IBM-谋定后动强化共识聚焦主数据全面提升数据治理能力

IBM商业价值研究院

|

专家洞察谋定后动，强化共识聚焦主数据，全面提升数据治理能力主题专家张玉明张玉明先生是IBM

副合伙人，IBM

Consulting

金融核心锐变团队数据转型与创新负责人，主要关注于金IBM副合伙人，融行业数据中台、大数据战略与分析咨询、数字化战略转型、企业级数据治理及数据资产管理解决方案IBMConsulting金融核心锐变团队数据转型与创新负责人zhangyum@等方面。张玉明先生拥有超过

15

年的数据咨询与实施项目经验，领导过多个金融企业的大数据分析与人工智能技术应用、大数据应用架构、数据运营体系、业务咨询乃至系统实施项目。殷峻殷峻先生是IBM

Consulting

金融核心锐变团队的资深咨询顾问。他有着超过

20

年的

IT

咨询与服务的IBMConsulting金融核心锐变团队数据转型与创新工作经历，专注于为大型金融机构提供企业数据管理以及风险管理的解决方案。他在数据管理、风险管理资深咨询顾问和数据架构方面有着广泛的知识和技能，曾担任多个JunYin@数据管理、风险管理项目的关键角色，在金融行业的信息系统建设方面有着丰富的经验。程倾程倾是IBM

Consulting

金融核心锐变团队的高级咨询顾问，她具备5年以上的金融行业数据战略规划、主数据、数据安全、数据标准等领域的咨询经验，为大型银行等金额机构提供数据治理、数据分析等方案及数字化转型服务。IBMConsulting金融核心锐变团队数据转型与创新高级咨询顾问Qing.Cheng@王莉王莉女士是IBM

商业价值研究院的高级咨询经理，担任

IBM

全球高管调研项目和对标分析项目的大中华IBM商业价值研究院区项目负责人。她拥有

15

年以上的管理咨询和管理高级咨询经理研究经验。王莉女士目前所关注的研究领域包括数字gbswangl@化转型、无边界企业、人工智能等，旨在帮助各行业客户创造新的商业机会、发现和传递价值。2摘要谋定后动，强化共识。聚焦数据治理工作的关键在于提升边际主数据，全面提升数据治收益理能力不是所有的数据都具有相同的价值和重要性，通过集中精力处理关键数据，有助于解决重

点和难点问题，同时优化资源分配，实现更大的治理效果和业务回报。聚焦价值主线，实现数据治理“破茧化蝶”主数据是企业最为关键的数据，应该围

绕主数据开展数据认责

，建立和完善主数据标准，同时梳理和修复管理流程1的断点，从而为数据治理带来事半功倍的效果。行动指南深度优先、以点带面、协

同推进。1AI

时代的达摩克

利斯之剑企业需要在数据问题的优ChatGPT

是人工智能研究和发展的一个非凡的里程碑，面对生成式

AI

的卓越表先级、重要性、影响性等多现

，CaixaBank

首席

执行官

Gonzalo

Gortázar

感叹“生成式人工智能模型在同一方面进行权衡，力争实现时间给我们带来了惊喜

、惊叹和惊吓”

。与此同时，企业也面临加速采用生成式2一举多得的工作成效。AI

的巨大压力。根据

IBM

最新的调研结果，75%的受访

CEO

认为企业的竞争2优势将取决于是否拥有最先进的生成式

AI。CEO

们看到了生成式

AI

的巨大潜力，但只有

29%

的高管认为组织内部已经做好了充分的准备。企业中缺乏明确的数据计算和报告流程、数据集之间的标准/格式/频率不统一、对数据源可见性较差等萦绕在管理层心头多年的数据问题，依旧是阻碍企业拥抱和开发自有生成式

AI

应用的极大障碍。实际上，在生成式

AI

出现之前，各类组织围

绕数据问题已经开展了持续多年的治理。随着国际数据管理协会在

2015

年发布数据管理知识体系指南(DAMA-DMBOK)3，数据治理工作越来越多地得到企业的关注，并借鉴数据治理体系框架来提升数据处理能力和数据质量，进而推动企业的数字化转型工作。一方面，企业在数据治理的框架下，从数据架构、元数据管理、数据标准、数据模型、数据质量管理等多个方面，投入了大量的人力和资源来提升业务数据的数据质量。根据

McKinsey

的估计

，一个中等规模的金融机构每年在数据治理上的投4入大约在

2000

万到

5000

万美元之间。另一方面，在作出了诸多努力和尝试后，企业面临的数据问题和挑战似乎并没有减少，治理效果与预期之间似乎总是存在差距。据

Gartner

的估算，企业每年因为数据质量问题而需要付出平均约为51290

万美元的额外成本。数据问题就像悬挂在数据管理者头顶的达摩克利斯之剑，在坐享数据带来的各种分析能力和深入的业务洞察的同时，还

要时刻感受各类数据问题所带来的恐惧和困扰。而解决各类数据问题的成本和收益更是数据管理者不得不考虑和平衡的关键因素，毕竟企业的资源和投入都是有限的，需要在数据问题的优先级、重要性、影响性等多方面进行权衡，力争实现一举多得的工作成效。2谋定而后动，事半而功倍在理想的情

况下，数据治理的收益模型应该是：在治理产生这样的现象有多方面原因。众所周知，数据治理是的最初阶段需要一定投入，虽然取得的效果或收益较一项复杂的系统工程，涉及到数据战略、组织架构、流小，但是随着全面治理的持续推进，每年只需要保持一程优化等方方面面的调整和配合，而缺乏高层支持、权定的投入，也许不需要增长太多，就能够在某一个时间责不清、数据定义不一致等都是影响数据治理成效的重点之后，治理产生的边际收益逐渐大于边际成本，从而要因素

。如何才能在纷繁芜杂的数据问题中，识别关键6带来巨大的数据治理收益（见图

1

左图）。的问题突破口，从而走出“事倍功半”的困境？然而，我们多年来在和诸多企业的交流过程中发现，实结合数据治理能力的关键要素以及既往的实践经验，我际的情

况经常是截然相反的，那就是：在经历多年的数们认为，在开展数据治理的具体工作之前，第一要务是据治理之后，相应的数据治理投入逐年增加，但是取得识别和设定工作的切入点和突破口，将有限的资源、精的治理效果或收益却不尽如人意（见图

1

右图）。力集中在最能提升数据治理边际效益的领域。图

1理想（左图）与实际（右图）的数据治理收益模型数据治理的投入数据治理产生的收益理想的数据治理收益模型实际的数据治理收益模型数据治理的投入数据治理产生的收益第一年

第二年第三年第四年第五年第六年第七年

第八年第九年第十年第一年

第二年

第三年

第四年

第五年

第六年

第七年

第八年

第九年

第十年3主数据管理能力决定数据治理的边际效益作为在企业中被广泛使用且被多个部门或系统共享的核心数据，主数据问题通常表现出三“多”的特征，即问题涉及数据全生命周期多个阶段，问题的解决牵涉到多个部门、多个系统（见图

2）。主数据是组织中需要跨系统、跨部门进行共享的核心业务实体数据

，也

是非常重要的数据资产。以银行为例，以客户数据为例，通常会由零售业务部门、公司业务部7通常将客户、产品、机构、员工等信息中涉及到多部门共门、信用卡部门、金融市场部门、普惠金融部门、运营管享共用的关键数据项纳入主数据的管理范畴。这些关键理部门等多个业务条线分别进行数据采集、维护和使数据对企业的决策和业务绩效会产生重要影响，其数据用，不同渠道和部门采集的同一客户数据往往存在着数质量直接影响着商业决策的正确性和有效性，是企业各据内容不一致，甚至是数据冲突。因此有必要围绕客户个层级、各个部门都关注、也必须面对的核心数据，具主数据，明确这些部门在数据需求、设计、采集、加工、有“牵一发而动全身”的影响力。而主数据能够得到良使用等各个环节的数据职责以及数据处理规范，否则当好管理，通常意味着企业在关键数据的管理职责上是清新的用数需求出现时，或是在存量数据问题的解决过程晰的，相应的数据标准是明确的，总体的管理流程是完中，容易陷入推诿、争吵、一事一议的漩涡。备的。主数据管理的好坏对总体的数据治理效果会产生决定性的影响。因此以主数据为主线，建立清晰的数据治理策略和框架，同时加强各部门之间的沟通和协作，是提升数据治理边际效益的有效方法和手段。图

2主数据问题的三“多”特征示例需求采集共享改造需求应由哪个部门提出？谁来牵头和协调？相应的渠道和应用系统一旦地址改变需要同步录入的时候是否需要对到哪些下游系统？是否需要哪些部门配合？采集的信息进行验证？存在一些场景使得最新验证过程需要提供哪些的数据无法进行同步？证据？设计存储对账单地址和联系地址的改造涉及哪些系统？数据分布以及数据流转客户对账单寄送地址和客户联系地址是不是作为同一数据项进行处理？情况如何？是否需要进行标准化？4以主数据为突破口，实现数据治理的职责从数据管理部门，延展到业务主管部门以及技“破茧化蝶”术管理部门，进而推动关键业务数据全生命周期的协同管理。之所以围

绕主数据管理开展数据治理，是因为主数据所–焦点选择：“帕累托定律”指出，应该把精力和资源投入在重要的事情

上，而主数据管理的重要特征之一是具备的重要性和共享性的特征，容易凝聚企业各个层级聚焦，通过对客户、产品、机构等领域的主数据项（通的治理共识。以产品主数据管理为例，产品的研发、管常每个领域不超过

100

项）进行梳理、分析和治理，理、销售和服务是各个业务部门开展工作的重要内容，使得企业能够在有限的资源和投入下，确保对关键业一个立体的、一致的、全面的、集中管理维护的产品数务数据的有效管理。据载体是业务部门对内管理的迫切需要。从外部服务的视角来看，也

是前台部门对客户开展各类营销、推广、展机制复用：一旦围

绕企业的关键数据能够形成体系–示的关键载体。对于管理层来说，是了解经营现状和发化、可落地的数据管理制度、流程和规范，那么这些展趋势的重要抓手。通过实践磨合、积累、沉淀下来的工作机制和成果，就能够作为企业数据治理的重要手段和能力被有效通过加强主数据管理能力来提升数据治理边际效益的拓展和应用到其他数据领域，从而形成“举一反三”关键，可以归纳为以下三个方面：的作用和效果，进而带动整体数据治理水平的持续提升。–

多方协同：在现实场景中，经常会看到数据管理部门单独推动数据治理议程的现象。而主数据管理的关键在于通过对核心业务数据开展认责，将数据治理5科学定位，精准施策在确定了以主数据管理为突破口的策略之后，首先要明针对前述问题，建议围

绕四类主数据管控的典型模式，确管理定位问题。以产品主数据管理为例，管理层通常构建产品主数据管理能力成熟度模型（见图

3），并

据此会关注以下四方面问题：明确产品目录管理、产品参数管理以及产品工厂等关键概念的区别和联系，同时结合企业的实际现状，梳理各–

管理成熟度：从主数据管理的视角，管理能力的成熟个成熟度等级之间的演进策略和相应的能力要求。度分别有哪几个等级，分别具有何种特征？当前以企业级产品目录为依托的产品主数据管理能力和水平处在建立产品主数据管理能力成熟度模型之后，如何进行于哪个阶段？科学定位还应该与主数据管理的关键能力领域相结合。在产品主数据管理方面，四方面关键能力领域包括：–

改进方向：结合企业的实际情

况，当前的产品目录管理需要从哪些方面进行改进和加强？分别需要哪些部–

产品主数据管理组织：主数据管理的关键是相关各方门的配合和支持？的协同，需要通过制度和办法的形式将产品管理统筹–

协同机制：如何建立稳定、高效的协同工作机制，在方、各类产品的主管方、产品系统所属的业务方等各有限的人力和资源投入的情

况下，促进各部门相关人方的职责和管理边界明确下来，同时制订协同管理的员的协同？工作机制，通过产品主数据管理各方的交流和协同，持续提升企业级产品目录的管理效率和作用。–

实际效果：后续开展的一系列工作和投入，是否能够解决当前在产品规模、损益等数据统计分析上面临的痛点和问题？对于产品参数管理或者产品工厂建设是否有实质性帮助？图

3产品主数据管理能力成熟度初始级：产品数据集成受管理级：产品目录管理研发级：产品参数管理敏捷级：产品工厂创建/更新创建/更新创建/更新查询管理查询管理MDM查询管理MDM创建/更新查询MDMMDM更新主索引访问主数据视图业务系统下游应用业务系统下游应用业务系统下游应用下游应用“面向分析系统的单流向主数据整合”“为查询应用构建主数据视图”“主数据在

MDM

和业务系统共存”“统一在

MDM

维护主数据”6案例强化主数据管理能力，助力某大型商业银行提升数据治理水平–

产品主数据标准：企业级产品目录是产品主数据标准为了进一步提升数据治理能力，加强主数据管理水平，某制定的重要工作内容。通过企业级产品目录的制订和股份制商业银行围

绕主数据管理框架，制定了具体的主完善工作，强化产品主数据管理各方的协同意识，并数据管理分步实施方案，有效支持了该银行主数据管理通过企业级产品目录的制订实践工作，固化协同工作能力的提升。流程，提升协同工作能力，保持企业级产品目录的一在客户主数据领域，基于对数据更新/同步判定的关键因致性和权威性。素的分析，明确具体的同步判定策略和方法，使得关键客–

产品主数据管理流程：产品主数据的内容通常由多个户信息的更新和同步能够逐步从事前静态、一事一议的业务部门各自维护，不仅对外容易导致客户服务的不管理模式，走向更有普适性的、事中多因素动态判定的管一致，对内也会产生各类数据统计问题。数据研发阶理模式。段涉及的需求和设计工作是落地产品主数据管理的重要环节，过往容易被忽视，有必要在产品目录管理流在机构主数据领域，实行统一机构节点池的管理方案，程的源头尽早规范和统一产品主数据的管理要求。同时针对机构管理流程中的断点，明确相应的优化环节和各方任务。–

产品主数据管理技术：主数据管理技术不是简单的工具堆砌，需要围绕企业当前的数据分布和数据流转情在产品主数据领域，基于产品主数据管理成熟度，明确况，结合数据治理需要采用合适的管控模式。同时要该银行在产品主数据管理方面的定位以及需要改善的能综合考虑产品主数据生产者和消费者之间的关系，明力项，为进一步走向更为成熟的产品工厂模式奠定数据确产品主数据系统在应用架构中的位置，并结合其与基础。上下游系统之间的关系，有针对性的优化和完善主数据管理系统的功能。在员工主数据领域，依据人、事分离的原则，梳理员工主数据管理与人事岗位管理的关系和边界，为柜员范围认从组织、标准、流程、技术四个维度对企业的产品主数据定等具体问题提供决策依据。管理能力成熟度进行评估（见表

1），不仅能够识别企业当前产品主数据管理的薄弱环节，还能够为后续改进工作指明方向。7众擎易举，共建共享在主数据管理过程中，无论是应对新增的数据需求，还–

差异化的业务需求：不同业务部门和业务线对产品目是解决存量的数据问题，形成一套角色和责任明确的多录的管理目标存在天然差异。每个业务部门有其独特部门协同的工作机制是非常关键的。以产品主数据管理的产品分类和命名规则。在制定企业级产品目录时，为例，产品目录的制定是其中的重

点也是难点，究其原需要平衡不同业务需求，确保目录能够满足整个企业因主要有以下三个方面：的需求，同时保持一致性和可比性。–

产品的变更和创新：企业面临的市场态势在不断变化–

多元化的产品范围：企业级产品目录的制定涉及不同和创新，新产品的推出和旧产品的变更是常态。在制的业务领域和产品类型。在制定企业级产品目录时，定企业级产品目录时，需要考虑到产品的变更和创需要考虑到不同业务线、面向不同客户的产品，这

种新，及时更新目录以适应新产品研发上市的需求。多元化的产品范围

增加了目录制定的复杂性。表

1产品目录管理能力评估示例成熟度能力领域能力建设说明产品管理认责•

认定产品的主管部门产品统筹管理认责•

认定产品管理的统筹部门组织产品设计流程认责产品全生命周期认责产品主数据管理流程•

产品的上、下架管理新产品设计流程流程受管理级：新产品审批流程产品目录新产品发布流程管理产品分类标准•

建立完整的产品数据分类体系源系统产品清单标准全行产品目录•

建立全行产品目录统一产品参数模型产品数据分析能力•

能够基于统一的产品编码进行统计和分析产品数据管理能力•

通常会建设一个用于产品查询的独立系统系统产品设计研发能力新产品快速部署能力8根据既往的实践经验，为有效应对上述三方面的问题，–

数据管理部门的职责：数据管理部门需要统筹全行主有必要构建业（务）-技（

术）-数（据）三位一体的协同工数据的管理，推动和协助建立主数据相关的管理制作机制（见图

4）。度、流程和规范，同时确保主数据管理的策略和措施得到充分传达和有效实施。构建协同机制的重要前提是明确各方的职责，需要通过依然以产品目录建设为例，需要明确技术部门和数据管制度和管理办法的形式将各方的职责和管理边界明确下理部门在系统层次产品梳理环节的作用和职责，同时在来，持续磨合和验证主数据管理各方的交流和协同能产品映射环节，阐

明对各类产品主管部门的职责和要力，达到不断提升主数据管理效率的目的。求，进而在产品差异分析和问题解决环节，建立产品主–

业务部门的职责：业务部门通常承担数据的业务定义数据管理各方的工作工序及时效性衡量标准。正所谓以及业务需求管理的职责，除了负责所辖领域的数据“众擎易举，独木难支”，协同工作的方式不仅在治理效标准制定、数据质量规则建立等工作之外，还需要在果上比单部门推动要好，而且更容易形成共建共享、互业务流程或规范中主动落实对所辖数据的相关要求，相支持的数据治理文化。同时参与所辖数据相关的业务流程设计，管理并持续提升所辖领域的数据质量。–

技术部门的职责：技术部门的职责通常包括根据数据的业务定义，设计相关数据模型，遵循数据标准规范并明确技术口径，定义数据质量控制的技术实施规则等方面。图

4三位一体的协同工作机制业务部门技术部门

业务定义

技术定义和规划业务需求管理数据录入和审核数据使用和分析应用系统开发技术支持和维护数据管理部门

数据治理流程和工具数据质量管理和监控数据安全和隐私保护数据治理培训和沟通9聚焦数据主线，贯通治理全局主数据管理实施的要点是将有限的资源和投入聚焦在设立，不仅会改变业务管理的上、下级层级关系，影响到最为关键的数据上，从数据认责入手，沿着数据分布和业务管理的人员、岗位和权限的设置，同时也会对

IT

系数据流转的脉络，对数据架构的合理性、数据标准的落统的改造产生直接影响。实程度、数据采集的可信度、数据维护流程的完备度等一方面，新机构涉及的各类机构树需要同步变更和维各个方面进行审视和改进。这种贯通治理全局的做法，护，这影响到更为广泛的业务部门，同时对各类机构树有助于发现和揭示当前数据治理领域的薄弱环节和潜在相关的

IT

系统也会产生影响。另一方面，由于机构设置风险，为企业有针对性的提升数据治理领域的相关能力明确了方向。和层级关系的变化，对相关历史数据状态也需要谨慎处理。因此，主数据管理的实施，决不能采用各部门“各扫在主数据管理的实施过程中，主数据管理流程中的断点门前雪”、分而治之的方式，需要围绕业务营销、业绩核往往易被忽视。主数据的重要特征之一是多部门、跨流算、运营管理、统计报送、风险审批等各个方面，建立业程共同维护同一份数据。由于主数据的采集渠道众多，务管理、数据管理、技术管理的一体化流程。采集流程较长，涉及到的维护方式多样，关联部门复杂，因此，要依据各方的管理职责，通过多部门的协同对问因而关键业务数据管理的断点通常出现在不同职能部门题相关的管理流程进行梳理和检视。通过实施“聚的管理边界上。焦

”-“贯通”的主数据管理方法（见图

5），能够以较低以银行内部的机构设置为例，业务部门在设立、变更、审的数据治理成本，围

绕关键业务数据，提升数据治理各批新的机构时，着重考虑的是机构设置的业务必要性，个领域的管理能力，从而为商业决策提供有力支持，赋而不太关注机构变更、设立之后对后续数据管理、技术能企业持续创新和发展。管理以及

IT

系统带来的影响。在实践中，机构的变更和案例主数据管理典型场景：产品目录建设某股份制银行利用产品主数据管理能力成熟度评估模品主数据管理能力进行准确定位，为后续产品主数据管型，评估和定位其在产品主数据管理能力上所处的位置理能力提升明确方向。和阶段，进而有针对性的制定提升方案。同时，在产品目录优化过程中，该银行对包含存、贷款、评估模型总体分为初始级、受管理级、研发级和敏捷级金融市场业务、中间业务等五大类总计

2000

余项可售产四个层级，分别对应产品清单管理、产品目录管理、产品品进行了梳理和整合，同时基于整合过程中典型的工作参数管理和产品工厂管理等不同的管理成熟度。该评估场景，结合

PPV（组织、流程、可视化）的流程管理方法模型从认责管理、流程管理、内容管理及系统管理四个论，构建了四方面协同工作流程以及七种典型问题场景方面构建管理能力评估矩阵，从而能够对金融机构的产的解决方案，有效改善了产品主数据管理水平。10主数据管理行动指南通过加强主数据管理，能够有效提升数据治理的边际收2.以点带面益，由于涉及到企业共享共用的关键数据，有必要采取恰当的行动策略来保障总体的实施效果。其次，要围绕重要的主数据内容（例如：产品目录

），从数据认责、数据标准、数据全生命周期管理流程等多个1.

深度优先关键能力域同步开展工作，在形成各方共识后，逐步推广应用到其他数据领域和关键业务系统。这样可以有效首先，建议采用“深度优先”的策略。所谓“深度优先”，地降低实施难度，提高主数据管理的实施成功率。就是在选取主数据管理的切入点时，尽量避免贪大求全。可以从当前企业数据质量亟待改善、牵涉面最为广3.协同推进泛的数据领域（例如：机构主数据）入手进行深度治理，力求能够定位数据问题的根因，并依据明确的协同工作最后，要加强主数据管理各方之间的协同配合和沟通。机制，制定从根本上解决问题的具体举措，落实到数据企业可以建立跨部门的工作小组和项目组，采取跨部门问题的相关责任主体。这样不仅能够从源头解决具体问的协同合作方式，能够有效形成企业内部的数据治理共题，同时能够避免因为治理范围

过大，在资源投入、协识，打通数据孤岛，修复关键业务数据管理流程中的断同效率等方面可能产生的负面影响。点，从而提升整体数据治理效果。同时，企业还可以通过培训和知识共享等方式，提高和对齐各方对主数据管理的认识和理解，增强各方的参与意识和责任意识。图

5“聚焦”-“贯通”的主数据管理实施方法主数据管理模式7654主数据安全管控主数据决策机制业务调研数据调研1.11.2主数据标准聚焦贯通主数据架构主数据项识别2主数据管理流程主数据管理系统主数据认责数据分布数据流转3.13.211结语IBM商业价值研究院IBM

商业价值研究院

(IBV)

成立于

2002

年。在当前以高质量数据为基石的人工智能时代，数据治理凭借我们在商业、技术和社会交叉领域的独特地位，IBV的重要性益发凸显，而在有限的资源和投入约束下，主每年都会针对成千上万高管、消费者和专家展开调研、访数据管理是提升数据治理边际收益的有效手段。虽然关谈和互动，将他们的观点综合成可信赖的、振奋人心和切键业务数据的治理涉及到企业的方方面面，但行百里者实可行的洞察。半九十，越

是在紧要关键的地方，越需要一鼓作气、攻城需要IBV

最新研究成果，请在

/ibv

上注册以接收拔寨的决心，更需要在企业内部形成协同治理的共识，IBV的电子邮件通讯。您可以在Twitter上关注@IBMIBV，通过建立明确的数据权责和完备的数据管理流程，使主或通过

https://ibm.co/ibv-linkedin

在

LinkedIn

上联系数据治理真正融入企业管理和文化，成为驱动业务高效我们。运转的关键动力源泉。访问IBM商业价值研究院中国官网，免费下载研究报告：/ibv/cn选对合作伙伴，驾驭多变的世界在

IBM，我们积极与客户协作，运用业务洞察和先进的研究方法与技术，帮助他们在瞬息万变的商业环境中保持独特的竞争优势。12备注和参考资料©

Copyright

IBM

Corporation

2023国际商业机器（中国）有限公司1“关于银行业保险业数字化转型的指导意见

”，2022年1月，北京市朝阳区金和东路

20

号院

3

号楼银保监办发〔2022〕2

号，/正大中心南塔

12

层邮编：100020zhengce/zhengceku/2022-01/27/content_5670680.htm美国出品|

2023

年

10

月234“AI

时代的

CEO

决策力”