面向大数据和智能化的数据资产管理

以BAT为首的互联网企业对数据资产价值的重视由来已久。以阿里为例，2012年7月设立首席数据官岗位（CDO），其“聚石塔”平台为天猫、淘宝平台上的电商及电商服务商等提供数据云服务。互联网企业数据资产的有效运用极大地带动中国传统企业融入大数据、智能化、云计算的技术创新浪潮中。同样，随着Alpha Go成为全球人工智能发展的新标识，借助人工智能开展金融创新应用也成为城市商业银行的研究热点。无论是大数据平台服务的构建，还是人工智能的运用，数据都是决定这些上层建筑高度和质量的基石，各家城商行总会面临如何保障数据一致性、完整性、准确性、安全性、可用性等数据资产的管理问题。

 
江苏银行信息科技部资深IT经理 林凌

        江苏银行数据资产质量管理经历了从零开始建设类数据仓库、借力平台化项目推动企业级数据标准，以及大数据智能化环境下的数据治理三个阶段，采取了“集中、标准、治理”为关键词的三步式管理策略。本文以分享和学习的心态与同业探索面向大数据和智能化的城商行数据资产管理之路。

从零建设类数据仓库

        江苏银行由省内城市商业银行合并重组，于2007年1月正式成立。成立之初，伴随报表系统建立了ODS系统，多年以来，ODS承担了从各源系统采集、加工、存储、分发和构建报表应用等功能。数据存储采用贴源层、基础主题层、中间层和应用层的类数据仓库模型架构。

        ODS建设时期数据资产管理的关键词是“集中”。一方面借助ODS将一个个信息系统孤岛里的数据整合起来，实现统一的数据全生命周期管理。另一方面，以财务和监管报送为主要目标开展数据治理，对于数据质量的要求偏重于财务报表的总分相平。这个时期除了关键数据实现了标准化治理，客观存在不同上游系统执行不同数据标准、不同部门的业务统计口径有差异、全局性参数的录入规范和质量参差不齐的现象。

借力平台化项目推动企业数据标准化建设

        2013年底~2015年，江苏银行应用系统建设进入“井喷期”，快速迭代的应用系统开发让科技部门重新审视架构。这一时期也成为了从分散化业务处理系统向平台化业务系统的转变时期。

        平台化建设时期数据资产管理的关键词是“标准”。期间历经多类基础建设，包括：ESB企业总线规范了系统间服务调用，实现渠道号和服务号的统一；ECIF企业客户信息系统，形成全行客户信息的基准；参数管理平台，形成机构号和员工号的基准；产品平台统一管理产品信息。这些系统的上线和推广也是一次信息归集和标准化的过程。

2014年，在全行绩效考核系统建设中，确定了各条线分管的业务口径标准，再一次运动式地全面梳理和规范了业务系统间对账口径、对接各基准数据平台的流程。同年，银监会EAST项目成立，将数据质量上升到监管合规的高度。与平台建设同步进行的是数据标准的制度化建设，江苏银行于2014年在风险管理部下设数据管理团队，制定了数据标准和管理办法。

大数据智能化环境下的数据治理

        2015年10月，夏平董事长正式确立了利用大数据实现弯道超车的发展战略，将大数据应用提升到全行发展的战略层面。自此，数据应用的广度、深度再次上升了一个台阶。从广度上看，外部数据大量引入，内部客户行为、影像等半结构化、非结构化数据不断丰富，数据规模空前膨胀。从深度上看，数据挖掘、机器学习的开展，数据资产的价值日渐凸显。对数据的整合、分析和应用越深入，数据质量带来的挑战愈发明显，这一时期数据资产管理的关键词是“治理”。

        数据治理工作并没有一套四海皆准的实施方法，商业银行之间体量和历史背景的差异也使我们不能照搬同业套路。江苏银行在数据治理工作的不断探索中，总结了一套适合自己的工作流程。

        1.建立机制，组织推动。组织建设的关键在于得到高层领导的重视。江苏银行成立了数据治理工作组，业务和科技共同建立高效的常态化协调推进机制。具体讲，江苏银行将数据问题分为科技和业务两类，分别规定了两类问题的总体解决路径和协调机制，由首席信息官领导，风险管理部和信息科技部牵头，并在总行各部门设立数据治理分管领导和执行成员，负责本部门数据问题的跟踪、推进和解决。每个问题确立主办、首问负责。同时将数据治理任务纳入部门考核，每季度将当季数据治理进展情况通报全行。

        2.“六号”抓手，体系推进。商业银行的数据体量大、种类多、来源广，数据问题的治理必须要选好抓手、成体系推进，才能做到有的放矢，否则就像大海捞针一样漫无目的。江苏银行选择对大数据和智能化应用中至关重要的客户号、产品号、机构号、渠道号、员工号、手机号等“六号”作为数据治理抓手，分阶段重点推进“六号”问题的解决，并组织编写“六号”对应主系统的数据校验规则，每日进行数据质量的批量校验。

        3.内部治理，外部优化。大数据背景下银行除使用自身产生的内部数据外，还引入了大量外部数据，数据治理的范畴也应随之扩展为兼顾内外部数据。基于非本行产生的特性，外部数据治理显得尤为困难，更现实的路径是优化其在本行的应用方式。针对外部数据应用中常见的数据错误、数据时效性等问题，一方面对重要外部数据采购备用数据源相互佐证，另一方面采取数据松耦合、异步处理等方式，优化业务应用流程，避免外部数据问题影响业务运行。 

        2017年上半年，江苏银行组织信息系统“捉虫”行动，一方面从各业务条线和分支行征集对客户体验影响度大、波及范围广的数据质量问题，一方面内部自查，借助银监EAST报送数据质量检查工具，主动排查数据一致性完整性的问题，并进行重点治理。以客户信息为例，由于江苏银行是多家城商行合并重组而来，存量数据的质量参差不齐，客户一户多号和三要素不一致的问题较多，直接影响客户管理和监管报送。针对此问题，数据治理工作组首先定位问题产生的源头，对行内系统开户流程进行普查和整改，加强开户交易的前台校验，并对各系统和ECIF之间的交互流程进行了优化，从源头上避免新的问题数据产生；对于存量问题数据，科技部门首先通过证件号编码规则批量校验客户信息合法性，同时更新缺失或错误的地址、性别等信息；再通过外部数据，对诸如三要素、地址、手机号等基本信息验证其准确性，验证之后对可自动校正的信息进行更新，重复客户经业务审核确认后进行归并，需要再进一步核实的客户，主管业务部门下发到分行进行人工核实；最后，将无法联系且行内无活动账户的客户置为不动户。经过此番科技和业务的协作整治，全行客户信息质量大为改观。

        经过全行上下的持之以恒、群策群力，江苏银行数据资产质量得到显著提升，在数据应用方面，无论是行内产品创新和监管报送都更为得心应手。以银监会EAST数据报送为例，江苏银行连续两年报送质量在江苏省名列第一，2016年荣获中国银监会颁发的“监管标准化数据报送优秀组织单位”奖。

        展望未来，以“大数据、智能化、移动互联、云平台、区块链、物联网”等为特征的新技术将会被各行各业广泛应用。比如物联网金融借助物联网技术整合商品社会各类经济活动，将金融服务创新融入物理世界，可以创造出更加自动化和智能化的商业模式，可能会成为下一个金融创新风潮。物联网的本质是M2M，即“机器”和“机器”之间的对话，其核心是软件系统之间的互联互通、数据共享和交换。面对“万众创新”的热潮，江苏银行在扎根数据质量管理的基础上，提出了面向未来的数据治理新方向和新策略，即“共享、价值和资产”。期待能够借助先行优势，积极参与金融物联网数据交互标准的制定，将数据质量管理成果运用和共享到更广泛的领域和同业，通过智能化建设，激活数据资产。

（文章来源：金融电子化杂志） 

扫码即可手机
阅读转发此文