数据治理体系建设项目实施方案投标方案（技术方案）

12随着大数据时代的来临，数据资产已成为银行的重要生产要素，在客户服务创新、风险管理、绩效管理、财务管理等各方面工作中发挥着越来越关键的作用。如何管理好数据、应用好数据、挖掘数据价值，已成为一个现代银行加快业务创新、提高精细化管理和科学决策水平的最重要、最迫切的基础工作之一。发挥数据的最大价值依赖于人员、流程、制度、技术的支持，通过数据资产的管理来提升数据质量、保障数据安全、促进应用效率，从而降低大量数据资产导致的各项管理成本，以实现数据根据国际监管动态及趋势，巴塞尔委员会最新发布的“风险数据整合及风险报告原则"中明确要求全球系统重要性银行必须在2013年做好数据管理自评估的准备。其他商业银行也应以此为信号，开展数据治理及营运模式的评估并持续完善。从国内的监管要求及实施动态看，随着银监会非现场监管信息系统和客户风险统计信息系统不断完善，数据及时性和全面性基本可以保证，但在准确性上存在较大差距。为此，中国银监会2011年发布《银行监管统计数据质量管理良好标准(试行)》对数据管理的良好标准，从组织机构及人员、系统保障及数据标准、数据治理制度建设、数据质量监控检查与评价、数据的报送应用和存储，做出明确规定和要求。大数据环境和内外监管机构都对银行的数据组织、数据管控机制、数据标准、数据质量等相关数据管理主题提出了一系列要求。目前，***在数据治理工作、数据标准·未制定全行级的数据治理机制，缺乏数据管理政策未建立明确的数据管理组3的核心与基础，业务、管理与技术的互动是盘活整个数据体系的关键因素。借助EDM等管理与分析工具，可对***数据治理工作的现状有深入的数据管理的发展重点，为全行数据治理工作奠定坚实的基础。通过数据管理机制的建设，从数据管理组织和制度上为数据治理工作提供管理保障，实现数据治理工作的持久化。借助数据标准化工作，相继统一全行客户、资产、机构、产品、协议、交易、难点描述·业务人员把数据标准编制看做是技术性工作，主观意识是在配合而非主导，并不认为数据标准对业务管理和系统建设有什么直接价值·数据标准只是梳理和建立当前跨系统数据规范，而未完整考虑各类业务对数据应用的要求，如新资本协议合规、客户细分、产品定价等，导致数据标准对具体应用的支持不足或脱节，各类应用的数据质量得不到有效保障和提升；德勤建议的解决方案·结合德勤数据价值模型，深入宣导数据标准及管理体系对业务的价值，理解数据标准对业务管理和业务分析的作用；的反映对业务的支持，呈现数据标准化价值4·各级领导不了解数据标准及管理体系对银行业务发展所起的作用和价值，实际工作中不知道如何参与也很少参与，也不太注重在数据管理上投入相应的资源和精·数据标准、数据质量是数据管理部门保障的工作，数据建立和产生的部门很少参与其中，不能有效进行数据质量的预防，数据质量仍然是问题为导向的被动管理；德勤建议的解决方案·结合德勤数据治理体系中的功能框架明确数据管理的领域边界、能力要求和工作内涵，依据功能框架建立不同的管理角色，并结合民生银行的管理组织体系和文化，制定全行的数据治理组织架构。在决策层上明确高层领导所承担的职责和工作章程。在管理层上，厘清数据管理部门、业务部门、科技部门在数据管理不同领域和不同层级的责任定位和职责所在，建立数据管理政策和一些列管理制度保障数据管理职责能有效推动.关键成功因素三：数据标准难不在编制而是落地执行。数据标准的落地贯穿到系统开发生命周期的相关环节，需要业务、科技、数据管理部门共同推进才能被有效的执行难点描述难点描述德勤建议的解决方常关键成功因素四：通过数据管理评价及考核体系持续监控数据质量水平及数据管理机制的建设情况，保障数据治理规划的各项工作能有效落实5难点描述·数据标准化执行需要各部门投入额外的资源和精力，但因缺乏有效的激励机制，各部门更注重业务工作，对数据管理的要求响应度较低；勤建议的解决方·数据治理的规划结合业务管理的价值，充分体系数据管理对业务的支持；·建立对数据管理体系的综合评价，包括定义机制建设、日常管理、数据质量等维度的衡量指标，可视化数据的过程管理，定期向治理委员会报告数据治理规划成·将数据管理评价结合到业绩考核中，通过不同的激励方式来反映部门对数据管理的支持和投入6***开展数据标准管理工作的驱动力包括：监管与合规、运营管理、业务创新、统求均对银行业数据标准化提出了明确的要求。质量与运营效率。在此基础上，高质量的运营数据分析有助于发现业务瓶颈，推进业务流程优化与变革。有效的识别客户群体，建立快速的产品创新机制。商务智能及数据挖掘技术，支撑不同层次的分析与展现，实现对决策分析的有数据是企业的重要资产已成为共识，数据管理的目标就是将数据资产建好、管好以支持数据应用从而更好的实现对业务管理和决策。***企业数据管理解决方案框架涉及数据治理、数据标准、数据质量、数据架构管理等领域。随着***数据相关工作的进一步开展，元数据管理、主数据管理、数据保留与归档、数据隐私与安全等领域的工作可以进一步开展，从而实现数据全生命周期管理能力的逐步提升。从实施的角度，此次项目主要完成数据管理机制的设计工作，全行数据标准体系、数据质量体系的设计，全行各基础主题的编制和指标数据标准的编制及提升、数据标准的落地实施及数据质量问题的整改等。数据标准在系统及集市的落地实施，切实起到了数据标准规范和促进IT系统建设的价值。数据标准业务定义/技术定义对支持系统建设有直接的指导意义，将制定完成7的数据标准作为数据需求，为即将建设的系统及原有系统改造升级的数据模型设计提数据质量管理在发现并解决数据质量问题的基础上，需要进一步考虑对数据质量问题的深入分析，并进而提出业务流程优化、系统改造、技术工具改造的需求，全面8***在数据领域具备体系化的解决方案，将确保为***构建企业级的数据管理与应用能力。***数据领域的解决方案以“企业信息管理(EIM-EnterpriseInformationManagement,以下简称EIM)"解决方案为核心，其重要组成部分“企业数据管理(EDM-EnterpriseDataManagement,以下简称EDM)"将直接为此次项目提供支***从企业信息管理的整体角度，提出完整的企业级信息管理(EIM)体系由业务经营及决策、数据整合及分析手段、数据管理、内容管理，以及配套的管理机制五部分构成。***的企业信息管理方法论的内容如下图所示：经营决策管理(EPM)对标分析企业内容管理(ECM)管理制度管理组织企业数据管理(EDM)信息管控(IG)企业数据管理(EDM)是全行数据整合及应用中的部分环节，故数据管理体系是全行信息管理体系中的一部分。***的企业数据管理方法论中将数据管理进一步细分为89个管理领域，包括：数据架构、数据管理原则或指引、数据质量管理、数据标准管理、元数据管理、主数据管理、数据生命周期管理、数据安全控制。企业信息管理战略：构建企业信息管理的战略以及实施路径，以提升数据资产的价值；对企业信息管理的蓝图、准备度和成熟度进行评估；>商业智能：对企业的绩效进行监控、分析和报告，提出企业绩效的提升>企业级数据仓库：构建企业级的数据仓库，实现企业数据的集中和整合，为商业智能、统计以及经营决策提供可信的数据基础；>ETL:实现跨平台的大数据量的迁移和转换，同时，构建企业数据ETL的>数据分析和挖掘：构建数据挖掘模型，实现对数据的趋势分析预测，同时根据数据分析结果编写业务的发展趋势报告；结构化搜索：建立结构化数据的搜索引擎和数据交付机制，确保可以在桌面端展现企业结构化数据的搜索结果，并可以逐步扩展到对Internet的信息搜数据治理：构建企业数据治理的组织体系，同时建立一系列的数据治理政策、流程以及相应的工具，确保数据得到有效的管理并能够满足业务目标；>数据质量管理：构建数据质量管理的流程体系和操作规范，准确识别企业的数据质量问题，并进行有效的解决，同时持续监控数据质量问题，确保企业>数据标准管理：建立企业级的数据标准，为跨业务条线的数据提供一致的定义，并建立数据标准落地实施的持续机制；>元数据管理：收集和管理企业的元数据信息，同时，建立企业级的数据地图，确保整个企业数据的可追踪和管理；>企业级数据架构：构建企业级的数据模型，识别企业数据的总体分布情况，从而为数据的存储、整合、使用、访问以及数据的交付提供基础；>主数据管理：准确识别企业的主数据，并建立主数据管理机制和平台，确保主数据在企业内部的准确性和一致性，为企业的主数据建立统一的视图；数据保留与归档：实现对企业数据资产的保护和归档，包括在线和离线等多种方式，以满足合规和管理的要求，同时为业务运营提供有效的归档数据访>数据隐私与安全：确保企业数据资产的安全性，杜绝非授权访问，建立相应的数据访问策略、检查机制、控制和监控机制。企业内容协作：通过对群件系统(诸如邮件系统、视频会议系统、Internet、Intranet、Extranet)的应用以及其它的IT技术，支持和加强企业级知识管理：构建知识创建、管理和应用的流程，以及相应的工具建设，实现对知识的有效管理，以促进企业的绩效提升，加强人员技能，实现产品和服>文档管理：创建、管理和分享电子文档，允许存储、查询、跟踪以及管理企业内的电子文档，内容包括工作流管理、安全和权限管理、文档搜索、元数>图像管理：通过OCR/ICR等技术获取、存储和检索文档中的元数据信>Web内容管理：收集、装载、存储、维护和交付Web上的文本和图像资源，并允许业务部门创建、发布、修改和管理相应的Web内容；>记录管理：基于合规等方面的要求，创建、管理和应用企业内的各类记录信息，并提供长期的归档以及自动化检索功能，同时建立归档和保留的策略、披露机制(包括披露范围和披露方式)、信息分类机制等；>数据资产管理：组织和管理企业内的媒体文件，构建相应的技术平台，以实现对相应内容的有效管理；同时，确保视频、图像和音频的质量不受损失；企业级报告管理：:对企业非结构化数据的存储容量进行估算，提供多种>非结构化搜索：构建基于语义和元标记的搜索策略和技术平台，实现对>电子签名：构建电子签名的技术平台，实现电子签名和企业内容的有效整合，并建立企业内容的所有权机制。***企业信息管理实施的总体方法分为五大管理领域及其实施方法。实施方法进一步分为6个实施阶段，每个阶段具备9类控制要素。***企业信息管理模型如下图所企业信息管理***企业信息管理实施总体方法(EN01根据上述模型，***提供了实施方法、管理内容构成的完整方法论，并在全球的信息管理咨询及实施中进行了全面应用，***在本项目中将使用这套方法论为***提供咨Towpwignsm.sg六个阶段MinDseripinTheEespaaintomstonMaregementmattodtataisDeictstproendcheingEIMslargyandimpkemartaloner九类控制成立数据治理组织结监控治理机制的运行设计数据治理总体策略程设计数据治理组织结构分析数据治理高求评估数据治理现状与归档数据隐私与安全企业数据管理元数据管理管理原则与规范管理数据治理责的定义； 3.10数据质量管理与监控功能需求文档3.11数据质量认责理制度框架2.5信息中心职能规划及发展路线图1.7希望与建议改进建议提出基于***数据领域方面的领先实践，结合***的实际需求，作预计包含以下三个阶段：数据治理体系现状分析与评估划、数据治理体系建设(数据治理制度、数据标准管理、数据质量管理),每个阶段又问题等，结合***成熟度评估模型评估对***现状进行评估，根据评估的结果和同计，主要包括数据治理体系功能框架、数据治理组织和制度框架、数据治理能力提升路线图、信息中心职能规划及提升路线图。>数据治理体系建设：根据数据治理体系设计与规划的成果，制定数据管理政策，制定数据管理工作的考核方案、考核指标、考核制度；建立数据标准全生命周期管理的流程和制度，编制客户、机构、风险相关数据标准(账户、合约、资源项)、公共代码基础数据标准、核心指标数据标准并给出差异分析与落地建立，设计数据标准管理系统业务需求；建立数据质量管理管理模式、管理流程和制度，同时建立数据质量认责机制。定义本项目数据质量提升数据范围并制定度量规则，依据度量规则在相关系统进行数据质量探查和分析，针对分析结果进行制定数据质量整改建议；建立数据质量管理与监控需求说明书。数据管理的成熟度模型用来描述企业的数据管理现状或目标，包括5个成熟度级别，1是最基本，5是最成熟的，如下图所示：五级成熟度模型的具体描述如下所示：系统能力1务运作算表的查询态的乱、特定平台的有限制的企业可视度多种版本的真实情况组织的构、特定平台的3资产有脉络的、基于职责的自动化已提升到一定层级既有的流程和应用系统的增强唯一版本的真实情况经由分析的、实时性的洞察力数据：基于标准的、结构的集成：孤立系统的集成、应用系统：基于服务的基础架构：组件式的、SOA逐步浮现、特定平台的4信息促进创新贯通企业内外的有弹性、具适应力的业务环境战略业务创新的促进能力战略洞察力的、信息和流程分离、结基础架构：有随时恢复的能力的SOA、不限于特定技术的力境程、和系统的能力增强的业务流程和运营前瞻性的视野、具预测数据：所有相关的内部及外部信息无缝连结并且共享的、新增的信息很容易应用系统：动态的应用系统组合***数据管理评估主要从战略、组织、制度建设、数据管理活动和商业智能五个维数据管理活动包括：数据标准、数据质量、数据架构、元数据、主数据、数据隐成熟度评估示例.2.数据治理现状评估-数据战略与规划氛围氛围·有些部门开始制定内部的数据管理与应用方面的计划·有些部门偶尔对现有数据管理有效性进行评估·有些部门已认识到数据带来的价值，并积极应用数据·对于数据成本仅能够对软硬件投入进行分摊的结果并经行调整·重视数据管理工作，能够根据评估结果完善数据管理工作·重视数据的效用，充分应用数据资产·能够量化的评估数据资产价值，并较为准确的计算数据成本善数据管理的机制形成了数据应用的文化氛围·已形成一套将数据作为资产进行管理的方法·已经具备完整流程来测量数据的价值与成本理有效性的能力·对数据作为资产的价恒丰银，非评分·可以进行全行级别的·可以进行全行级别的数据战略的规划性进行评判·在积极应用数据的基础上，初步量化的评估数据资产价值·运用一套成本分摊方式计算数据的成本组织包括责权框架、部门职责、角色配备等，以下以数据组织与职责为例说明现状评估的结果：恒丰银行的数据组织与职责领域成熟度得分为2.6分，接近基本管理迈向主动管理阶段。同业领先实践得分为3.6分，处在主动管理阶段。恒丰银行得分低于同业领先实践得分。企业范围内承担数的机构与·依赖个人能力解决接受专业培训·无数据治理与管理的沟通计划，无法·偶尔会临时成立团队来·有部分的培训和经验分·少数部门开始了内部的·存在一些零散的数据治理与管理的沟通计划，但是未统一门来解决数据问题力·开始跨部门的数据治与管理的沟通计划，但·不仅定期进行培训，·有相关的流程来教育·跨部门的数据治理与管理的工作已覆盖了大多数应用或部门品理来教育和管理数据治理与管理的业务和技术知识·相应的数据治理与了有效、高效的渠道向整个组织宣传数据企业的重要资产制度建设包括制度框架、制度层级、制度管理流程、制度编制情况及范围等，以下以数据制度为例说明现状评估的结果：数据治理与管理相关制相关政策、要求、办法、细则及规范，以及保障数据制度体系的工作机制数据治理与管理相关制相关政策、要求、办法、细则及规范，以及保障数据制度体系的工作机制来控制理域管理工作以持·没有常规性地、定期审视数据管管理部分数据资产的使用·颁布防范法律风险相·部分业务线已颁布正式的数据治理与管理制度，但没有很好地贯彻执行·已经制定常规性地、坚持定期审视数据管理的制度和程序，还没有完全实施·较为全面的制度(如：数据管理与治理的政策、要求、办法、细则)已颁布，并得到多数员工的制度已正式颁布并执行治理与管理制度，但没·已经实施常规性地、坚持定期审视数据管理的制度和程序沟通所有数据管理的政策、要求、办法、险的制度不仅制定，得到彻底执行的制度和程序，基于2基本管理·对部分核心数据资产的较为全面的控制过程，但是没有正式建立管理部分制度是存在的，但还不完整式的制度来支持数据治理与管理工作·对某些数据治理与管理的制度和程序进行过审恒丰银行的数据制度领域成熟度得分为1.9分，处在接近初始管理阶段。同业领先实践得分为3.3分，处在主动管理阶段。恒丰银行得分低于同业领先实践得分。.5.数据治理现状评估-数据管理活动数据管理活动包括数据标准管理、数据质量管理、数据架构与模型管理、元数据管理、主数据管理、数据隐私与安全与数据保留与归档等，以下分别以数据标准管理、数据质量管理两个本项目重点关注领域来说明现状评估的结果：恒丰银行的数据标准领域成熟度得分为2.4分，处在基本管理阶段。恒丰银行得分低于同业领先实践得分。内容和指引·各业务部门以个人理流程和组织、角色业务部门和IT部门间的沟通协调很弱。·个别部门有自己制定的标准管理政策、原则和指引·少数部门建立了部门少数部门针对部门内的数据标准建立了管理·部门间的标准定义不·数据标准开始在个别部门使用·制定企业级的数据标准·正在制定企业级数据标引·正在成立企业级数据标·正在建立企业级数据标已经具备全行范围内·建立覆盖全行的基础的标准正在制定中已建立企业级的数据明确IT系统开发必须·成熟完善的数据标准管理制度，相关角作方式及工作方法明·对全行所有数据标的顺利执行并深入到各业务部门业务部门和技术部门1初始阶段4量化管理5持续优化1初始阶段4量化管理5持续优化问题程没有评级，也没·集中管理数据质量问题，但管理流程不完整·主要部门已实施数据质·多数手工数据有系统自论数据问题发生的原因·数据质量问题已集中管理，且定期进行审核·数据质量标准很完备·数据在上传至关键应用前都已经过校验·全员参与数据问题原因的讨论·数据质量问题已集中管理，且定期进行审核·输入界面已有严格·全员参与数据问题·没有集中管理数据质·企业正在考虑数据质量标准化的问题，但缺乏驱动力·部分手工数据有系统自动检查·很少进行数据质量相成熟度评估——数据质量管理.数据治理同业实践分析第二阶段第二阶段数据标准与数据质量管理第三阶段其他各数据管理领城第一阶段数据整合、数据应用中国银行业数据治理发展路径及建设策略数据治理数据管理数据治理数据管理数握应用与服务·构建全使息服务织和运营模式，面据责产价值数据应用与服务貌属禁型商业数据治理能力评估貌属禁型商业数据治理能力评估领导者和数据管理的空泛无论是倾向于数据应用还是选择凸显数据治理的机制建设，总体目标都是要发展数据价值的挖掘能力，最终都是往右上象限迈进。总体策略需要采取以下方式推进和发展，这包括： 第一，顺势而行，促进体系规划数据治理项目的实施需要高层支持，这一点在权威方法论中得到了强化。大型国有银行在业务规模发展到一定程度后，管理边界和管理层级会随着逐步扩展；这种情况下推动管理能力提升的内部动力会很大，其高层会高度重视数据治理体系的支撑作用。但是，国内股份制商业银行目前处于高速发展阶段，高层视角更多的落在风险管理和业务发展。数据治理的开展可以借助来自外部监管机构的东风，顺势而行，以高层重视监管报送的数据质量等情况为切入点，通过数据治理体系建设夯实基础。有了扎实的基础，后续数据管理工作才会带来更大的收益，进而逐渐巩固高层的认可和重视。第二，重视宜传，塑造数据文化大多数股份制商业银行的科技力量不是很强，因而需要加大宣传，提高在行内的声音。通过定期公布治理成果以得到更多部门的认可和支持，这对于数据治理工作的开展具有举足轻重的意义。在此基础上逐步塑造数据文化，反过来也会促进银行最大化的利用数据资产价值，从而更加重视数据治理工作的开展，达到良性循环的效果。第三，集中火力，发展重点领域受人力物力及高层视角等因素影响，股份制商业银行在数据治理上更多的是从下至上，先从某些领域着手，以更加务实的态度开展实际工作。在这种情况下，实施路径规划有必要集中火力，首先发展重点领域，以此为契机带动体系发展。先根据具体情况发展框架中的某个或某几个领域，到达一定水平后再带动体系全面提高。举例来说，若某一银行在数据标准已经有所建树，那么在整个体系的构建过程中，我们建议可以沿着数据标准推广落实的路径，进一步推动数据标准在全行的落地实施，并以此为基础发展元数据等其他领域的工作。第四，机动灵活，加速创新步伐数据治理实施的一个重点是广泛沟通，即数据治理理论中提出的共享决策支持。在项目开展中需要团结一切可以团结的力量，这对于股份制商业银行来说是个优势，组织架构和业务发展更具机动灵活性，因而在开展中能够更有效的进行沟通，达成发展的一致意见。此外，在数据领域科技发展日新月异的时期，出现改变整个行业的技术趋势，甚至大数据时代的来临会改变整个产业。在这种情况下，股份制商业银行应该加速创新，利用新技术来加大数据治理的发展步伐，这一点比大型银行和城商银行都更具优势，应该充分利用。大数据正逐渐开启信息资产化、决策智能化时代，甚至已经拉开了信息文明的序幕，在这个背景下银行数据管理和数据应用需要做好充分的知识和人才储备，努力去吸收大数据带来的价值并发挥数据治理体系框架围绕银行数据的生命周期，从数据管理和服务的整体角度出发，描述了企业级数据活动涵盖的三个维度、十五项功能：要求、指导理DG数据治理01数据战略与规划02数据组织与职责03数据管理制度理管理理与安管理理实现支撑支撑促进据分析方面进行实际应用，同时加强宣传培训、评估数据工作的绩效，指导数据工作持续的改进；通过数据管理和数据应用的组织模式、职责和岗位角色能明确承担数据在各生命周期的管理和服务责任；以数据制度为手据管理中业务和科技建设间的协作，实现全面的数据管理能力；构建专业效的支持运营管控和执行的统计分析和运营分析，有效支持高层决策的绩由此可见，数据治理是数据管理和数据应用的高阶规划和控制，良好的数据数据治理是一项庞大系统的工程，需要配备一套完整决策机构权责矩阵对各领域设计相应的组织结构，明确相按照数据管理各领域的工作特点，定义落实到各业务条线和综合管理部门的员管海涸整队据额绩所有者炼摇唯里数保管灵企业指师面通峻含思定义战略性企业数据治理目标以及数据质量指标，并与企业战ARCCC1RCARCCC1RCARRR1RC1ARC1RR为企业数据治理委员会和经营管理层定义和制定企业数据治理CCAC1CR为领域数据治理委员会和经营管理层定义和制定企业数据治理1CCA1CRC1数据治理组织体系设计的目的不仅仅停留在组织架构的层面，更重要的是为了指导各领域实际管理流程环节的落地开展。在项目中，将在对每个领域的职责划分的基础之上，借鉴“RACI”方法，把具体职责分配到相应的角色上，从而帮助形成各个领角色及其相关责任，可以确保各项职责的角色分配科学、明晰、精确。即对任务负全责的角色，只有经他/她同意或签署之后，项目才能得以进行；活动1活动2活动4RACI表示例角色1角色2角色3角色4RACARC1ARAR一般说来，数据治理的组织架构的建设模式包括以下三数据管理负责人与数据管理团队(数据专员)是专职的、永久的角色，在数据管分散式管理模式不存在企业级数据管理负责人角色，·能够较好地理解各业务单元的业务和文化，业务管理较易在单个业务领域/IT·在应用需求的基础上，数据问题可以在单个部门内快速解决，被服务满意按照职能和流程进行横向和纵向的组织划分：在总部设·数据管理和业务管理更好的融合，根据职责需要设置岗位角色，执行效率较从数据管理的工作特点来分析，既需要各个业务部门总体协调、指导、监督数据治理工作的开展，因根据***实际情况，结合同业数据管理组织架构，建议***决策层管理协调层执行层决策层管理协调层执行层数据治理委员会数据治理工作小组数据治理办公室总分支行相关部门信息科技信息科技部角色及职责定义如下：·副组长：首席财务官、首席信息官、首席风险官数据管理协调机构，负责全行各项数据活动的组织、协调、指导和评价。·数据治理工作小组：在数据工作中提供专家意见，由各部门团队负责人、业务骨干、科技骨干构成·数据治理办公室：全行数据管理工作的组织、协调、监督和评价机构，由管理信息中心组成3.总分支行相关部门负责全行数据工作的具体执行，包括数据标准编制、数据质量整改等。·数据管理部门：负责数据质量、数据标准、数据应用与服务领域，设置相关领域管理岗。·科技部门：负责数据架构管理、元数据管理、主数据管理、数据保留与归档、数据安全与隐私领域，在各团队中设置数据工作管理岗，依据各团队的现有职能，将各领域职能明确到相关团队。·业务部门：在各团队中设置数据管理岗，负责本团队的数据管理工作。·分行：与总行各部门相对应，分行各相关部门承担以上总行各部门对应于分行层面的数据管理职责。数据治理实施路线图规划方法最终的实施路线规划图分为日常工作与专项项目两种类型，数据治理与数据管理的日常工作任务如下所示。日常任务编号日常任务名称DG02.8R数据管理能力培训数据服务与应用能力培训G₀2.10R数据组织、职责、认责的日常执行与辅导G03.3R制定数据相关的制度与细则DG02.7R数据认责优化M04.6RM05.2R制定各主题数据标准DM05.3RM05.5R优化数据管理应用平台中数据标准模块M05.6R完善数据标准管理相关制度、细则M06.3R优化数据管理应用平台中元数据模块全行元数据维护管理M06.5RDM07.2RDM07.3R分析评估数据质量问题完善数据质量检查规则和检核方法M07.5R开展数据质里提升工作DN07.6R_数据应用与服务日日建设项目_关健指标应用建设项日诊断项目示例目月检查项目据架构规划元数据管理内容扩先项目对公客户设项目完善项目 日 理系统功能项目_日日管理机制设计项同的应用项目_目全工具项月DMP18内系建设项目治理规划项目优化，变革辅导项目统建设项目同改据管理制度框架结称改据管理制度框架结称内客规则范制定制定者规范数据建立、维护与管理方面的职责与工作的制度，为加强全行数据管数据治理组织工作章程是为了明确数据治理组档，是对数据管理工作的组织架构、职责与权限、数据管理工作考核是对数据管理工作过程事项的考核，依据数据治理体系功能及设计的建设实施路线图，确定年度工作目标，进一步设计年度数据管理工作考核评价的维度与具体指标，在明确数据管理工作考核的组织实施方式的基础上有效的开展考核工作。在激励方式上，应注意奖惩结合，多设置加分项目，以鼓励工作开展，提设作作评价维度考核指标说明机制建设相关部门须根据数据管理工置相应的数据管理专员并明工作人员员不明职责的情况，次性扣10分工作联系函的相关人员须对数据治理办公室的工作联系函等需要配合的工作事项按时进行反馈，包括纸质和0A两种方式按时反馈的次数/所有需反馈的工作联系函次数55*工作联系函的反馈率相关人员须对数据治理办公室发出的制度征求意见稿按时进行反馈，包括纸质和0A按时反馈的次数/所有需反馈的制度征求意见稿次数55*征求意见稿的反馈率员的出席情况∑单次出席会议的人次/须参加会议的总人次55*会议出席率数据质量管理数据质量度量规则需求提出率系统归口部门在新建系统、改造系统结束后，须提出相应重要数据项的数据质量度量规则需求提出新增、变更数据质量度量规则需求次数/新建、改造系统次数10*数据质量度量规则需求提出率日常提出数据质量度量规则的情况各部门在日常工作中，可以提出数据质量目标计划监测范围外的数据质量度量规则加分项实，加1分，最多不超数据标准管理各部门在新建系统、改造系统时，须执行数据标准的要10*数据标准执行符合率求并填写《数据标准执行审的相符情况次数/新各部门须按照数据标准落地执行工作方案的时间计划完成相关标准落地工作划时间完成相关落55*(1-数据标准落地执行工作方案延迟率)日常提出数据标准的新增、变更或落地需求各部门在日常工作中，可以提出数据标准目标计划外的新增、变更或落地需求每提出一次需求，经核实，加1分，最多不超为了有效的评估、分析数据治理各项任务的工作绩效理和应用的过程和结果，看到问题或不足的本质，从而做革求购应效率葵盆程往其中在具体的指标设计上，可以设计三级的指标层次，其中一级指标包含4个关键价值：数据治理文化、数据质量、数据安全、数据应用效率；二级指标包含若干体现关键价值的支撑关键能力，其下有三级指标包含若干支撑的度量指标。如下是若关键能力指标说明从下图中可以看出，数据标准是数据管理活动的组成之一，与数据治理与数据应用相辅相成。数据标准工作的开展需要契合企业的工作重点，配套建立数据标准的相关管理机制，以数据标准为突破口进行全行的数据治理工作，提升全行的数据意识，为日后数据应用与服务提供支持，促进数据管理对业务和科技的贡献。5.1数据标准体系根架与规划5.2数据标准制定，评审与发布5.4数据标准维护5.5数据标准工具建设、维护理主数据管理元数据管理造度息5,3数据标准执行与落地输入数地作准罚是信声图例●与数据应用与服务关系：数据应用与服务为全行数据标准管理的建设提供全行层面统一的数据管理重点与目标，对数据价值、量化分析应用、决策支持、风险识别等方面进行实际的应用。●与数据管理组织与职责关系：数据管理组织与职责定义数据标准管理角色体系、组织架构及职责划分，为数据标准管理工作的开展提供组织基础。●与数据管理制度关系：数据管理制度在规范了数据标准管理领域的目标、遵循的行动准则、完成的明确任务、实际的工作方式、采取的一般步骤和具体措●与数据架构与模型关系：数据架构与模型管理作为数据标准的重要载体，伴随数据标准的调整或变更数据架构与模型也会做相应的调整及优化；●与数据质量关系：数据标准管理为数据质量管理提供技术标准、业务标准，作为数据质量度量规则的制定依据，有助于数据质量的提升；同时，在数据质量提升的管理过程中由于业务流程优化或信息项变更而提出数据标准完善或变更需求；●与元数据关系：业务数据标准是元数据管理模块的数据来源，而技术数据标准作为技术元数据的比对标准；●与主数据关系：主数据管理明确全行范围内对主数据的业务定义及技术定义，统一业务部门及技术部门对于主数据的理解，规范各系统建设时对主数据的定义。主数据标准的制定可以结合***现有的数据标准为参考；同时，主数据业务及技术定义的变化也作为全行数据标准定义的输入。数据标准管理框架为数据标准化建立了科学合理且符合实际情况的架构，是数据标准化工作开展的基础。数据标准管理框架的建设目标是：建立框架、指明方向：数据标准管理框架建立数据标准的总体框架、目标蓝图和实施路线图，指明未来数据标准化工作的重点和发展方向。科学分类、界定范围：数据标准管理框架将为数据标准的科学分类以及各数据标准的内容和范围的界定提供依据。建立依据、提供指引：数据标准管理框架为数据标准化工作提供依据和指引。奠定基础、逐步完善：为数据标准逐渐趋向科学化、合理化和实用化奠定基础。数据标准管理框架分为数据标准管理机制建设、数据标准制定、数据标准实施三个部分，其中数据标准管理机制建设，即标准管理的流程、标准管理制度、组织架构和职责贯穿于标准制定和实施的全过程中：标准管理流程标准管理制标准管理组织标准管理流程标准管理制标准管理组织数据标准管理流程框架应用应用发布标准专家工作小组管理员数据标准制定分析类数据标准分析类指标分类体系分析类指标定义框梁分析类指标维度体系分析类指标分类体系分析类指标定义框梁基础类数据标准资产数据标准渠道数据标准资产数据标准渠道数据标准地址数据标准营销数据标准财务数据标准公共代码数据标准数据标准实施数据标准管理体系框架数据标准管理机制建设包括数据标准管理组织的建立、数据标准管理制度的制定以及数据标准管理流程的设计，三者相辅相成，应符合如下原则：●组织设计遵循目标驱动原则：定义组织架构及职责要从工作的目标而非工作的过程出发。只有达到预期的工作目标，工作过程才是有意义的。●职责完整性原则：尽可能使同一个岗位完成一项完整的工作，完整的工作增加岗位人员的工作积极性和成就感，对员工的绩效评价提供可衡量的依据，由一个岗位完成一项完整的工作减少了交接和重复工作。期规划中，首要提升快速解决业务难题，降低业配套是否完善。没有制度性文件支持和约束的流程很难性文件一般包括流程说明、工作准则、审批权限数据标准管理组织分为决策层、管理层和执行层，每一建议***数据标准管理实行“统一领导、集中管理、分工协调”的管理模式。建立由行长任组长的数据管理委员会承担数据标准管理的决策和领导责任；建立数据标准管理专职机构，负责全行数据标准的统一管理，承担涉及全行性数据标准的制定、维护和应用监督等工作；建立数据标准管理团队，承担一般专业部门数据标准管理与应员会是全行数据标准工作的最高决策机构，负责数据标准管理重大事项的协调与决策；●审批数据标准管理办法、流程和规范；●审批数据标准的发布稿；●定期听取数据标准管理工作的汇报●协调重大争议事项数据标准管理专职机构是数据标准工作的总体协调与管理部门，负责组织、推动数据标准的相关工作，具体工作由数据管理团队承担●负责制定数据标准工作计划及工作方案；●负责制定和维护数据标准定义模板；●负责收集数据标准的新增及变更需求并协调相关部门参与数据标准制定、变更、评审；●负责维护数据标准、发布新版本；●审核IT项目组在系统建设中的数据标准落地范围与落地方案、数据模型建设方案等；●监督各部门对数据标准的执行情况；●定期向决策层汇报重大事项数据标准归口管理部门是数据标准业务标准的权威认定部门，负责本部门管理的信息项业务标准和标准代码的解释和指导总行各部门是数据标准的需求提出方与执行者，主要职责包括：●负责提出数据标准制定及变更的需求：●参与数据标准的制定；●参与数据标准的变更与评审工作；●负责落实并执行相关数据标准分行是数据标准的需求提出方与执行者；●根据日常运营统计及监管报送的需要通过总行分管条线业务部门向科技发展部提出数据标准需求；●在数据获取阶段按数据标准的管理要求开展工作数据标准管理主要内容包括了数据标准的制定、评审、发布、执行、变更、复审的制度规范和工作流程。数据标准制定-数据标准内容包括数据分类、业务属性、技术属性、管控属性和标准代码：-数据分类明确了数据标准业务主题的概念、本质和内涵；-业务属性定义包括信息项分类、名称、业务含义等；-技术属性包括数据类型、数据长度、精度等；-标准代码包括了代码值、代码名称、代码项、代码定义、编码规则等；-管控属性包括了信息项使用部门、管理部门、版本号、标准使用状态等。数据标准评审-数据标准评审的对象是数据标准的编制成果，包括数据标准的数据分类、业务属性、技术属性、管控属性和标准代码的前瞻性、完整性、准确性、可落实性以及是否符合本行实际与外部监管要求等。数据标准发布-数据标准发布包括各部门领导的会签和传签，以及数据标准制定成果在全行范围内的正式发布。数据标准的制定、评审、发布流程如下：1.6.惩求各部门亮见，根据需要程数据标准的制度、评审与发布部门数据标准上减果议稿准1.4-1求数据标准执行-数据标准的执行会落于业务层面与技术层面。-业务层面的实施包括纳入业务制度编写、规范操作、监督复查、统一统计口径-技术层面的实施包括系统的落地，如新建系统落地、源系统改造、数据平台落地，以及各类数据标准管理工具的应用。数据标准执行流程示例如下：程程基标技发等需Ⅱ录，或计s推教标准留准实比方口制最成*相关部门相关部门关分行-数据标准的变更是指由于业务运营与管理的数据需求变化，或由于外部监管要求，或由于引用的国家标准等外部标准的变化，对已发布的数据标准进行的修改完善。数据标准变更流程图如下：求程数据标准复审是指根据业务发展及系统建设情况，对数据标准的适用性和准确性进行的周期性评审。是否废止静是否修订→香较大否数据标准管理制度是数据标准工作范围、人员、活动、流程等要素的保证，管理制度的制定需要明确数据标准的工作目的、使用范围、工作原则与规范、组织架构与职责以及数据标准的各项活动和管理流程等，其制定步骤如下图：3.全生*期程标准化管理3.全生*期程标准化管理述数据标准管理制度的建立应遵循如下原则：●建立全行级的数据标准制定、审批与发布制度，遵循“集中管理、集中审批、集中发布"的原则，由标准管理专职机构制定指导全行业务部门统一执行的审批与发布制度，保证数据标准的权威性和连续性。●建立数据标准的执行机制，规范业务部门在编制业务需求或者制作经营分析报告时正确有效地使用权威的数据标准，保证数据标准从业务到科技落地实施过程中，各参与方严格按照标准定义履行各自责任，做到标准统一、责任明确、●建立数据标准的变更和复审机制，标准管理专职机构定期对存量数据标准进行验检，清理需要变更或者停用的标准对象。标准管理专职机构对满足巡检条件的标准进行筛选，确定需要清理的候选标准。标准管理专职机构向相应数据标准管理专业线或有关业务部门发送数据标准使用状态确认函。如果确实需要对存量标准进行变更或者停用操作，由对口数据标准管理专业线或标准所属业务部门发起变更或者停用流程。管理办法中除了明确数据标准工作的参与组织与流程外，还需要规范整个工作中需要的应用的表单和附件，包括不限于：数据标准需求审批表、数据标准执行表、数 中齿都门：【中喻人所在形门成民为】需求共员配【读资求的之要业外原因】【讲数据炸准需家的详细管况，我对计说明】带家提出都门成机构负变人家见：信卷中心数露标准强而家无，通过向业务部门和关键处室负责人征询意见，逐步完善我行数据标准管理工作的细节内容，并获取全行范围的认可。最终制定全面和切实可行的管理制度，并在全行数据是银行业业务开展的基础性支撑要素，高质量的管理与分析能力的必要条件，数据标准是银行提发展提供支持，进而创造利润，从而确保银行的数据资数据标准的含义管理组织技术工具数据标准化数据标准化是为实现数据价值驱动业务发展，而开展的对数据标准定义和实施的一系列工作。数据标准体系则是根据银行的实际情况搭建起的科学合理的框架，是数据标准化开展的基础。数据标准化的价值一方面体现在促进业务沟通并为信息化建设打好基础，另一方面在于满足监管部门对数据的要求。●提升整体业务效率：数据标准化统一了业务语言，明确了业务规则，规范了业务的处理过程，从而提升银行整体的业务效率，满足管理决策对信息的要求。●提升数据质量：数据标准化统一了各类系统的数据定义，因此数据标准化将直接提升银行的数据质量，为领导的管理决策提供准确、全面的数据。●提升IT实施能力：数据标准将提升IT系统的数据模型设计效率，降低各系统间集成的复杂度，并为各业务条线和IT系统提供一致的数据定义，从而促进各业务条线之间的交互，降低了各系统间数据交换的复杂度，提升银行的数据共享能力，进而为提升我行的IT实施能力奠定基础。数据标准化的价值 提升数据质量：42.数据标准化可以满足监管部门对数据的要求：同时，人民银行、银监会等外部监管机构也在近两年陆续发布了对商业银行开展数据标准工作的指导文件或试行标准。如，人民银行于2010年发行了《金标委秘发45号一关于启动今明两年相关标准编制准备工作的通知》和《贯彻落实金融统计标准工作的指导意见通知》(人发201(286)号文);银监会于2011年发布《中国银行业“十二五"信息科技发展规划指导意见》中明确提出“建立数据治理机制，积极推进数据标准化和数据质量建设"等。这些举措加快了行业标准建设的步伐。当事人(客户、内部机构)、产品、账户、协议和通用代码管理倍息部台，技术标准和元数段产品、团体、地址、账户、总帐、营销活动、梁道、申请、事件、风险、模型和公共代码行内推行标准管理制度，日常监督，在数据应用类系统中部分客户、合约、产品、地址、事件、资源、分类无应用少量公共代码无应用渠道、风险、KPI指标的开发而落地应用数据标准体系基础类数据标准的主题构成包括对应业务主题(如客户、产品、资产、交易等)数据标准数据标准数据标准的主体构成是指银行为其提供产品或服务的，以及其他银行所能够接是指银行为其提供产品或服务的，以及其他银行所能够接触到的、已发生业务往来或存在业务往来需求的任何个人二代码名和100改府与集团客户部政府客声200所型机构部04期货公司95产管理公司808服务部门客户细分类盟标准行业分类)其他组织境外金业境外政府国际组织回标/12001其他组织社会团体团关联组单客户事业单住金量标准信息模型包括对数据主题信息项的识别、信息项的分类、信息项的业务属性-信息项的识别：识别该数据主题所包括的所有信息项(原子级),如客户名称、-信息项的分类：从业务的角度对相关信息项进行分类，如将客户名称、客户行业归入客户基本信息类，客户电话、客户地址归入客户联系信息类。-业务属性针对每个信息项进行描述，包括以下内容：-业务含义：信息项的业务含义及说明；-数据管理部门：对此信息项进行定义和变更的管理部门；-重要程度：对于业务的重要程度，分为高、中、低三个等级。注：以上是数据业务属性的通用描述方式，具体到各个数据主题可能略有不同，如交易主题的数据，一般还包括使用规范等信息。客户信息大类技术属性针对每个信息项进行描述，包括以下内容：客户信息大类-数据类型：根据数据表示特征划分的数据类型，如编号、金额、日期、代码、文本、数值等；-数据格式：数据的技术格式及技术长度定义，如10位定长文本char(10);-有效阈值(可选):可选项，可根据各主题数据标准的特性来定义数据项有效域值的范围，如数据项有效值范围为0~100;-是否可空(可选):可选项，可根据各主题数据标准的特性来定义数据项是否可空置(是/否);-缺省值(可选):可选项，可根据各主题数据标准的特性来定义数据项在默认情况下的缺省值。具体样例如下图所示：4廖考宅义300标准对会基本信息名称称用104取紫称渗为宅义100标准对基本但息名称称用1-01-5称请每个人国为站结，性别等因素建立对光基本住息名称称进1005调好描述个人客户所通好的称滑方式又材参考定灯20试行标基本信息名称称对10-5拼音名记录对犯客户的拼音名称。对于晚内名利称用1005英文名记录时期客户的英文名称，时于墙外本量中文名已录时犯客户的中文名称，对于候内4是对公/时基本住息基本概况1401-2客户基础分类述对公客户成集田关麻组整等的经代隔航试部记账式直用系告述律客户是否具有化政管对公本信且本况-04国承述客产是具配数道惨宅义8试行标对公基本但息基本度况04国开发便劳承所变资消述法客户是否具有因开发质步示握对公基本住基本概况1004行业市场优况代码，指述某个行业在市场中发展试况的类标志标志长现试行标都市代现长刻试行标对会基本性思基本机况：0,行老如贴等罐庆得由已录长客户获解法和提安展的田南日期旧航长曳试行标代异虚准代见长要标准3.标准代码各类基础类数据如客户、产品、协议等均包括相应的代码，且存在共用的代码，因此代码将作为一类特别的基础类数据标准，并与客户、产品、协议等数据标准共同使用。同时，分析类数据的统计维度同样会使用到相关的代码。标准代码包括代码基本信息与代码定义两部分。根据数据主题的不同，数据标准还包括业务规则等其他内m品包括为满足***内部管理需要及外部监管要求，在基础性数据基础上指标分类框架体系要全面反映数据服务提供者所议指标分类采用空间分类法(多维分类),例如按照业务条线、使用用途、机构等行长驾驶舱(行长展现平台)-指标池行长驾驶舱(行长展现平台)-指标池指标的分类与具体内容2.分析类指标元数据模型指标元数据模型是反映指标的定义、采集、存储、整合、应用与控制等的标准模板。元数据模型应包含指标的业务属性、技术属性、管理属性等，以方便用户的使用及体验。业务属性：业务分类、业务分析描述、关联指标、关联维度、报表名称等；技术属性：实现方式及展现方式管理属性：管理部门、业务服务范围、服务ID、管理服务ID、区域服务范围、状态。业务无无信无息∑透支余额万元月、季、年息归属部门视角角(一级)二级角(一级)二级财务产品分类视角无趋势分析、预警监测应用口径系统映射系统业务无无信无息∑透支余额万元月、季、年息归属部门视角角(一级)二级角(一级)二级财务产品分类视角无趋势分析、预警监测应用口径系统映射系统映射说明计算规则维度(不含时间)指标精度统计周期指标常用名因子指标业务说明数据标准制定工作分为现状调研、原则定义、标准制定三个阶段。.1.数据标准的现状调研现状调研阶段的目标是通过不同的调研形式，深入的了解***当前存在的数据问题及各业务部门对数据标准的认识与期望，并从不同层面验证、分析问题的产生原因。一、从业务层面，通过业务访谈调研，为后续数据标准的准入及信息项的业务定二、从系统层面，通过系统数据字典的查询、比对，为跨系统的数据标准信息项的统一以及信息项的技术定义提供依据。三、从经营统计及外部监管层面，通过业务访谈及业务部门提供资料的分析，为数据标准信息项代码的制定提供依据，保证必要信息能够满足日益精细的经营统计和四、从管理层面，通过业务访谈及组织职能分析，为后续数据标准的设计、维>数据标准现状调研方式针对各主题的数据标准的业务特色，结合以往同类项目实践经验，调研内容主要通过对相关业务部门及分行的访谈，了解各主题数据在业务开展中的作用及当前系统支持的情况，从业务层面掌握各主题数据现状，并加强业务部门对数据标准工作内容的理解和认识，利于双方工作的配合。项目组通过对收集到的资料，包括现行系统资料以及从各业务部门收集到的制度、报表的整理分析，更加完备而准确的认识了解各主题的数据现状。针对发现的业务问题，通过数据字典查询等方式，从系统层面了解和验证产生业务问题的数据的相关属性并分析原因。同时针对特定系统或项目，与相关技术人员进行沟通，深入了解特定系统在处理各主题信息时的相关流程和规则，了解现存的数据数据标准编制思路***拥有一套科学、完整的数据标准设计方法论。该方法综合了业界自顶向下和自下向上两种设计理念，通过细致的客户数据现状调研为基础，结合***所拥有的银行业数据标准资产，通过对比，采用不同的处理方法，整合出即满足符合我行数据现状又能体现未来金融数据需求的前瞻性数据标准。数据标准编制原则数据标准框架在总体上注重标准体系框架对标准分类的科学性、合理性，考虑信息化的实际需要和业务发展对数据标准提出的不断更新、扩展和延伸的要求，还要注重与现行的国际、国家和行业标准的相互衔接。数据标准体系在编制时需要遵循实实用：数据标准体系须满足业务发展和业务应用的实际需求，体现特色，突出重点，能够指导数据标准的定义及数据标准在业务层面及技术层面的落地工作。前瞻：积极借鉴国际经验，充分参考国内外业界的先进实践经验，使数据标准体开放：数据标准体系并非一成不变，其所包含的各项标准应可修订、可执行；整个标准体系应可扩充，能够随着的业务发展和数据标准的深入应用不断充实和更新。数据标准准入原则对于数据标准来说，重点关注在企业内部多处使用、频繁交换的数据，将所有的数据纳入数据标准的范畴是没有必要的，因此，从数据标准对业务和IT的指导作用出发，设立如下的数据标准范围的准入原则。●经国际、国家或行业正式发布的数据标准●监管部门管理指引、监管统计规范等已经明确提出要求的相关数据规范●行内已经发文进行明确的相关数据规范●针对在全行广泛使用尤其是跨业务条线的数据和代码进行标准化原则3:●针对在现有IT系统中多处使用的数据和代码进行标准化●对于分析类指标，只针对综合类的分析指标进行标准化，对于单个业务领域所使用的分析类指标暂不纳入标准化范围客户的定义和分类客户，是指***为其提供产品或服务以及其他感兴趣并进行分析的任何个人和机构。按照客户的基本属性，可以将客户分为：对私客户和对公客户。其中对公客户又可分为境内和境外两种类型，每种类型下各自可进行更进一步的的细分。客户的识别规则基于客户分类，提供各类客户的识别规则。包括利用组织机构代码识别境内对公客户，利用所在国家或地区和客户名称识别境外对公客户以及利用个人证件进行对私客户的识别。以及针对各类客户的历史数据情况提供客户归并的补充建议。客户的核心信息客户的核心信息包括：基本信息、联系信息、财务信息、关联信息、风险信息、评价信息与往来信息等信息。详细如下图所示：客户信息分类示例组织数据标准化工作内容组织数据标准化工作内容数据定义数据组织数据的定义：组织是指人们为着实现一定的目标，互相协作结合而成的集体或团体。此处所指的组织数据包括银行的内部机构和员工的相关信息。组织数据核心信息：组织核心信息类包括：基本信息、联系信息、职责信息、关联信息、评价信息基本信息联系信息职责信息关联信息产品是向客户提供的，能够满足客户特定金融需求的金融工具和产生收益的金融服务、或者银行在货币市场与资本市场的资金操作，必须是能够面向市场面向客户的、可以单独直接销售、必须要有回报发生或者银行在货币市场与资本市场的资产品标准的分类为满足业务管理、风险管理、经营预算、会计政策、业绩评价和外部监管的需要，从金融产品的属性特征、市场惯例、功能用途和管理需要等方面建立的基础分√行业普遍接受√跨部门统一√不重复不遗漏√一个主分类标准√同类产品有相似的产品特征/功能/目的，有一定的业务逻辑和业务含义√有适当的粒度，能在一定程度上支持快速准确的产品类别分析盗租氮、经营租负、其他租簧产品支付结算银行卡业务代理业务担保与承诺租赁业务产品信息分类示例产品的核心信息产品的核心信息包括：基本信息、管理信息、条件信息、协议的定义协议的分类类原则，依据协议属性相似度和行业统一认知，对协议进行分账户协议账户协议协议协议的核心信息交易的定义交易是指银行为满足客户的金融服务需求或自身的经营管理需要，进行的用来实现价值转移、服务提供的活动。交易分类遵循实用性、前瞻性、扩展性、重点性、清晰性的原则，共分为金融交易和非金融交易两大类。交易交易的核心信息地址的定义地址的分类地址地址的核心信息地址的核心信息包括地址通用信息、地理地址信息和虚拟地址信息。渠道是客户及合作伙伴获取银行信息或使用银行金融产品、金融服务的媒介。商业银行的渠道是指商业银行为客户提供各种服务的方式或途径，主要分为有形网点和无形网点。有形网点包括营业网点和自助银行，无形网点主要指电话银行、手机银行渠道的分类渠道基础分类遵循六大指导原则：稳定性、遵循并参照已定义相关标准、重点突出、参照外部监管和内部运营管理、排它性及前瞻性。源道渠道的核心信息营销的定义营销的分类营销营销的核心信息财务的定义财务的核心分类资产的分类资产的核心信息坏难代码标难化工作内容执行·标准代码的定义：标准代码是指开行业务营运中使用的业务或技术代码，标准代码将在开行的相关业务及信息系统中被强制执行和遵守。标准代码的定义包括两部分●代码基本信息：包括代码的编号、英文名称、中文名称、业务含义及定义原则等。●代码定义：确定具体的代码、代码描述及代码的详细业务说明。●英文名称：代码的英文名称，如币种代码currencycode;●中文名称：代码的中文名称；●业务含义：代码的业务含义，如币种代码是开行业务营运中所接受的各种货币币种的统一标识；●定义原则：说明代码的定义原则，如采用外部标准；●外部标准：如采用外部标准需标注外部标准的代号及名称；●编码规则：代码的编码规则(如：行业编码的编码规则);.4指标数据标准制定●维度分类，维度可按其描述银行业务信息的特征进行分类，如参与人、产.41.指标分类分类是根据事物的特点，按照一定的方法将它们区分归类。分类是认识和区别事物的基本方法，分类以认识事物、区别事物为目的，有其特殊的对象和用途，分类的指标的检索特点是不同的用户有不同的检索习惯，如通过指标名称、指标编号、指标归口管理部门、计算时相关的指标，指标来源系统等进行检索。在没有系统支持例如可以从使用用户视角，提供了基础数据标准分类、使用范围、管理领域和业财务分析财务与绩效管理为行丙管理公开技露在款。租赁业务资产普销基础数据标准分类客户机构e指标数据标准分类示例部门元元日/句/月元元元元日/句/月元日/句/月日/句/且元元元《经济利润日/句/月)复现象。明确指标的业务定义，便于该指标体系BD,标识业务发展主题，取业务发展英文缩写2位英文字母代表。RM,风险管理主题，取风险管理英文缩写2位英文字母代表。FA,财务分析主题，取财务分析英文缩写2位英文字母代表。CA,客户分析主题，取客户分析英文缩写2位英文字母代表。CS,渠道分析主题，取渠道分析英文缩写2位英文字母代表。SC,监管报送主题，取监管报送英文缩写2位英文字母代表。该属性为必选属性，用于指标的整体概括性描述，●指标的原理或概念解释；●指标统计所覆盖业务范围、产品条线范围等；●我行的业务特色，与通用概念、监管要求的差异性等。目名称(科目号);如果指标是由其他指标衍生运算的，在引用相应的指标时，则表示为指标名称(指标编号)。标的计算规则中，无法用计算公式部分进行描述的补充，其该属性为必选属性，指标需要有单一的归属管理部2.使用状态该属性为必选属性，描述指标是否有效的状态，包括“在用”和“废止”,缺省数据标准落地应用的步骤分为实施计划、标准执行、标准检查和标准改进四个阶数据标准落地是一项持续性的工作，其价值毋庸置疑，但同时在落地过程中也会为系统建设带来改造的工作量与复杂度，如何平衡阶段性的投入与产出，保障边际效益最大化是落地执行开展的首要原则，其关键因素包括：●尽可能减少已投产运营系统的改造成本与产生额外问题的风险；●需考虑外购的成熟软件系统改造的可行性；●对于系统实施项目，尽可能在不延长项目实施周期的情况下进行数据标准的落地。●对源系统的改造是数据标准落地最直接的方式，有助于控制未来数据录入的质量与准确性；●对系统间接口的改造也是保障交互一致性的重要工作；●数据平台入仓时将数据按照标准转换，可保障统计分析的准确性。●通过对我行业务运营和管理的收益分析，排定落地的优先级；●通过对对我行业务统计分析和监管报送的收益分析，排定落地的优先级；●对于相关性较强的数据标准内容，建议同时实施落地。●按照我行IT规划的整体安排，未来的系统建设会有节奏、有计划的进行，数据标准的落地实施也需按照IT规划的建设步骤进行。数据标准的落地与执行需要遵循以下策略：问题驱动：根据风险管理、监管报送和统计分析工作中，对重要的行业代码、机构信息、产品信息一致性的要求，以解决业务部门最为迫切的数据问题作为数据标准落地工作的入手点和落脚点，进行相应数据标准的落地实施。理精细化的作用，如客户信息、资产信息、产品特征信其次，数据标准落地与执行时，对于***各业务领域及IT系统的约束力应遵循以原则1:信息项的业务标准、技术标准和代码标准，对所有业务领域及IT系统要原则2:数据标准所定义的参考数据模型，由于其不涵盖***所有的数据项，同时原则3:对于新建或者改造系统，强制要求其执行信息项的业务标准、技术标准和代码标准；对于现有系统，其数据进入数据平台时(主要指数据仓库),必须遵循标准映射是识别数据标准与源系统数据字典间的差异，基于定义完整的数据标准模板，开展关键系统的数据映射与差距分析工作，数据差距分析是后续数据质量分析和制定系统数据清洗、补充和质量改善方案的基础。数据差距分析的目的主要明确例如：客户基本信息、客户评级信息、客户风险缓释信息、个人和企业客户财务信息、客户信贷资产债项信息中的额度与限额等字段通常存在不同程度的缺失，尤其以客户信息、风险缓释信息、个人和企业客户财务信息以及额度与限额字段的数据X正数据小员公司数是为信贷系晚射到担是是无需是无需数据跳是是__RECISDITMTE0是_统。联射别照1报保信自是2无否3是GLUARBALAEE未境为信供于统，映时到坦4是NP-Ss4限为信量系待，睡时到拍5是_L5是__ICTPAE取来原为信员系是KESENAL证来源为信贷系统，映射到托8无否数指平白无比故据项，清源出数据项数据差距分析包括对数据仓库及对各取数源系统的数据差距分析两个部分，我们对数据差距分析采取的工作方案不只是对数据标准模板的数据项与数据映射结果进行的简单比较，而是基于完整定义的数据标准模板，以及对银行各系统中的相关数据 数据仓库数据仓库数据差异：指新协议合规数据项无法从数据仓库中获取，但可从源系数据仓库数据差异：指新协议合规数据项无法从数据仓库中获取，但可从源系统(核心、对公信贷、个贷、资金交易等系统)中直接获取，则认为该数据项存在源系统至数据仓收集、整理、熟悉、理解银行各取数源系统和数据仓库的数据字典以及作，保证数据差距分析结果的谨慎性和正确性，为后续的数据质量分析工作奠定基·与银行数据仓库和各取数源系统技术人员开展多源系统和数据仓库的当前状况、银行现有系统改造和升级计划，仔细分析现有系统和数据差异工作由项目组成员，以及具备银行业务系统、数据仓库实施经验的银行内部技术团队成员合作进行，团队成员对数据差距分析的目标数据和银行实在充分考虑银行业务流程要求、银行内部管理需求，以及银行现有系统和数据架构的实际情况后，开展对数据仓库的数据映射和数据差距分析，主要分析以·参与数据映射和差距分析工作的技术团队成员还将在数据质量诊断阶析、数据质量标准及检验规则制定阶段，直接利用数据映射的结果来进行质量分析和数据标准落地可分为日常工作形式开展和以项目形式开数据标准调整标准落地分析分析对象：标、界面、功能、接口案历史数据清洗影响分析变统)的影响确定在各系统标准以项目开展形式户置数据标准落地方法数据标准的落地方案包括确定范围、差异分析、影响性确定范围标准在客户关系管理系统落地的计划-确定范围(1/5)踏束时间(高代先级任务)体内)国国交易数据标准路地打步市国从国底镜，从爆统人类受产数措标准落丝打步用国从国系统，从金说程借贷项目入季内部机构与员工数措标准落经物步发国从国系统，从主缺人车中信想项和代码要个内容统落丝范国标准在客户关系管理系统落地的计划-差异分析(2/5)工作价段产出物作内容)先极任务)析签异分析模板签异分析报告(包含：1.落丝数措标准后，与观有数播的差异及分类，每类签异对历史数据的影响2.提出历史数播清洗的物3.对标准光普的用求?标准在客户关系管理系统落地的计划-影响性分析(3/5)工作阶及具体任券产出物你内春)先复任3)结合落地标准范国、签异分析地果、以及BX系统项目组对本系统上下游的分析，得出影喷性分析微固影响性分析报色，内容沙及；影响系统、影响评组内容、受影响系统优光题历史效措如何清洗、是计划、计划充或时间、工受影响Ⅲ系统项目迫客!