构建数据治理框架 实现数据价值提升

索建立人工智能平台，面向各业务领域应用提供人工智能　研发服务。　３．完善数据标准体系，着力提升数据质量。完善企业　级数据治理流程与管理机制，推进数据标准和质量管理平台　建设，梳理全行的数据分布和血缘关系，推进数据标准和质　量管理平台建设，实现企业级数据标准化；建立各类基础信　息资产的准入、更新等管理机制、流程及办法实施全生命周　期数据质量闭环管理，切实提升基础信息质量。　构建数据治理框架　实现数据价值提升　文『中国工商银行信息科技部巩垒　—上一数据时代下，一个企业掌握数据量的多少决　依托企业级数据模型整合基础金融数据，实现覆盖全行　的企业级金融数据模型，提供客户、产品与风险等维度的全　／　定着这个企业的未来发展，而用好掌握的数　据是给企业带来更大发展机遇需要研究的问题。大　数据正在社会的各行各业发挥着越来越重要的作用。　要充分发挥数据价值，首要解决的问题是做好数据　治理。很多企业已经意识到数据治理是有效发挥数　行统一视图；构建基于线上与线下相融合的客户标签体系，　支持全流程、实时的精准营销服务和主动智能的风险管控等　应用。　４．聚焦数据智能，引领业务价值创造。将大数据、人　据价值、满足多方位业务活动开展的前提。尤其是　在精准营销和服务客户、有效控制风险、提升内部　经营管理水平等方面更是有着不可估量的价值。构　工智能等新技术有机结合，在客户营销、风险管理、产品创　新和运营管理等领域打造拳头产品与核心应用场景。着力提　升关键产品、服务和流程的科技含量与智能化水平。　客户营销方而，依托“干人千面”的大数据客户画像，　构建与前端服务渠道的实时互动体系。通过网银、手机银行、　网络金融等多渠道实现精准实时的交互式营销及在线推荐服　务。风险管理方面，利用实时分析、大数据及人工智能技术，　结合内外部数据，通过对客户、账户和渠道的综合分析，构　建覆盖实时反欺诈、智能反洗钱、大数据风控等领域的全方　位、立体化智能风控体系。产品创新方面，根据投资者的风　险承受水平、财务状况、预期收益目标等要求，运用大数据　技术、人工智能算法，推出智能投顾服务创新；引入策略工　建数据治理框架并付诸实施，是实现数据有人管，　数据可以看得到、理得清、存得准、用得好，真正　发挥数据创造价值的良方。　建立数据治理的组织，负责数据治理　的制度和规划　随着数据治理工作逐渐做承视，企业需　一个　数据治理职能组织，由专业Ｉ，Ｉ勺业务和技术人员组成。　数据治理组织承担荇数据符删音的职责，承担数　据治理工作中规范和制度的制订，落实数据治理　的：【：作，同时开展数槲治　的桕应研究干¨规划工　具，搭建量化交易平台，逐步实现资金交易的模型化、自动化、　智能化。运营管理方面，探索运营大数据分析，唤醒海量运　营数据资源，对客户、产品、渠道、成本效益比进行深层次　联动分析。基于分析结果，聚焦关键流程环节，推动实现流　程自动化和智能化，提升流程效率。　作．以保障数据治理工作的顺利推进。如　ｌ所示，　在数据治理组织架构下，　商银行形成了包括数　据质城、数据标准等在内的一系列制度和僻理办　法．保证了数据治理工作的顺利”展．　５．加强业务科技融合，建设数据分析能力。分析师队　伍是数据应用能力建设的关键，只有培养自身专业化的分析　师队伍，持续提升数据分析和挖掘能力，才能够为业务转型　发展提供源源不断的创新动力。必须要加强业务科技融合，　将不同来源的数据进行有效整合，理　清数据的脉络　：Ｔ：ｆ１￣ｑ－Ｔ，来ｒ【　系统的教　对　、『１，ｎ勺　营分　析造成ｒ很大困扰，各类数ｉＪｋｉ＇Ｉ￣Ｊ来源和来　是管理　人　常提－Ｉｆ　ｉ¨质疑的地疗　、例　行在早圳分析某一　通过业务人员和科技人员的紧密协作，在各业务条线和分行　建立专职的数据分析师队伍；在全行范围内实施数据分析人　才培养工程，通过内外部专家培训，加快数据分析师种子人　才培养，实现分析能力的快速提升。　时问点甯户的“授信使用率”时．客户信息需蛰在　多个Ｉ　：理系统ｒ｛ｌ循环交互，井婴考虑各类信息在系　统中的分析计算问题。多系统信息的交互，必然对数据的　准确性、一致性提　了更高要求，微小的偏差都会导致分　析和决策出现问题　度，控制号码校验规则等来确保生成数据的正确性，这些　方法都在一定程度　可以控制数据的正确性　３．在事后及时监测错误数据，并及时纠改。部分数据　企业在日常工作中运用大憧的内外部数据，却不能有　效地对数据进行牾合，必然在使用过程中出现失误。如何　对大地数据进行整合、按什么样的标准进行整合，都是数　无法在事前、事中进行控制，只能通过事后监测和纠正来　进行治理。例如验证不同系统中同类数据是否采用了一致　的标准和规则，这些措施只能通过数据进入数据整合系统　据治埋中需要雨点关注的内容　、总体来说，以下几个方面　是数据进行整合必须考虑的要点。　时才能实施。　工商银行在２００８年就开始建立数据治理体系，目前　工商银行的客户信息（包括法人、个人）的完整率在９９％　１．建立数据整合的系统和模型是数据整合后能否有效　使用的基础。很多企业组建了数据仓库，目的是进行数据　以上，准确率达到９２％，在商业银行中位居前列。　整合和数据共享，实现企业级的数据利用。在进行数据仓　库建设时．就要对数据整合的模型、数据整合的粒度进行　考虑。例如在银行，对个人和企业账户是否整合至同一个　实现数据资产的可视化，实现数据看得到　企业建立数据仓库等大数据的捧础平台，并依托其提　供分析挖掘服务，支持决策分析、精准营销、风险管理、　客户服务等领域的工作丁Ｆ展，建立基于用户视角的数据资　实体的事例中，就要考虑账户拆分开就是集市，合并就是　仓库的需求。要从不同角度来区别对待，选择合适的粒度　进行枢合。　２．数据整合必须基于一定的数据标准。无规矩不成方　产统一视　，实现准确高效的数据展现、导航、应用等功能，　是提升数据分析能力的首要条件。一般来说，成熟的数据　资产视图，应该包括如下这些方面　网，无标准则数据无法整合。不同来源的数据会存在很大　的　。因此必须要有一个企业级的数据标准来约束数据　１．支持多维度的数据分类展示方式。可基于用户视角　进行个性化定制，同时能够提供数据的说Ｈ』］，例如数据包　含的内容，数据用在什么场景等，解决“数据是什么”的问题。　２．提供数据查询和检索功能。主要是对数据进行加　工、管理，并形成语义信息，提供模糊和精准的搜索、关　键词推荐等功能．帮助用户快速定位数据，解决“数据　在哪”的问题。　的各种要素，即使做不到各个源头标准的一致，也至少要　在数据整合系统中能有统一的标准。　３．错误和无效数据的识别和剔除是数据可用的保障。　错误和无效数据是影响数据使用的另一个障碍，因此在数　据进行整合之初就要对错误和无效数据进行识别，并将其　剔除（或者进行标记）。　３．要能提供数据链路的信息。例如以可视化方式把数　实现前中后的全方位数据校验和治理，将最　准确的数据存在系统中　大多数人对数据质量不太　视，要解决数据质量问题，　必须从整个数据流程中全方位斛决　、　１．从源头提前预防数据错误。系统设汁之初要考虑仓　＿才能保证数据的准确性，　ｌ有在设汁时考虑到数据使用　据从源系统到最终接口指标的整个路径给刻画出来，同　中的箭种情况，包括业务需求、监管要求等，才能确保数　据源头的正确　例女¨考虑特殊部门对数据的要求，在设计　时要考虑桐关字段不能为空；有些数据在设计时使用代码　选择方式，就能够避免手工输入带来的可能错误等。　２．从数据生成过程中保证数据正确。一些数据无法在　生成时进行控制，要考虑其他办法解决，比如在数据产生　过程通过校验来进行准确性和合理性的检查。控制数据长　５５　时将数据的服务形成不同的构件或　模型，能够满足不同人员的使用，　解决“数据怎么用”的问题。　工商银行已经建设了数据地图，　实现了“数据看得到”。但是在“数据　如何用”方面，仍在持续建设中。最　终将通过完善元数据的管理，实现业　务元数据、技术元数据、管理元数据、　安全元数据的统一管理和有机结合，　按照各种维度对数据进行管理、识别、　定位、发现、评估和共享，实现数据　资产“—表尽览”（如图２所示）。　充分用好海量的数据资源，　服务于不同的业务场景　治理数据是为了使用，没有使用　场景的数据治理是无本之木。因此，当数据治理完成后，　如何用好这些数据，如何服务于不同的使用场景，这是拥　提供了良好的参考数据。　有海量数据资源的企业必须考虑的事情。　１．应用于客户服务。利用海量的内外部数据，构建客　户分析模型，提供更个性化的客户服务。通过海量数据可　结语　数据治理不是一个临时　的运动。从企业的业务发展、　数据治理意识形成、数据治理体系运行角度，需要有长效　机制进行保证。企业要从机构上层意识转变着手，强化数　据治理的理念，通过营造数据治理的文化，确保数据治理　的落实执行。尤其在大数据时代下，如果还本着先建设后　以分析客户具体行为，勾勒出客户特征的“画像”，应用于　营销、挽留、客户诉求的处理和产品的提升等。备家银行　都在构建数据分析模型，以便形成客户“画像”，为客户提　供个性化服务。　治理的理念，不从数据的长远规划与规范管理着手，将会　使脏数据、错数据不断滋生，会对数据的整合、共享、使　用带来极大的阻碍。因此，必须要建设与治理并举，以数　据应用为抓手，通过充分利用数据于业务管理和业务经营　中，使业务部门切身体会到数据的作用以及数据问题对业　２．实现高效的风险管控。利用丰富的大数据资源和大　数据分析挖掘技术，全方位评估客户风险，有效提升风险　管控水平。充分利用本企业客户的信息，综合外部数据，　准确刻画客户的整体风险情况。对贷款人的数千个信息线　索进行甄别，以确定客户是否具有更高的还款能力，降低　贷款损失风险。银行已将数据治理应用在信用风险评估、　精准营销等场景。　３．提升企业经营水平。基于各类结构化、非结构化数　据，利用大数据采集分析挖掘技术，提高企业经营管理能力。　即使在企业内部，准确的海量数据也一样有用武之地，能　务分析与决策的影响，促进数据质量的改造，推动数据治　理的建设。四　《　南　够有效地提升经营管理水平，包括工作效率、绩效考核等等。　一些大型银行利用大数据技术分析，发现一起享受工间休　【２】陆顾新陈石军王立　息并相互交流的员工工作效率更高，据此调整集体工间休　息，此后员工表现提升了２３％。这些数据给企业文化建设　机械工业出版社，北京　最等，　编２０１著６：一（—　１７《银■行■数●据■质■量—■》●，　■■—＿一　５６