数据治理

数据治理的发展历史

“数据治理”的历史发展可以分为三个阶段。

第一阶段早期探索，2002 年，数据治理概念首次出现在学术界，美国两位学者发表题为《数据仓库治理》的研究探讨了 Blue Cross 和 Blue Shield of North Carolina 两家公司的最佳实践，由此拉开了“数据治理”在企业管理中的大幕。

第二阶段理论研究，2003 年 DGI(国际数据治理研究所)成立，研究数据治理理论框架，与 ISO 国际标准化组织对数据管理与数据治理进行定义。2009 年，DAMA 国际发布 DMBOK 数据管理知识体系指南，至此数据治理的理论框架基本固定。

第三阶段广泛接受与应用，伴随着数据仓库的建设，主数据管理与 BI 的实施，国内也逐步开始接受并利用数据治理的概念进行推广实践。我国数据治理之路在 DMBOK 基础上不断延伸和扩展，在 2015 年提出了《数据治理白皮书》国际标准研究报告。

企业数字化转型依托于数据治理

在 ABC（人工智能、大数据、云计算）技术的创新驱动下，越来越多的企业开启数字化转型之路。新兴金融科技也逐渐应用到客户服务、业务受理、信贷流程、运营管理、风险管理和经营决策等银行核心业务之中。数字化转型的一切围都绕着数据，包括但不限于数据的获取、沉淀、运用和洞察。有效的数据治理体系是保障，健全统一的数据标准是基础，不断完善的数据质量控制是方法，持续优化的数据应用是目标。有效的数据质量控制有利于客观的分析和决策，有效地管理数据是银行实现数字化转型的基础。

数据治理体系框架

2018 年 5 月 21 日中国银保监会正式发布的《银行业金融机构数据治理指引》全文共 7 章 55 条，强调了数据治理架构的建立，明确了数据管理和数据质量控制的要求，还明确了全面实现数据价值要求，要求加强监管监督，与银行的监管评级挂钩。

至此，数据治理工作不再仅仅是监管报送部门、或者信息科技部门的工作，而是全行性的、上至董事会高管层、下至数据采集人员、录入人员，需要做到人人有责，层层把关。

银行如何应对数据治理监管？

开展数据治理工作对不同的角色或部门来说都是一项新兴而持久的挑战。如何有效的应对，我们可以从以下几个方面来看。

• 对合规和内审部门来说，如何规范化标准化地开展数据治理评估与审计工作是一个新的课题。从哪些方面进行评估，评估的维度有哪些，评估的标准如何定义，评估的范围如何选择，这些内容其实急需业内专家共同的讨论，逐步细化，明确标准。

• 对数据治理的归口部门或相关的从业人员来说，数据治理是一项长期的、动态的工作，而且是类似“装修”的隐蔽工程，是一项“脏活、累活、苦活”。如何将数据治理的价值和成果显性化，将数据治理工作拆分为不同的模块和任务，进行逐步的推进和落实。如何将数据治理从管控式理念模式向服务式理念模式转换，是一项智慧工程。

• 信息科技部门的人员来说，数据治理的工作涉及到信息系统建设的方方面面。信息科技部门在考虑银行整体信息系统架构的同时，还需考虑数据架构如何设计的，IT 领域的数据治理的工作如何配套开展。如数据管控平台如何定位，数据管控平台与各源系统、数据加工分析平台之间的关系是什么，什么样的信息系统建设流程是符合数据治理要求规范的。

• 对各业务部门来说，数据治理绝不是“与己无关”的一项工作。数据治理工作是贯穿于数据产生、使用和销毁的全生命周期中的各个环节。作为主要的业务数据输入端，业务及一线部门扮演者重要的数据质量控制角色。数据质量的好坏直接影响数据分析的结果是否准确，而机构层面数据标准是否建立，各业务和管理领域的数据标准是否一致，也将影响着在使用数据的时候需要花多大的代价来进行数据标准的统一。

结束语

各企业都会根据自己的现状有自己的实践，但是就具体的数据治理顶层设计、数据管理制度体系的制定、如何设置相关的数据治理考核体系、如何制定数据标准保障数据标准的落地、数据资产目录的梳理、数据管控工具的建设、数据安全如何实践、数据架构如何设计、数据治理与银行正在建设的数据仓库或数据中台有何关系、数据审计如何开展、审计报告如何出具等等众多的问题可能都有不同的理解或者还存在相应的困惑。

数据治理工作是一项功在当代，利在千秋的事业，在这项持续的工作中，未来的路可能是艰辛之路，但也是信心之路，最终必将是一条胜利之路。