽校验规则，为金融统计在行业分类、涉农、科目产品分类等方面的质量提升提供了技术和数据的保证，实现了金融统计工作的提质增效。
四、全面梳理各报表口径，将“口口相传”的统计口径梳理成对应的技术语言，落地到指标；建立全面、完整的指标体系，实现数据的共用共享。
2、金融数据治理方案可复用性
鄞州银行的现状与大部分中小银行所处的阶段基本一致，从数据管理到平台建设的方案符合中小银行的数据治理诉求,可复制推广到其他金融机构，从而提升数据质量。整体数据治理方案主要包括制度、标准和平台建设、涵盖数据治理的全流程管控，尽可能的通过技术手段去发现数据质量问题，从而降低人员的人力投入。
3、可视化展示实现业务数据的理解
传统银行的分析系统，存在“烟囱式”架构，独立的登录界面和用户管理，导致数据和分析成果无法共享。同时业务人员过度依赖技术人员实现分析需求，导致效率太低，相似需求不断重复，数据的利用率也不够。通过建设数据平台和统一报送平台，将基础数据和汇总数据进行了全面的整合，实现数据的共用共享，业务人员可通过一个平台实现可拖拉拽的功能，从汇总指标到数据明细进行自主的数据分析和挖掘，一方面可以更快地核对数据，另一方面，可以更加高效地为经营管理提供数据支撑。
来源：未央网2023数字金融创新大赛-数据治理类
关注gzh【大数据食铁兽】，获取更多大数据资讯。
免责声明：以上报告均系本平台通过公开、合法渠道获得，报告版权归原撰写/发布机构所有，如涉侵权，请联系删除 ；资料为推荐阅读，仅供参考学习，如对内容存疑，请与原撰写/发布机构联系。
