

区域性银行数字化转型下的数据治理工作开展思考

贸易金融联盟

2022-04-19

作者：田清明

来源：浅谈数字化

时代的要求

“数据治理”，是银行业在面临全社会数字化转型要求下的必选题。2016年，浙江省政府作为全社会推进数字化转型工作的排头兵，制定了《浙江省促进大数据发展实施计划》，科学全面的定义了省域治理工作如何通过大数据的能力建设实现数字化转型的目标；在此实施计划之后，浙江省政府接着又发布了《浙江省数字化转型标准化建设方案》，清晰的指明了数字化转型工作的有效开展是需要先建立标准，有了标准这个底托才有可能将数据发挥出业务作用，推进数字化转型工作的全面开展。有了整体的布局以及标准化的提前要求，才有了浙江省政府省域治理现代化、数字化的高速发展，也就有了2020年疫情初期，浙江省政府可以率先采用数字化手段实现了疫情期间的高效数字化管理手段与能力。银行业是政府治理现代化中很重要的协同行业，而政府治理现代化即需要通过全面的数字化转型来实现；因此，银行也需同步做好以数据治理工作，配合政府制定与执行标准，协同推进政府治理的数字化转型工作开展。

监管的要求

2018年5月，银保监会针对数据治理工作下发了22号文，即《中国银行保险监督管理委员会关于印发银行业金融机构数据治理指引的通知》，共7章55条主要将治理的组织架构、数据管理、数据质量控制、数据价值实现等4个方面做了较为详细的要求，为数据治理工作开展不顺畅的区域性银行带来了清晰的思路与路径。

时隔两年，2020年5月银保监会又发布了《关于开展监管数据质量专项治理工作的通知》，以切实提升银行业保险业监管数据质量，要求各银行要充分重视数据治理工作，并于2021年5月前完成自查问题的整改。

2022年1月，银保监会发布了2号文，即《关于银行业保险业数字化转型的指导意见》。全文三十条的内容中，“数据治理”作为高频词汇出现了8次，同时在数据能力的4条具体要求中（即十四条至十七条），完全与2018年的22号文对数据治理工作的要求相呼应。

由此，我们可以看到，银保监会通过近5年的时间持续在推进银行业数据治理工作的开展，督促各家银行按2018年22号文的要求持续推进数据治理工作，建立完整有层次的数据治理体系。

自我发展的要求

区域性银行除了需持续提升监管报送数据的数据质量外，还需满足本行数字化转型的要求，通过数据质量的持续提升，形成有效的数据资产，最终实现“一切业务数据化，一切数据业务化”，摆脱过去无法有效使用数据，且不能让数据价值变现的问题，如：业务部门在不同时间节点的数据统计汇总后，与年末的数据对不上；指标统计口径，本部门无法解释，甚至全行没有几个人可以说清楚；客户联系信息存在多份，导致在发送业务信息时错误送达他人，形成不必要的消费者投诉等……

我们做得怎么样？

2018年22号文将数据治理的体系建设做了较为完整的描述，也指出了数据治理工作的重点；但近5年时间，大部分区域性银行并未在数据治理领域呈现显著的变化，实际的工作进展不明显。在有了银保监会针对数据治理工作清晰的指引前提下，为何会出现这样的一个现状？笔者认为主要原因有如下三方面：一是数据治理架构不完整；二是数据质量管控体系不健全；三是数据标准管理不规范。

（一）数据治理架构不完整

22号文第三条要求建立组织架构，将数据治理工作纳入董事会、监事会、高管层及内设部门的职责中，同时要将数据治理纳入公司治理范畴，建立自上而下的数据治理体系。不少的区域性银行建立了数据治理委员会及下设办公室，但在实际工作中，委员会未能发挥作用，行领导并不重视数据治理工作的开展；而办公室则往往是由科技条线在主导与驱动工作开展，未能建立起完整的多层次、相互衔接的运行机制。另外，数据治理归口管理部门“名不副实”，在管理办法中指明由业务部门作为归口管理部门，实际工作中则由科技部牵头，也导致数据治理岗位与人员不匹配、制度缺失等问题凸显。

（二）数据质量控制体系不健全

22号文第二十八条要求建立数据质量控制的问责机制，以及对应的数据质量考核评价体系，将考核结果纳入本机构绩效考核体系中。不少的区域性银行并未明确各类数据的属主部门，无法建立数据质量控制的配套对高管层及业务部门的问责机制，数据质量控制工作仍只能停留在出现数据质量问题后，科技部门被动“打补丁”的阶段；同时，由于数据质量控制的问责机制未建立起来，对应的数据质量考评体系与绩效考核体系就会缺失，数据质量存在着不稳定的风险。

（三）数据标准管理不规范

22号文第二十条要求建立覆盖全部数据的标准化规划，遵循统一的业务规范和技术标准。数据标准应当符合国家标准化政策及监管规定，并确保被有效执行。不少的区域性银行虽然建立了全行的基础数据标准，但由于没有数据标准的属主部门，基础数据标准得不到维护与管理，仅由科技部门的数据团队根据其认为的数据标准在做日常的贯标工作，存在数据标准不被业务部门认可、理解的问题；另外，指标数据标准也是各区域性银行的“重灾区”，由于指标的属主管理缺失，导致指标的统计口径会由于不同报表、不同部门、不同周期的要求呈现“百花齐放”的状态。

我们应该怎么做？

数据治理工作，笔者认为本质上是在治理业务：业务规范了，数据标准就清晰，数据质量自然就提升了。但区域性银行由于资源禀赋有限，不能如大行一般“高举高打”财务、人力等的投入，并按“正步操练“，即能在一段时间内取得数据治理的有效成果，并能依此形成有效的闭环管理方法论，指导与推进数据治理工作持续有效的开展。

基于区域性银行资源禀赋有限的现状，笔者建议区域性银行在思考如何持续推进本行数据治理工作之前，需要首先在经营管理层达成如下三方面的统一认知：

第一、数据治理体系的建设需要完全满足22号文要求。22号文是针对银行业所有不同类型银行，这不是选择题。

第二、数据治理工作的开展需要制定适合本行现状的推进策略。在完整数据治理体系的支撑下，需根据本行业务、数据、科技等的现状，由经营管理层制定可实际落地的推进策略，才能将数据治理作为一项长期、持续的工作进行推进。

第三、数据治理的目标应朴实的定义为提升本行的数据质量。数据质量提升的过程，即为本行业务管理规范、精细化管理能力等的提升，有效推动数据应用、数字化场景的构建，才有可能按2022年2号文的要求，于2025年数字化转型取得明显成效。

经营管理层达成了如上的三方面共识，即能有效制定解决方案去解决上述数据治理的三方面问题。

（一）优化数据治理架构

2022年2号文《数字化转型的指导意见》中对于数据能力建设的要求中，再次明确了数据治理工作的重要性：数据治理是数字化转型的基础。笔者建议依据2号文中“建立数字化战略委员会”的要求，在建立数字化战略委员会的同时，将数据治理委员会调整放于数字化战略委员会下，并将数据治理工作纳入数字化战略委员会的常态化议事议程中。另外，建议新设一级部门做为数字化转型办公室的落地部门，其工作职责中需包含数据治理的日常工作统筹推进职能以及考核职能，以数字化转型的整体要求明确数据归口管理的问题。

（二）数据质量控制重塑

确认各类基础数据的属主部门，明确数据质量问题整改的主体部门，并依此建立对属主部门及分管行领导的问责机制。按数据所属的业务属性分类，对不同的数据定义其属主部门，如对公客户数据、个人客户数据、账户数据、合同数据等按不同数据的业务属性形成数据分类，对应不同的数据属主部门，如：公司部、个金部、运营管理部、信贷管理部等，并建立对应的数据归属关系清单与归属关系明细，由各数据属主部门主动开展对其相关数据进行数据质量的日常管控工作。对数据的属主部门及部门的分管行领导建立其管控数据的数据质量问责机制：即发生数据质量问题时，数据属主部门与分管行领导需要配合数据归口管理部门完成数据质量问题的解决的全过程；如出现由于数据属主部门配合出现问题，以及引发其他问题时，需要对数据属主部门与分管行领导进行问责。

以问责机制为基础，对数据属主部门建立配套的数据质量考评体系以及绩效体系，推动数据质量持续提升。建立在数据属主部门数据质量问题整改情况的考评体系是推动数据治理工作的有效起点，建议对主要的数据属主部门按年进行数据质量问题整改率的考评，并纳入绩效体系中，即：部门数据质量问题整改率=当年数据属主部门整改的数据质量问题总数/数据属主部门相关的数据当年所产生的所有数据质量问题总数。同时在部门年终考评中，拿出2分考核分作为数据质量问题整改率是否达标的考核得分，制定每个部门数据质量问题整改率达标率作为考核指标，操作达标率即能得2分，不达标则该项考核得分为0。2分的考核分差距对部门年终考核来说将是巨大的挑战，各部门会非常重视数据质量的工作。

（三）完善数据标准管理

确认基础数据标准、指标数据标准的属主部门，明确数据管理的主体部门，并依此建立对属主部门及分管行领导的问责机制。梳理全行基础数据标准、主要的业务指标与口径，明确标准以及对应的属主部门，以此建立数据标准管理的问责机制，即数据标准的属主部门需要对数据的命名、类型、长度、计算口径等进行统一管理（包含数据标准的定义、修订、发布等），如发生数据标准问题则由属主部门负责。根据全行的管理能力与水平，择机建立数据标准管理、元数据管理平台，实现对本行数据资产的数字化高效管理。

特别的思考：22号文与2号文的关系

由于2018年22号文与2022年2号文在数据方面具有高度相关性，笔者对这两份文件做了关联性思考，经过整理我有如下发现并分享给大家：

2018年22号文作为数据治理的指引文件，可抽象出来如下5个重要的要素域来形成数据治理工作的逻辑框架：

1、组织架构：定义了以数据治理的组织架构与部门职责要求（指引中的第8-13条）

2、人才：要求建设专业数据团队与数据文化建设要求（指引中的第14-16条）

3、业务：利用数据做好业务能力提升、流程评估等要求（指引中的第21条、第38-47，49条）

4、数据：数据管理、数据质量等的具体要求（指引中的第17-28条，第29-37条）

5、技术：明确提出要依靠先进的技术（指引中的第48条）

2022年2号文作为数字化转型的指导文件，明确提出了组织（含人才）、业务、数据、技术，再加上风险防范是数字化转型工作的框架。我们可以发现：数据治理的框架与数字化转型的框架是一致的。

思考问题的方法很重要：总结出一套成体系的思考方法，形成可逻辑自恰的方法论，由方法论去拆解对应的工作，会起到事半功倍的效果，且还能有针对性的对拆解的内容进行相关性分析，帮助我们从横向与纵向的思考。数字化转型的推进过程，就需要建立这样的方法论去不断思考与推演，形成本行特色的数字化转型路径。