“做好金融大数据治理与服务 国家开发银行的大数据治理探索与实践”

本篇文章4212字，读完约11分钟

大数据时代到来，“导游”登场正是时候。

大数据的概念从提出到快速发展只有不到十年，大数据的应用已经给世界带来了一系列巨大的变革，大数据几乎对所有行业都产生了重大的影响，直接引起了智能解体等先进的科技行业。 年，我国在国家《第十三个五年计划纲要》中明确了“实施国家大数据战术”。 年12月，习近平总书记在中央政治局就国家大数据战术的实施进行第二次集体学习时表示:“大数据迅速发展，日新月异。 我们应该看清形势，精心计划，积极配置，积极努力，推进国家大数据战术的实施”。 而且，习近平总书记要求:“数据的取得、数据的解析、数据的运用很好，是指导干部工作的基本功。”

随着“国务院金融稳定发展委员会”的成立以及银监会和保监会的合并，在“一委员会一行两会”金融监督管理框架下，中国的金融监督管理理念和监督管理方法正在向统一监督管理、宏观审慎监督管理和功能监督管理的方向转变。 目前银领域金融机构的数据管理工作在一定程度上存在问题，一方面阻碍了银领域向优质方向的迅速发展，另一方面影响了监管部门的监管效率。

监督管理部门高度重视数据管理工作。 《指南》的及时发表，体现了数据管理中重要的基础性作用，有力地支持分工阶段的监督管理模式到统一监督管理模式、微观到宏观的系统风险防范、机构监督管理到行为监督管理的转变，透明的产品 监督管理部门在《中国金融业新闻技术“十三五”快速发展计划》和《中国银行领域新闻科技“十三五”快速发展计划监督管理指导意见》中，各银行也统一规划大数据基础设施，完善大数据管理机制，

标记“准则”，重新审视大数据管理工作

大数据管理是与组织、制度、流程、人员、工具等全面协作相关的长时间和复杂的系统工程。 《指南》的发表发挥了监管机构的指导和诱惑作用，提高了银领域金融机构的主导性和自主能力，在国家、领域和公司三个层面共同建立了相互促进、行之比较有效的数据管理机制，大规模的数据管理才能真正发挥实效。 根据《准则》的要求，大数据管理必须在以下四个方面提高和完善。

完整的数据治理体系结构。 《指南》第四条提出“必须将数据管理纳入企业管理范畴，自上而下、协调建立一致的数据管理系统”。 管理层、高规格和业务部门的充分参与是数据管理的关键。 数据管理的专业岗位和团队是进行数据管理的必要保障。 数据管理在顶层设计中被提升到新的水平，从银行的组织结构和责任开始，细化董事会、监事会、高级管理层、归口管理部门和业务部门等相关部门的责任，由上而下推进数据管理业务，是过去的部门间的合作

改进的数据管理功能。 《指南》的第三章和第四章的要点对数据管理的各子行业提出要求，具体包括数据标准、数据质量、数据收集和交换、数据安全和数据归档等，构建数据管理的“标准”，数据管理科 这里，数据基准是基础，通过定义统一的业务规格和技术基准来决定数据规格的数据收集和交换是中枢，通过数据模型的设计、数据的分布和流程的整理、数据的合理配置，数据的质量、全部生命周期。

根据数据价值驱动大数据应用程序。 《指导方针》指出:“在风险管理、业务经营、内部控制中，应该强化数据应用，实现数据驱动，提高管理细分的程度，发挥数据价值。” 通过数据管理支持数据价值，根据数据价值驱动大数据应用程序，最终实现数据驱动的迅速发展。 加强国内外各类数据资源比较有效的互联，通过顾客、领域、地区和产品等方面的新闻联系和整合，应用于风险管理、顾客营销、业务创新、内部控制等多个行业，整体服务水平和个性化服务

加强数据文化建设。 《指南》强调:“应该建立良好的数据文化，构建数据是重要的资产和数据真实客观的理念和规范，应该强化使用数量意识，遵循基于规则使用数量、科学使用数量的职业训练。” 这是监督管理部门第一次提出数据文化建设的要求，培养规范记录数、科学管理数、规则使用数的意识，推进数据价值在全行内的认可，建立“数据质量所有者负责”的全员数据文化，数据文化建设的软肋

国家开发银行大数据管理实践

国家开发银行(以下简称“国开行”)高度重视大规模数据管理工作，从计划入手，建立完整的组织、制度和流程，制定数据标准，实施数据管理，形成有机组合的数据管理系统。 2008年以来，加强了数据“建设、管理、使用”的一体化建设，年末在网上生产了混合结构的大数据平台和大规模数据创新的应用，大规模数据能力从计划设计阶段进入了应用宣传阶段，数据管理

巩固数据基础，建立完整的大数据基础架构。 构建混合结构的大数据平台，实现数据解决方案体系结构的完整性和升级，有效保存和解决各种结构化、非结构化数据，信贷前、信贷中、信用后、灵活性和总 二是建立分散的统一数据交换平台，形成继esb (公司服务总线)之后的第二条公司级数据总线，迅速收集、传输国内外各种数据和一个一个发送，实现数据交换的统一管理和集中监视。 三是建立外部数据平台，实现全行外部数据的集中和共享，为全行应用系统和行内客户提供统一的外部数据服务，逐步发挥外部数据资产的价值。 四、建设手工数据管理系统，比较有效地处理发生暂时、突发性及系统缺失等因素的手工数据收集和管理问题，实现了全行手工数据的“一次输入、多次复用、全行共享”。 五、建设数据归档系统，构建“原汁原味”的系统数据“图书馆”，实现在线系统负、离线系统归档，为内外部监督管理审计提供支持。

制定数据标准，建立公司一级的大数据管理系统。 在数据标准中，一是完成银行级顾客、产品等9个主题共计2626个项目的基础类、1068个项目的管理解体类标准的制定和发布，实现1575个项目的标准落地于全流程等41个系统。 二是公布五类1116的组级标准和辅助管理方法，将标准化的管理半径从银行扩大到整个组。 三是制定和发表《银团贷款业务技术指南》，积极掌握领域话语权。 在数据管理方面，一是制定了“数据管理和应用‘第十三个五年计划’，确定了“以加强数据应用为目标，以数据集中为中枢，以提高数据质量为主线”的数据管理构想。 二是初步建立高级别决策、数据管理部门统一、总行参与的公司级数据管理机制。 三是建立涵盖数据全生命周期管理的“9+3”数据管理制度体系。 四是建立以元数据为中心，支持标准和质量等管理功能的数据管理系统。 五、建立数据质量管理常态机制，严格数据质量专业评价，实现数千万级数据的日常监视，累计发现和推进分行整改8000多个质量问题，数据质量自主管理能力显著增强。

做好数据服务，建设通用型数据类应用系统。 一是建立了具有16个监管应用的系统群，监管提交自动化率达到90%以上，征信评价连续5年居同行前列，外汇合规管理连续3年被评为a级。 二、建设高管驾驶舱系统，集中、动态地表现经营状况、金融同业方针和宏观经济等国内外重要指标，为总分店的领导和专业业务提供有力的决策支持。 三是建立统一报告系统，形成全行统一的报告视图，用灵活易用的“拖动、拉、拉”方法在线定制报告，实现对现有固定报告生成方法的重大改革创新。

立足业务实际，构建特色大数据创新应用。 根据“大平台、小应用”技术理念，构建数据综合应用平台，集成国开行数据系统应用系统，为客户提供一站式服务和高质量的数据体验。 一是落实党中央“实现精确扶贫”的决策部署，发挥国开行主力军在“金融扶贫行动”中的作用，迅速构建精确扶贫和扶贫的指挥管理应用，大幅度提高扶贫工作的解决效率和实时监控水平。 二是贯彻落实胡怀邦理事长“一开行，一位顾客，一套服务”的指示精神，建设集团顾客管理应用，处理集团顾客新闻共享不充分的课题，大幅提高集团顾客管理效率，集团顾客 三是实现客户关系的应用，全面应对当前集团化经营给公司带来的新信用风险，帮助信用审查、风险管理、信用后管理等员工。 四、利用复印发掘等技术，建设信用审查业务智能解体应用，发挥库存信用审查数据的资产价值，继承信用审查的核心能力，进一步提高信用审查的效率和质量。 五、提供信用项目远程视频监控服务，为用户经理提供“千里眼”，比较有效地提高检查效率，满足“留影留痕”的监督管理要求，是科技与业务融合的典型应用。 六是构建数据主动搜索应用，开发业务人员“自主设计”数据服务的新模式，代替“系统开发”、数据观察成果“看了就得”。

实施“百人计划”，培养大数据创新的核心人才。 国开行继续完善完整的数据管理组织体系，加快大数据专业化队伍建设，实施高端数据发掘解体人才“百人计划”，从总分店各部门选出精兵强将，寻找业务管理和快速发展的难点、痛点问题，大德利 探索“金融+科学技术”复合人才培养的新机制和模式，满足新时期创新快速发展对大数据创新人才的新诉求。

贯彻“指导”精神，确定下一个执政方向

《指南》的发表充分确定了数据的重要地位和战术高度，强调了数据价值转换的重要性，指明了未来银领域金融机构快速发展的重点方向。 建议从以下四个方面贯彻“指导”精神。

实行数据管理的组织机制保障。 必须根据《指南》的要求，健全加强数据管理结构，确定董事会、监事会、上级管理层及相关部门的权利责任，制定数据战术，建立完善数据管理系统、满足需求的专业团队，建立良好的数据文化

立足数据共享，继续完善大数据平台。 要关注尖端技术的迅速发展动态，深入开展专题技术研究，继续完善大数据平台，提高大数据的访问、解决和交换能力。 参照iso20000和iso27001的标准要求，建立科学、全面、精细化、可落地的运维管理规范，保障大数据平台的安全平稳运行。

推动大数据方案下数据管理的完整性和升级。 立足于监督标准化的数据提交事业，研究、完全、执行基于大规模数据场景的研究数据标准化事业，作为提高大规模数据观察和统计能力的基础。 要研究大数据管理的思路和做法，开展集团数据质量管理。 重视大规模数据安全，根据数据拷贝进行精细化的许可管理，确保数据的合规性。 要建设完整专业的公司级数据管理工具，夯实大规模数据管理基础。

基于数据价值，推进大数据创新应用集群建设。 数据管理的最终落脚点在于数据的应用和价值的实现，立足于风险的预防管理，聚焦于特色业务行业，制定大规模数据应用系统的计划，加速人工智能等尖端技术的引进，提高和完善大规模数据应用的深度和广度

这篇文章首次在名为银行家杂志的wechatpublic平台上发布。 复印件是作者个人的观点，不代表搜狐网的角度。 投资者据此，风险请自己承担。