• 快捷搜索
  • 全站搜索

征信系统数据质量系统化管理研究

2017-12-04 15:29:22作者:中国人民银行营业管理部 冯巍威编辑:金融咨询网
人民银行征信系统经过近20年发展,其权威性和可靠性得到广泛认可。但随着接入机构增多,采集数据范围和业务量大幅拓展,征信数据质量面临较大挑战,迫切需要从系统化角度加强技术手段管理,建立数据质量保障长效机制。

人民银行征信系统经过近20年发展,已成为世界上最大的征信数据库,持续稳定且高质量的数据使其权威性和可靠性得到广泛认可。但随着接入机构增多,采集数据范围和业务量大幅拓展,征信数据质量面临较大挑战,迫切需要从系统化角度加强技术手段管理,建立数据质量保障长效机制。

征信系统数据质量管理目标及面临的挑战

  1.管理目标。征信数据质量管理目标与系统化管理一般原则相通,均为利用系统化方式实现对信息的真实有效呈现,具体到征信系统,即为确保征信系统采集的信息与业务实际一致。在实际操作中,将“一致"细化为及时性、完整性、准确性三个方面。及时性指征信数据应在发生后及时上报,目前,人民银行征信系统要求“T+1”更新,即为业务发生下一工作日上报有关征信数据,无迟报情况;完整性指按照征信系统数据采集口径,将各类已结清和未结清业务信息全部上报,无漏报情况;准确性指已上报的征信数据各项信息与业务实际相符,且满足征信系统数据采集规范标准。

  2.面临的挑战。征信系统全口径的数据采集范围、多环节的信息交互机制及日益增多的接入机构给数据质量管理带来较大的业务难度及挑战。征信系统采集业务类型全、数据项多,涵盖金融机构表内外各类信贷业务,包括每类业务全生命周期,数据录入及转换具有一定复杂性。同时,征信数据报送要经过信息录入、报文上报、加工处理等多个环节,任一环节延迟或出错均会导致数据质量问题。此外,近些年,征信系统接入机构类型和数量大幅扩展,除传统金融机构外,小额贷款公司、融资性担保公司等非金融机构大量接入,截至2015年底,接入征信系统的两类机构分别为1579家和1660家,其中较多机构规模小、人员少、内部管理不完善,征信数据质量难以得到有效保证。

征信系统数据质量管理现状

  1.人民银行采取多层面措施对征信数据质量进行规范管理。首先,人民银行制定了标准化的企业及个人征信数据采集规范,规定了各类型数据内容、长度、位置及状态,设计了报文级、信息记录级和数据项级校验规则,奠定了征信数据质量基础。其次,对金融机构征信报数程序进行可用性验证,下发各项业务资料,开展接入机构工作人员操作培训,严把数据质量关口。再次,按照一定规则,对已入库数据进行异常筛查,与征信产品应用及客户异议受理渠道联动,及时发现并有效解决数据质量问题。最后,从及时性、完整性和准确性三个方面,按季度对征信系统接入机构数据质量进行量化考核,评估并有针对地提升数据质量水平。

图片1.jpg
图 征信系统数据质量管理情况示意

  2.征信系统接入机构在数据报送各环节能较好遵守各项数据质量要求。在征信报数程序部署方面,征信系统接入机构根据业务量及本机构信息化水平,选择部署了符合征信数据采集规范的报数程序,部分机构已实现征信数据的自动提取和转换,并开展全面内部测试,为征信数据质量提供有力技术支撑。在日常征信数据报送方面,大部分机构将各类型业务与征信数据采集口径进行逐一对应,及时生成并上报报文,注意接收反馈报文并处理校验错误,确保征信数据质量稳定。在配合征信数据质量管理方面,各类征信系统接入机构基本能通过客户异议、人民银行异常数据筛查和定期考核,以问题为导向,查缺补漏,在业务管理上保持较好的数据质量。

不足之处

  1.数据质量管理理念有待改进。目前,征信系统数据质量工作侧重于人民银行事后管理,金融机构并未树立起从源头抓好数据质量的意识,同时,对数据报送过程的管理重视不足。人民银行事后管理时滞长、环节多且自动化程度低,难以及时预警并精准定位数据质量问题,随着接入机构的不断增多,管理效果有减弱趋势。金融机构未充分认识到保障征信数据质量的主体责任,仅完成了报送行为,忽视从源头对数据质量进行管控。同时,各项征信数据管理工作偏重于对报送结果进行评估,而并未对数据报送过程进行监测和分析,难以从根源上提升数据质量管理效果。

  2.尚未形成系统化的数据质量保障体系。虽然人民银行和征信系统接入机构在事前、事中、事后均采取了一系列措施对数据质量进行管控,但各环节管控力度、方式及环节间衔接均有待改进。各项措施集中于事后管理,而事前和事中管理不足,管控方式上存在一定的“空白”和“重叠",如缺少对征信数据及时性的细节化管理,难以准确定位未及时报送的数据,完整性和准确性的多项管理措施重叠且效果不明显,耗费大量管理资源,但难以有效解决数据质量问题。整体来看,目前,尚未按照征信数据报送特点,形成系统化的数据质量保障体系。

  3.数据质量管理的技术化手段应用不足。征信数据有着业务量大、数据项多、通过报文进行交互的特点,但目前,大量的数据质量管理工作仍由手工操作完成,不仅效率低,而且难以定位问题。在征信数据流转过程中,数据以表单形式存储于征信系统接入机构报数程序后台,通过报文形式交互至征信系统,因而,在两端均有全量数据,且征信报数程序后台会记录更多操作数据,但技术分析水平不足,对明细数据的核查,仍只能逐笔进行查询,尚未对数据进行自动化统计分析,人工核查繁琐且效率低下,难以及时发现和解决数据质量问题。

有关建议

  1.建立系统化征信数据质量管理理念及体系。按照征信业务规则及数据流转环节,清晰界定各参与方数据质量管理权责,进而建立系统化数据质量管理理念及体系。征信系统接入机构负有保障数据质量的主体责任,由其在报数程序部署、数据录入、数据报送等环节确保数据准确无误。人民银行负责对已上报征信数据进行正确加工和及时反馈,并向接入机构提供入库数据筛查、批量数据返还等业务支持。两方密切配合,各环节衔接,最终形成稳定、高效的闭环数据质量管理体系。

  2.征信系统接入机构应从源头对数据质量进行技术化、规范化把控。征信系统接入机构应依托征信报数程序,利用技术手段上线数据质量前置管理模块,对征信数据报送流程、报送结果及异常情况进行规范化管理。将报文生成、上报、反馈及错误处理全流程进行归集,并对各时段报送数据进行分类汇总,监控数据报送流程和及时性情况;分类统计已上报的征信数据,与业务实际进行比对,确保征信数据完整上报;通过已录入未上报、到期未结清、业务金额过大等规则,实施数据库扫描策略,筛查异常数据,提升征信数据的准确性。

  3.人民银行应加强对征信数据报送过程及已入库数据的自动化、动态化管理。人民银行应加强技术和设备投入,总结数据质量管理经验,对征信数据报送过程及结果进行自动化监控,并动态调整监测指标及实施策略。一方面,对征信系统接入机构数据报送过程进行监测,及时发现、推送并跟进征信数据加载问题,有针对地优化征信数据采集规范及有关业务文件;另一方面,通过业务规则,对已入库数据进行高频次、多维度筛查,将问题数据按机构进行推送和跟踪,并引入系统学习机制,逐步实现对征信系统接入机构及数据质量问题的分级、分类管理。

(文章来源:金融电子化杂志)

扫码即可手机
阅读转发此文

本文评论

相关文章