亿联银行：数据治理项目

扫描分享

本文共字，预计阅读时间。

案例名称

亿联银行数据治理项目

案例简介

为实现 “高质量、高标准、高协同“的目标，切实发挥数据价值的核心理念，亿联银行开展数据治理项目的实施。从全行进行统筹管理并协调人员、流程及技术等要素，从数据制度管理体系建设、业务数据集市建设、监管报送数据质量提升、数据工单处理转化、数据架构和数据系统服务能力提升等方面进行。使得亿联银行全行能将数据作为企业的重要资产从而更为有效地利用，实现数据价值的核心理念。

创新技术/模式应用

为实现“高质量、高标准、高协同“的目标，切实发挥数据价值的核心理念，亿联银行通过数据治理项目方法论的实施。

亿联银行数据治理项目方法论通过自底向上的方式进行五步骤实施。一、以制度流程为整体项目的底座基础，夯实我行管控机制、流程及规范；二、以数据模型建设为导向，优化我行数据架构体系；三、通过数据标准的实施，实现我行数据的统一运营管理；四、构建数据质量的检核机制，搭配数据质量的支撑工具实施，形成数据质量事中监控及事后治理的整体规范流程完善我行数据质量管理；五、通过数据应用实现数据价值，在数据治理的基础之上形成全行业务、科技协同的机制，搭配数据应用达到数据价值化的最终目标。

一、高协同

数据治理作为业务、管理、科技三位一体的系统工程，亿联银行数据治理项目通过三方面打造了高协同组织。

1. 组织成立了一支横跨全行前中台部门的人员的项目团队，进行全方位协同工作。

2. 项目组创新式的建立了业务条线数据管理员机制，打造了一只即懂业务又懂数据的骨干业务团。通过内部培养机制、赋能管理职责等机制方案，让团队人员具备数据分析能力、业务条线数据化决策支撑能力。

3. 重新打造流程及完善管理制度，通过管理机制的打通及流程再造，减少数据管理的部门间壁垒，形成多方的协同机制。

二、高质量

提升数据质量是数据治理的关键任务，在亿联银行快速发展期间，数据形成了大规模增长趋势，伴随而来的也是相对数量的数据质量问题。本次数据治理项目以监管报送为抓手，加强数据架构规范性管理，改善应用系统间数据一致性问题和数据质量问题，通过数据质量事后检查机制进一步返哺数据质量体系的完善，通过上述实施的方法论改善亿联银行的数据质量问题。

三、高标准

通过数据标准的标准实施打造高标准的数据要素。建立指标开发管理平台，形成全行指标类数据标准，根据相关行业标准形成亿联银行自由体系的协议、当事人、产品等主题的数据类数据标准，为数据治理项目提供依据和根本。

项目效果评估

数据治理项目为亿联银行整体数据管理搭建了一整套体系，形成了一支具有十余人的业务条线数据管理员团队，打通了业务与业务间的桥梁。通过管理制度及流程改造等方式，依托行内专业人员结合行内实际情况形成了数据管理、数据标准、数据质量等一系列管理制度，并结合业务条线数据管理员的形成再造了数据需求流程及数据工单等流程，保证了数据管理的顶层意志真正落地。

通过数据架构的完善及数据质量管理的实施，亿联银行以业务为导向，从业务角度梳理业务，重构数据模型的建设。通过体系化建模从源头消除“烟囱式”开发，提升数据质量。另外通过监管报送专项数据质量治理，从源头改善数据质量问题，提升监管报送的自动率，并且改善了监管报送的数据质量问题。

为完善数据标准的建设，建立了指标管理平台，实现指标口径的管理归口。依托业务条线数据管理员的专业化能力，以部门为维度管理全行的业务指标口径，形成了150余项的指标项，并依托指标平台的建设及通过指标在BI报表平台及监管报送等数据应用的落地实施，实现全行业务口径的统一及指标标准的规范化建设。

项目牵头人

李树峰行长助理兼首席信息官

项目团队成员

杨梅、张世杰、张云玲、芦山、卢秀红、徐楠、任磊、樊海瑞、孙斌方、贾继彬、黄新、赵彬、蒙晓庆、李双鹤、王聪、刘雪娇、龙玥、常昊、郭鑫、黄威、王少龙