中电金信数据治理白皮书

日录日录CONTENT序言 2 3一.数据资产体系下的数据治理理解1.1数据资产管理是数字化转型下的新要求 51.2数据治理是数据资产管理的基础 6二.金融数据治理概述2.1数据治理概念 2.3新形势对数据治理的要求 2.4数据治理解决的问题 2.5数据治理体系框架 三.数据治理建设思路 3.2整体规划：体系规划驱动的建设方案 3.3基础保障：数据标准驱动的建设方案 3.5急用先行：监管报送驱动的建设方案 3.6事半功倍：新一代系统驱动的建设方案 四.数据治理产品能力框架4.1数据治理产品建设重点 4.2数据治理产品建设方略 五.数据治理最佳实践5.1某国有金融机构实践：正本清源，新核心建设与数据标准融合 5.3某地方性金融机构实践：数据治理融入数据开 六.数据治理未来趋势6.1数据开发治理变成抓手 6.2数据资产运营成为热点 6.3数据安全治理渐受重视 6.4数据交易流通形成趋势 核心观点数据资产体系下的数据治理核心观点先进性：云原生与大数据技术的趋势下，技术底座的先进性决定了产品的生命周期。通用性：无论是集团还是独立企业，新时代下业务生态都在发生极速变化，底层设计的通用性可避免产品颠覆式的修改，而通用性最常见的实现方式来自于行业经验积累和成熟的产品交付体系。中电金信《数据治理白皮书》,是数据资产管理体系下针对数据治理的专项白皮书，本文在简述数据资产管理方法论后，将聚焦在数据治理的理念与实践上。数据资产体系下的数据治理数字化转型的核心是释放数据价值，实现数据驱动业务的转变，最终推动业务创新发展与新模式增长。新冠疫情的全球大流行催化了在线办公、在线商业服务的转型；企业和政府开始将数据基础设施向云上迁移，金融科技、数字政务、智能制造的规划逐步落地，各行各业数字化转型初见成效。探索数据资产定价机制，推动形成数据资产目录….建立健全数据资产评估…"。2022年6月中央深改委通过的《关于构建数据基础制度更好发挥数据要素作用的意见》明确提出建立数据产权制度，建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制。数据成为一般生产要素，作为生产资料投入到生产中，算法和算力成为新的生产工具，实现了数据智能驱动，而网络和数据打破了原来流程化的限制，构造了新的生产关系。在企业的数字化转型中，化转型成功的关键点。一方面，在数字化的商业形态和生产运营方式下，数据成为企业最核心的资产，这对企业的战略制定和运行决策机制、产品创新、营销和风控都提出了基于数据的、与从前截然不同的要求。另一方面，由数字化业态带来的海量、多类型、多维度的数据归集和整合方式、数据分析和使用模式、以及基于数据的商业创新，是企业数字化转型中必须考量的重点内容之一①。因此，作为数据管理能力深化与延展的数据资产管理，成为了数字经济发展数据要素市场和推动数字化转型下的新中电金信数据治理白皮书中电金信数据治理白皮书中电金信数据治理白皮书中电金信数据治理白皮书1.2.3.数据资产管理的难点是数据确权以及定价理论和政策输出提供支撑。就数据权属难题，企业普遍实行完善的确权认责体系和数据分类分级制务方式给出评价⑦。1.2.4.数据资产“1+2+3”管理体系数据资产管理应以促进数据流通和实现价值创造为主线，以数据的生产要素特性为视角，以优化据可管控。这就需要持续深化数据治理工作，搭建数据资产管理工具，建立持续的数据供给基础和能数据资产管理平台数据安全合规体系中电金信数据资产管理体系(图1)1.2.5.数据治理为数据资产管理奠定基础并在经营管理中充分发挥价值的动态过程。探索新境界⑩。(一)启蒙阶段(二)蓬勃发展阶段些要素为各数据管理功能提供了重要的支撑和保障。(三)大数据时代下的新境界维护数据。二是利用好大数据，依托算法和算力对大数据进行深度挖掘从而产生知识。梅宏院士在·2018年5月，国标委颁发了数据管理能力成熟度评估模型(DCMM),把组织内部数据能力划分成(一)监管报送的要求国银保监会银行业金融机构监管数据标准化规范(2021版)(EAST5.0)》等，对金融机构监管报送提出(二)数字化转型的要求(三)数据产品/服务的要求(四)敏捷数据开发的要求(五)数据安全合规的要求(一)数据可用性(二)数据安全性中电金信数据治理白皮书中电金信数据治理白皮书成熟度大盘中电金信数据治理体系(图2)中电金信数据治理白皮书中电金信数据治理白皮书数据治理建设思路数据治理整体实施路线(图3)数据治理文化宣导数据治理文化宣导事实上，从数据治理的不同目的出发，数据治理建设道路在实际决问题的视角拆分，大致可分为4个方向：2)标准先行，确定数据准入与改进的方向，解决抓手问题。3)局部改进，寻求数据治理的最佳性价比，解决效率问题。数据治理在国内金融行业已经有20多年的实践了，也积累了很多成功的经验，但企业在开展数据以体系驱动的方案是自上而下建设的，能够帮助企业达成对数据治理全貌的理解和共识，有利于推动后续工作开展。具体实践过程中需要与实际情况结合，以实际数据质量问题为抓手，不断提升数据质量甚至业务质量，最终实现数据价值。数据治理保障机制除顶层的战略支持外，还包括数据治理组织架构、数据治理管理办法、数据治理管理流程。数据治理平台是落地数据治理活动的载体，一般由数据标准管理模块、数据质量管理模块、元数据管理模块、数据治理门户等组成。数据治理活动包括：数据标准管理活动、数据质量管理活(4)所示：金融业数据治理体系-整体框架(图4)体系驱动的数据治理方案一般建设流程包括：现状调研和差距分析、数据治理成熟度评估、数据治理体系规划、数据治理实施路径建议。如下图(5)所示：数据治理体系建设数据治理的另外一种建设模式是选择某个或者某些专业领域开始专项建设，一般可选取：元数据管理、数据标准管理、数据质量管理、数据资产梳理等。元数据管理可以考虑跟资产梳理结合，数据质量管理要结合业务场景譬如监管报送场景，数据标准管理需要考虑标准的落地。另外，随着近年国产数据库迁移的大趋势，通过数据标准梳理，在国产数据库中落地数据标准也是一个很好的数据治理抓手。数据标准驱动的服务方案一般包括如下活动：现状调研、标准设计、标准映射、标准执行和标准管理。如下图(6)所示：母号搜集业务需求；《现状分析报告》《现状分析报告》现状如何标准管理《数据标准管理办法》收益预测制定落地方案议落地实施等 确定标准落地范围数据标准咨询-数据标准落地步骤(图7)更新数据标准。下图(8)所示：主动发现问题明确提升目标、系统估维度、指标权重、度量规则，形成定制化的数据质量评分话量问题问题分类·问题归纳、确认，剔除非数据问题，明确问题处理大数据平纠错监督检查监督检查·持续监控问题解决结果是否达到预期效果·定期发布数据质量评估报告响分析收集问题系统历史数据问题(无论是否解决)新数据问题根因分析源系统整改改持续优化持续优化机，推动源系统改造提升方案案数据质量闭环管理机制(图8)●数据属主部门：某范围数据在企业中的归属主管部门，例如某行的个人客户信息数据归属零售业务部主管，或者某个报表业务需求方。●数据开发部门：由于业务活动产生数据的系统管理部门或负责某张报表开发的部门。●数据录入部门：数据的原始录入部门，例如录入客户信息的员工归属部门或数据补录部门等。质量考核评估可以从如下维度进行设计：●对我行整体数据质量情况进行评价，形成评价体系(数据主题、属主、质量维度等);●对各研发团队在质量整改过程中的工作进行评价，形成考核体系(当月问题整改率、按时反馈率等);●对部署的质量规则进行评价，形成考核体系(有效率)。主数据类型关键代码管理体系·迁移数据质量提升方案质量管理体系中电金信数据治理白皮书中电金信数据治理白皮书有银行与保险类金融机构。的建议。证标准落地一致性。如下图(10)所示：设计开发阶段现数据资源的有效管理、有效管系统设计系统设计数据治理建设方案(图10)中电金信数据治理白皮书中电金信数据治理白皮书中电金信数据治理白皮书中电金信数据治理白皮书如下图(11)所示：数据治理产品能力大图(图11)(一)定基础：构建“根深柢固”松耦合、组件式的技术基因(二)绘蓝图：绘制“捷足先登”满足云原生要求的发展蓝图