
国内银行业数据标准化十年之路
银行经营资金,而资金往往用符号、数据来表达,因此从本质上来说,银行生产数据,同时也消费数据。与任何一个生产型企业一样,产品质量是企业的生命,数据质量也是银行的生命。然而,在多年的信息化进程中,银行业饱受数据质量的困扰,数据缺失、数据冲突、数据不准确……银行的经营管理受到严重制约。
在不断扩大的信息化建设规模中,关注系统功能的同时,如何确保数据的完整、准确、及时,已经越来越多地受到重视。数据治理(Data Governance, 又译数据管控)提上企业治理日程,如何为经营管理营造健康的数据环境成为各家银行关心的问题。而数据、信息的标准化是加强数据治理和管控中最基础的工作,是保证数据一致性、实现数据共享的关键措施。
2004年中国建设银行首次提出银行业“数据标准化”概念,开启了银行业数据标准化建设进程。
纵观国内银行业数据标准化进程,基本遵循了“全面规划、标准先行、分步实施”的策略。
中国建设银行
中国建设银行从2003年开始成立专职的部门推进数据标准化工作。时值建设银行启动重组改制上市进程,为配合这一战略性转型,保证跨系统数据的一致性,建行启动了数据标准建设工作,这一工作也首次得到企业层面的重视。
经过10多年的努力,建行在数据标准领域取得了初步成效。建立了数据管控部门与业务部门、IT部门之间关于数据标准管理、维护的协同机制和工作流程,并将这一流程落实应用到新一代核心系统转型当中,保证了数据标准管理工作的有效组织。适应业务、信息系统建设的需要,制定发布了一系列数据标准,形成了基本覆盖全行业务的数据标准体系,并应用于业务需求描述、信息管理及信息系统开发。
建行极为重视数据标准的执行,优先强调战略性系统、重点系统标准的执行。作为数据一致性保证的重要举措,建行把基准数据(Reference data)管理与数据标准紧密结合。对于企业最核心、跨系统共享程度最高的数据,例如行业类型、币种、客户编号、产品编号、机构编号等,不仅通过制定数据标准来约束对它们的使用,还对其取值进行严格的管控,实施集中的生成与分发,用最大的管理力度和最小的成本确保这些数据在全行跨系统的一致性。
中国工商银行
早在2008年工行就开始谋划企业级信息系统规划,并将数据治理作为重要内容加以研究和推动。2010年工行全面启动信息标准化工作,经过近一年的建设,搭建完成整套的数据标准管理体系,并基于此逐步扩展到其他数据治理领域。为此,工商银行成立了由行领导挂帅的数据治理管理委员会,由数据治理管理委员会统一领导数据治理的工作;成立数据治理综合部门作为数据治理管理委员会的办事机构,负责企业的数据治理综合管理。工商银行自实施数据治理工程以来,在多个方面取得了丰硕成果。
I.数据标准方面
在数据标准的落实方面,工商银行在客户信息治理、规范行业分类、规范科目使用等数据治理方面采取了行之有效的措施,落实客户、产品、行业、科目相关的重要标准。
II.数据质量方面
在数据仓库部署业务检查规则和技术检查规则,周期性地对数据仓库的数据质量进行检查,同时还建立了数据质量指标体系,对业务和技术指标采取分层加权计算的方法,实现对数据仓库数据质量情况的量化评价。
III.数据标准应用
将数据标准与业务发展紧密结合,一是基于客户数据标准实现个人和对公客户统一视图,建立了统一的个人客户星级视图评价模型;二是开展精准营销,实现营销活动的闭环管理;三是精细化管理,为全行的绩效考核管理提供了标准化的指标定义;四是全面风险管理,基于风险类标准建立了客户评分模型和账户评分模型,进一步实现了个人客户综合授信管理。
光大银行
光大银行成为第一家实施数据标准化的股份制银行,形成了以科技战略委员会下的数据标准化小组为管理组织,运用“六位一体”应用体系方法,稳步推进标准体系应用。
光大银行制定了数据标准的五年规划并展开实施,秉承定义、执行、监督检查三者并重的原则,先后完成了客户、产品、渠道、交易、关键统计指标、内部机构以及风险主题数据标准的定义。2009年基于客户数据标准,推进全行对私统一客户管理系统(ECIF)的建设。2010年基于风险新资本协议相关数据标准推进了RWA数据集市建设。2011年完成了全行渠道类型数据标准在各交易系统中的落地改造,促进多渠道客户信息共享,有效分析客户利润贡献度,提升个人客户服务质量与效率。
成功经验总结
从国内银行数据标准化实践来看,有很多成功经验值得吸取和借鉴。
1战略清晰,稳扎稳打
无一例外,各家银行都充分认识到数据标准化开展的困难性和复杂性,在数据标准的实施策略上大多采取“全面规划、标准先行、重点突破”的原则。将数据标准作为数据治理大工程的基础性工作,以提升数据质量为核心目标,不唯求快,而求扎实有效,循序渐进,不断完善。
2一把手工程,专业组织运作
从实践案例可以看到,领先银行的高层领导对数据标准化非常重视,往往亲自挂帅督办,可以毫不夸张的说,数据标准化工程就是“一把手工程”,是公司治理的重要基础。同时,由于数据标准化专业性的特点,它往往需要联系业务、IT等多个条线和部门,需要专业化、专职的团队来持续运营和跟踪,所以几乎所有领先银行都建立了专职的数据标准管理部门。
3发挥价值,重在执行
每一家领先银行都高度重视数据标准的落地执行,在落地执行的方式和策略上优先考虑与具体业务紧密结合。所以在核心系统转型升级、风险管理、客户信息管理、精准营销、交叉销售、监管报送等多个重要的业务领域都可以看到数据标准正发挥着基础性的作用和价值,这也是数据治理要实现的目标,将数据转化为企业的战略资源。
在民生银行党委委员林治洪在2015年6月的数据标准工作会议中,明确提出“数据标准化工程是民生银行执行凤凰计划、二次腾飞的基础”。信息管理部牵头的数据标准项目在总结前人的基础上,正在不断追求自我超越,力图以最优化的路径、最高效的方式打造一个更完美的数据标准生态环境。我们心目中的数据标准工作不再仅仅是一个枯燥的平面,它将因为与大数据、与业务过程、与人的不断连结而变得丰满起来、立体起来。
目前随着针对不同业务领域的数据标准陆续发布,在不同层面上的数据治理活动也逐步展开,标志着民生银行数据标准化进程迈入到全新阶段!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08