服务粉丝

我们一直在努力
当前位置:首页 > 财经 >

金融机构数据治理之法——从数据治理到数据资产管理

日期: 来源:根网科技收集编辑:DT君

随着大数据时代的到来,数据即资产已经成为共识。

对于金融机构而言,数据资产更是其进行投资、交易、风控、运营等必不可少的基础能力,故而对数据资产的管理,越来越受到金融机构的重视,他们持续投入大量人力和物力建设数据资产平台,帮助其进行数据的生产、采集、存储、加工、使用、共享等数据全生命周期管理。


01

金融机构数据治理背景及现状


《数据资产管理实践白皮书(4.0版)》提出,通过盘点数据资产,提升数据质量,打破数据孤岛,提高获取效率,保障数据安全,最终形成持续的闭环,而实现数据可得、可用、好用,为企业数字化转型打下基础。5.0版进一步明确了数据资产管理路径。

为了指导金融机构加强数据治理能力、提高数据质量,发挥数据价值,防范风险,提升金融机构运营管理能力,政府和相应监管机构出台了大量政策予以支持和规范。

2011年,银监会

《银行监管统计数据质量管理良好标准(试行)》

2018年,中国银行保险监督管理委员会

《银行金融机构数据治理指引》

2018年,中国证监会

《证券期货数据分类分级指引》

2018年,中国证券业协会

《证券公司数据治理操作指引(征求意见稿)》


但目前很多金融机构内部并没有一套完整数据资产管理工具,即使有很多管理工作相对分散在不同的部门体系,无法形成统一体系。这就会导致诸如数据源分散、数据标准不统一、数据质量差(业务定义和口径不一致、代码取值的不一致等)、数据的合规性和安全性无法保障、业务获取和使用数据效率低等问题。致使其进行数据利用、防范金融风险和提高数据保护等方面工作都变得不现实。

典型问题举例 ——

1. 不同系统间客户标识、客户分类不一致。如,资金交易类客户与信贷类客户,客户代码不统一。

2. 银监局近期提出恒丰银行上报数据缺失和不完整情况较严重,只能依靠手工补录的方式完成,操作风险极大。

3. 对客户行业划分不统一,存在错误的分类结果,导致分类结果不可靠,无法用于准确的监管资本计量。

4. 没有全行业范围内统一的产品目录。


这些问题对于业务的影响及其存在的经营风险主要在于:

  • 客户数据不一致会导致无法实现真正的客户统一视图,严重影响以客户为中心的战略目标得以落实;

  • 内部经营管理数据不完整导致无法实现精细化管理的需求,甚至使“黑箱操作”成为可能,给银行稳健运营带来极大隐患;

  • 风险类数据不准确导致监管资本、经济资本计算结果不可靠,甚至多占用资本,影响资本精细化管理水平。


华泰证券信息技术部联席负责人、数字化运营部总经理王玲认为,“数据治理并不是单纯以治理为目标的数据管理活动,而应围绕企业数字化转型打造数据能力中心,以数据资产为核心,从组织、制度和平台等方面,打造集数据标准、数据质量、元数据、数据模型规范、数据安全、数据价值于一体的数据资产管理体系,以运营思维推进数据治理,短期解决企业经营管理中的数据痛点问题,中期为企业数字化转型和运营夯实数据基础,逐步实现从数据生产到消费的全生命周期管理,长期让数据要素融入企业核心价值链,为数字化生态建设做好准备。”


02

根网数据资产管理解决方案


根网大数据团队拥有来自IBM、Teradata等多位15年+的数据专家,参与过大型金融机构,如四大行等数据库建设和数据治理等项目,且产品团队大都来自互联网。无论是理论架构、实践经验还是应用开发能力,都足以保证能够打造出一款满足大多数金融机构的数据资产管理的平台,帮助各类金融机构完成数据资产管理工作质的飞跃。

根网数据资产管理平台,主要帮助解决金融机构解决数据管理的四大问题,覆盖业务和技术两端。


根网数据资产管理平台分成三个层级,基础能力层、数据治理层和数据资产层。以数据治理层为核心,基础能力层为保障,数据资产层为纽带,全面支持金融机构数据资产管理工作。并和数据采集和交换平台、大数据平台、智能调度平台、一体化开发管理平台等平台服务,通过底层对接,实现数据共享共用、服务复用。
 图:根网科技数据资产管理平台分为三个层级


基础能力层 -主要面向金融机构的技术和实施人员

  • 数据采集模块,包括模型管理、元数据采集;

  • 统一权限模块,包括用户管理、机构管理、角色管理和权限管理。

图:元模型管理与数据源管理界面<左右滑动查看>



数据治理层 -主要面向金融机构的技术和实施人员

这是数据资产核心管理功能,主要包含了:
  • 元数据管理模块,包括元数据浏览、元数据搜索、版本管理、血缘分析/影响分析等;
  • 数据质量管理模块,包括数据质量规则配置/执行、问题跟踪处理、质量统计分析、API接口等;

  • 数据标准管理模块,包括本本管理、数据标准映射、标准浏览查询、数据标准统计等;
  • 数据安全管理模块,包括数据分类分级、行业规范、企业规范、自动打标等。


数据资产层 -主要面向业务人员

数据资产管理模块,包括数据资产目录、数据资产浏览和搜索、数据资产运营等。


党的十九大报告提出要“推动互联网、大数据、人工智能和实体经济深度融合”,进一步突出了大数据作为国家基础性战略性资源的重要地位,掌握丰富的高价值数据资源日益成为抢占未来发展主动权 的前提和保障。

根网科技以资深数据治理专家为顾问,互联网产品团队作为核心设计成员,集合公司优势资源,历时一年全力打造出此款企业级的产品,帮助金融机构——

  • 全面掌握数据资产

  • 提升数据质量水平

  • 提高数据获取效率

  • 保障数据安全合规

  • 持续释放数据价值



FAQ

向上滑动阅览

什么是数据资产?

数据资产是企业及组织拥有或控制,能给企业及组织带来未来经济利益的数据资源。包含:

· 业务系统进行业务操作产品的数据

· 数据加工过程中产品的加工数据

· 外部爬取收集的数据

· 其他数据


数据资产管理指什么?

数据资产管理(Data Asset Management,简称DAM)正是规划、控制、和提供数据这种企业资产的一组业务职能,包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方案和程序,从而控制、保护、交付和提高数据资产的价值。


元数据管理:

数据资产管理的重要基础,是对系统建设过程中产生规范元数据信息而进行的规划、实施与控制行为,必须能够忠实的反映系统建设和业务开展的情况,并能够在某种程度上和数据标准对齐以反映系统和业务的规范化程度。


数据标准管理:

建立覆盖全部数据的标准化规划,执行数据标准的制定和实施等一系列活动,以此确保企业中的所有数据都能获得正确的处理和一致的理解。


数据质量管理:

通过业务管控及技术检查手段等规划、实施与控制等一系列活动,控制并保证数据信息的准确性、完整性、一致性等关键因素,使得能够准确反映整个企业的经营状况,为全企业的管理决策提供正确的信息。


数据安全管理:

指对数据设定安全等级,按照相应国家/组织相关法案及监督要求,通过评估数据安全风险、制定数据安全管理制度规范、进行数据安全分级分类,完善数据安全管理相关技术规范,保证数据被合法合规、安全地采集、传输、存储和使用。企业通过数据安全管理,规划、开发和执行安全政策与措施,提供适当的身份以确认、授权、访问与审计等功能。



Rootnet

END

Rootnet


推荐阅读

抓重点,破难点 | 支招交易对手信用风险管理

QFII/RQFII获准参与期货期权交易,根网解决方案全面支持

请点“在看”给我一朵小黄花 

相关阅读

  • 又双叒叕提速啦!

  • RootnetENDRootnet推荐阅读人工干预少,运维压力小,新清算来啦金融机构数据治理之法——从数据治理到数据资产管理请点“在看”给我一朵小黄花
  • 人工干预少,运维压力小,新清算来啦

  • 近两年,证券公司交易量急剧增长,日终清算的复杂度越来越高、数据量越来越大、运维管理越来越难。很多公司为提升交易性能和吞吐量,还建立了多套交易系统,多套交易系统分别进行清
  • 证券行业主数据建设实践与展望

  • 作为一个高度信息化的行业,证券市场无时无刻不在产生海量的数据信息。如何真正发挥包含主数据在内的数据资产的价值,使数据“包袱”变为数据“金矿”,赋能百花齐放的业务应用场
  • 防护再升级!进一步强化公司级联合风控

  • 随着监管力度不断加强,监管要求愈加明确,证券公司对异构系统联合风控场景需求场景愈加明确,在性能、风控规则方面提出了更高要求。据不完全统计,2015—2021年,证监会分别开出罚单
  • 芝士课堂 | 统一监管报送案例分享

  • 「芝士课堂」第2期 ~ 文末有讲解视频 ~随着经济的发展、金融的创新,中国人民银行、证监会、银保监会、国家外汇管理局等监管机构对于金融机构的监管力度日趋加强。相关业务要
  • 金融科技伦理指引:金融为本,科技为器

  • 除了技术支持,科技公司不能染指属于金融业务范畴的操作,这为“断直连”等工作提供了依据。金融科技领域迎来了风向标式指导文件。2022年10月9日,人民银行下发了《金融领域科技
  • 做一个不崩溃的核酸系统有多难?

  • 每天2000万,假设可以均摊到1小时(3600秒),那么每秒只有不到1万的并发量。假设数据量为10亿,也就是1G条记录;给每条记录16字节存储空间(身份证号编码为二进制,考虑地区/年份可以压缩,4
  • 面试官:Kafka 为什么会丢消息?

  • 来源:juejin.cn/post/71351018051799613521、如何知道有消息丢失?2、哪些环节可能丢消息?3、如何确保消息不丢失?引入 MQ 消息中间件最直接的目的:系统解耦以及流量控制(削峰填谷)
  • 迪卡侬赵悦:三大引擎推动迪卡侬HR数字化

  • 点击下图立刻观看峰会现场回放以下内容根据迪卡侬HRSSC&HR Digital Transformation Leader 赵悦女士于2022中国DHR峰会上海站的演讲内容整理而成。关于迪卡侬迪卡侬来自于法
  • 数据能力,决定数字政府水平!

  • 当今,数字政府已经成为各城市的必答题,而要做好这个必答题,数据能力必须要有相应保障。开放、共享的数据资源体系,是数字政府建设的重要内容。一、数据管理机制需要创新: 1、强化

热门文章

  • “复活”半年后 京东拍拍二手杀入公益事业

  • 京东拍拍二手“复活”半年后,杀入公益事业,试图让企业捐的赠品、家庭闲置品变成实实在在的“爱心”。 把“闲置品”变爱心 6月12日,“益心一益·守护梦想每一步”2018年四

最新文章

  • 又双叒叕提速啦!

  • RootnetENDRootnet推荐阅读人工干预少,运维压力小,新清算来啦金融机构数据治理之法——从数据治理到数据资产管理请点“在看”给我一朵小黄花
  • 人工干预少,运维压力小,新清算来啦

  • 近两年,证券公司交易量急剧增长,日终清算的复杂度越来越高、数据量越来越大、运维管理越来越难。很多公司为提升交易性能和吞吐量,还建立了多套交易系统,多套交易系统分别进行清
  • 证券行业主数据建设实践与展望

  • 作为一个高度信息化的行业,证券市场无时无刻不在产生海量的数据信息。如何真正发挥包含主数据在内的数据资产的价值,使数据“包袱”变为数据“金矿”,赋能百花齐放的业务应用场
  • 防护再升级!进一步强化公司级联合风控

  • 随着监管力度不断加强,监管要求愈加明确,证券公司对异构系统联合风控场景需求场景愈加明确,在性能、风控规则方面提出了更高要求。据不完全统计,2015—2021年,证监会分别开出罚单
  • 芝士课堂 | 统一监管报送案例分享

  • 「芝士课堂」第2期 ~ 文末有讲解视频 ~随着经济的发展、金融的创新,中国人民银行、证监会、银保监会、国家外汇管理局等监管机构对于金融机构的监管力度日趋加强。相关业务要