国家开发银行股份有限公司信息科技局局长 洪正华

　　随着信息科技的高速发展，数据资产逐渐成为现代银行越来越重要的生产要素。如何管好数据，挖掘数据资产价值已成为当前银行业加快业务创新、提高精细化管理和科学决策水平的重要基础工作之一，数据管理核心能力也成为现代银行核心竞争力的重要组成部分。

　　一、国内外银行业数据管理现状剖析

　　数据管理是一项长期性、复杂性、综合性的工作，具有覆盖范围广、工作维度多等特点，需要横跨业务和IT领域，纵贯总分行各业务部门，同时兼顾管理和技术两个维度。

　　1.国内银行业数据管理现状

　　自2005年，国内大多数商业银行在数据管理方面从不同的角度进行了有益的尝试，内容涉及数据标准、数据仓库、数据质量提升等多项工作，并有效地利用数据治理手段，达到提升业务经营水平和满足内部管理需求等目的。但普遍存在的不足是，数据管理系统的实施更多偏向于技术的层面以及局部项目的整合，而对于设计银行数据管控体系等深层次数据管理理论和统筹规划等方面还稍显欠缺。

　　2.国外银行业数据管理概况

　　国外先进银行在数据管理整体架构、系统风险管理以及数据平台应用支撑等方面的实践更显成熟，产生了多项数据管理商业应用的成功案例。尽管国外的金融环境，在市场、客户受众等各方面都和国内有较大差异，并不完全符合中国的实际情况，但其成功经验值得借鉴。

　　3.国开行数据管理工作普遍存在的问题剖析

　　在2009年以前，在数据标准方面，国开行存在IT系统建设“重功能、轻数据”，缺少全行统一的数据标准，无法保障各类系统间数据的互联互通等问题;在数据质量方面，业务人员的录入维护操作不规范，导致数据的准确性和完整性难以保障，缺少有效的持续改进数据质量的措施和手段，缺乏强有力的数据管理组织和长效机制;在数据应用方面，对经营管理和决策分析支持力度不足，不能充分发挥数据资产价值;外部监管方面，仍存在手工报送率高、数据质量较差等问题。

　　二、国开行数据管控体系设计与实践的核心内容

　　基于对银行同业数据管理现状以及国开行数据管理问题的全面剖析，结合外部监管和内部经营管理对数据的要求，国开行以数据管理最佳实践和核心竞争力理论为基石，结合国开行实际，对数据管理与应用工作的实施路线和发展目标进行了深入研究和规划，提出了一套银行业数据管控理论体系，并进行了有益的探索和实践。

　　1.突破传统数据生命周期理论，建立“一个流程，两个维度”的数据管控框架体系

　　对传统数据生命周期“产生、存储、交换、加工、归档”的理念进行完善与扩展，将数据管理的起点从 “数据产生”前延到“数据定义”，即数据标准化阶段将统一数据标准作为数据管理的出发点;同时，将数据管理的终点由“数据归档”后延至“数据应用”，通过数据挖掘等商务智能技术辅助决策分析，最大化挖掘数据应用价值。基于全新的数据全生命周期理念，提出了“一个流程、两个维度”的数据管理与应用框架体系(见图1)，从理论视角解析了一个现代银行数据管理核心能力的形成机制和构成要素。

　　(1)“一个流程”中的四个环节相辅相成

　　“一个流程”指数据标准、数据管控、数据应用支持、数据应用四个环节是一个有机融合的整体。数据标准化是基础，是数据管控的依据和数据仓库模型建设的基础;数据管控是手段，通过数据管控才能确保全行数据质量持续提升;数据应用支持是载体，通过建设数据仓库并贯彻数据标准和数据管控，为数据应用提供高质量的数据支持;数据应用是最终目的，通过数据挖掘与应用，实现数据资产价值，提升银行核心竞争力。

　　(2)“两个维度”确立了管理与技术并重的原则

　　为便于更好地理解数据管理的内涵并指导实际工作，国开行对“一个流程”中的四个环节从管理和技术两个维度进行了细分。例如，将“数据标准化”的内容从管理视角划分为数据标准的制定、落地、监督检查、变更和维护等。然而，要做到对数据标准化工作的精细化、专业化管理，手工管理只能是粗放式管理，且效率低下。因此，我们又从技术维度明确了数据标准技术方面的工作内容，包括数据标准管理技术工具的建设、数据标准在IT系统落地过程中需完成的主系统和外围系统的更新改造工作等。

　　2.建立数据标准化体系，推动数据标准在业务和技术领域同步落地，形成数据标准的动态管理机制

　　数据标准是数据管理工作的基础和起始点，是规范统一业务和技术语言的重要桥梁，做好数据标准化工作是数据管理工作成败的关键。数据标准的缺乏和滞后，导致数据源以多种形式存在，业务口径差异大、基础信息编码多套并存、数据填报规则缺乏，将加剧数据跨系统整合的难度，从而无法真正实现数据资产的价值。国开行秉承“标准先行”的理念，于2009年正式启动了全行数据标准化工作，创新性地提出了“数据标准制定与落地互动，基础类数据标准与分析类数据标准互通，数据标准在业务领域与IT系统落地并重”的数据标准化理念(如图2所示)。

　　(1)数据标准的制定

　　通过借鉴金融业通用的金融业务逻辑数据模型，并结合国开行“投、贷、债、租、证”综合型金融业务的特点，将数据标准体系划分为基础类数据标准、分析类数据标准和专有类数据标准三大类。基础类数据是指日常业务开展过程中所产生的具有共同业务特征的基础性数据，并进一步划分为不同的数据主题;分析类数据是指为满足国开行内部管理需要和外部监管要求，在基础类数据基础上按照统计需求和分析规则加工后的数据;专有类数据是指国开行集团架构下，投资、租赁和证券等特有业务在经营管理中所涉及的专有性数据，全面覆盖了国开行的业务领域和管理需要。在数据标准制定过程中，又将基础类数据标准和分析类数据标准进行映射，确保了从基础数据到指标数据的融会贯通。2012年国开行已完成基础类数据标准(包括客户、产品、协议、交易、资产、财务、内部机构与员工、渠道、营销9个主题)和分析类数据标准的制定工作，基本覆盖了国开行90%以上的业务和90%以上的IT系统。

　　(2)数据标准的落地

　　数据标准化工作不仅在于制定，更重要的是在业务领域和技术领域的落地。国开行打破“先制定、后落地”的常规思路，将制定和落地同步开展，抓住重要生产系统建设的关键时机，大力推动了数据标准在核心、全流程信贷、中小企业贷款、客户关系管理等4个重要生产系统和多个外围系统的落地工作，既在落地过程中检验了标准制定成果，又通过落地将标准制定成果效益最大化。此外，在数据标准落地过程中，组织完成了大量历史数据的核对与清洗，开展了客户、产品类型、行业代码、债权性质等专项落地工作，有效保障了系统间的数据一致性。通过开展数据标准化工作，统一了国开行业务和技术的数据字典，奠定了国开行数据大集中的坚实基础。

　　3.建立规划、组织、制度、技术工具和专项考核等因素相结合的数据管控机制，有效保障数据管控执行力

　　数据管控是一项多元化的协同工作，需要考虑管理定位、责任分工、工作流程、系统支持、考核体系等多方面因素。国开行在开展数据管控工作过程中，通过借鉴同业经验，创新性地提出了规划、组织、制度、技术工具和专项考核等因素相结合的综合型数据管控机制(见图3)。

　　(1)规划层面：完成数据管理制度与流程体系的整体规划。

　　(2)组织层面：成立了主管行领导亲自挂帅，行长信息化办公会领导下的跨部门的数据管控组织。

　　(3)制度层面：制定了数据标准管理、数据录入维护管理、数据质量管理、元数据管理、数据模型管理、数据平台数据交换管理、报表需求管理、手工数据采集管理、数据仓库管理等9项数据管理办法，基本覆盖了数据定义、产生、存储、加工、交换和应用等数据全生命周期管理，为数据管理工作提供制度保障。

　　(4)技术层面：自主建设了数据管理系统，依据数据管控的内在关系将各项管控任务有机联系，包括元数据管理、数据标准管理、数据质量管理和电子审批流程4个模块，已成为总分行全员参与数据管控工作的重要技术手段，并持续开展系统升级工作，建立全行数据地图，真正实现元数据和系统上线版本硬管理。

　　(5)考核层面：通过设立总分行数据管控专项考核指标，保障数据管控制度的落地执行。

　　根据著名的木桶理论，数据管控的规划、组织、制度、技术工具和专项考核的五个关键因素缺一不可，任何一方面的缺失或不足都会影响数据管控工作的实际效果。

　　4.提出了“数据标准先行、数据管控落地、数据应用驱动”的数据仓库建设方法论

　　数据仓库建设是数据管理工作的核心，国开行于2011年1月正式启动数据仓库建设，通过充分借鉴国内外同业经验，明确提出了“数据标准先行、数据管控落地、应用驱动与数据驱动相结合”的技术路线。项目群经过1年零9个月的艰苦建设，于2012年10月成功上线投产，取得显著成效。

　　(1)数据标准先行：制定数据标准时同步设计了数据标准逻辑参考模型，直接构成了国开行数据仓库的骨架和核心内容，保障了数据标准在数据仓库的有效落地执行。

　　(2)数据管控落地：以元数据管理为基础，以管控流程为手段，制定数据质量度量规则，对入仓数据进行监控与检核，有效保障入仓数据质量，使数据仓库成为企业级可信、可控数据源。

　　(3)数据应用驱动：建立经营管理类、资产负债类、风险管理类、监管合规类、财务绩效类以及客户关系管理类五大应用主题域，提升经营管理、决策分析和监管报送水平。

　　数据仓库基础平台(图4)设计并创建了国开行第一个集团框架下稳定的数据模型，一期完成了12个重要生产系统的数据入仓工作，实现了全行数据的集中与共享。为了充分体现数据仓库建设价值，同步建设了高管驾驶舱、全行统一报表系统、风险数据集市及应用、监管报送系统四大重点应用。高管驾驶舱系统通过移动终端实现了国开行经营状况、金融同业对比和国内/国际宏观经济等内外部指标的集中、动态展现。全行统一报表系统建立了全行统一报表视图、手工数据补录、指标管理等功能，灵活的报表定制技术实现了国开行报表生成方式的一次重大变革。仓内风险集市通过数据标准落地、梳理业务流程、优化风险模型，实现了基于细粒度的数据计算，提升了风险计量的精细化管理水平，大幅减少了资本占用。仓内监管报送集市实现了相关数据的集中整合，监管报送的数据质量和报送效率得到明显提高，数据自动化采集率大幅提升。

　　三、国开行数据管控体系的设计与实践推动组织机构创新

　　国开行行党委高度重视数据管理工作，于2008年正式成立数据标准管理处，负责全行数据标准化、数据管理及数据类应用系统需求等归口管理工作，2010年正式成立信息科技局，同时数据标准管理处更名为数据管理处，2012年在信息科技局正式成立数据管理中心，下设数据管控与应用处、数据标准管理处、数据仓库管理处三个处室。与其他银行不同的是，国开行将数据管理中心设置在信息科技部门，这是重要的组织创新，其优势在于数据管理中心职能兼备了业务与IT两方面的特点，设立于信息科技部门，有利于打造一支数据管理分析的核心团队，为提升数据管理核心竞争力奠定基础。同时通过总分行互动，将这种竞争力传递给分行的信息科技部门，充分调动和发挥分行科技人员的积极性，协助总行共同完成数据质量分析与提升、数据标准的落地与执行、数据应用系统的推广与培训等全行性工作，将数据管理核心竞争力打造成银行核心竞争力的重要组成部分。

　　国开行数据管控体系的设计与实践对银行业数据标准化、数据仓库以及数据应用系统建设等工作具有重要的理论指导作用，对提升银行数据管理核心能力，打造银行核心竞争力具有重要意义。