数据治理咨询项目技术方案

数据治理咨询项目技术方案目录TOC\o"1-2"\h\z\u1 项目需求理解 31.1 项目背景及目标 31.2 项目主要工作内容 42 数据标准建设方案 82.1 数据标准建设方法论 82.2 数据标准分类 132.3 数据标准现状调研 142.4 基础数据标准设计 162.5 分析类数据标准设计 262.6 数据标准映射 302.7 数据标准执行 312.8 数据标准维护与增强 323 数据治理体系建设 333.1 数据治理体系的概念 333.2 数据治理体系评估诊断 333.3 数据治理体系蓝图设计 373.4 数据治理体系实施路线图 523.5 数据治理体系制度建设及落地指导 534 数据质量提升方案建议 604.1 数据质量提升方案概述 604.2 数据质量度量标准 654.3 数据质量检核规则 664.4 数据质量认责方案 675 陕西信合数据架构实施路线 715.1 数据体系架构建设规划 715.2 数据体系架构实施路线 735.3 阶段性目标及计划 756 项目实施方案 766.1 项目计划 766.2 项目组织架构及费用 776.3 项目交付成果 1046.4 项目管理方案 1076.5 项目质量保障计划 1196.6 知识培训方案 1296.7 项目实施的主要风险点及规避措施 133PAGE7PAGE方案联盟www.fangan.vip项目需求理解项目背景及目标项目背景从全球银行业的实践经验来看，建立信息化导向的管理体系和以高度整合数据为中心的量化决策机制，是帮助商业银行应对监管要求和获得竞争优势的关键手段，而数据的完整性、准确性、一致性和时效性是这一关键手段的基础。2008年金融危机暴露出的信息缺口问题也凸显了金融统计标准化的必要性，国际金融组织和全球中央银行对此都在进行反思，特别是在数据采集和信息共享方面。2009年10月，人民银行启动了金融统计标准化改革进程，目前已经陆续发布了一系列标准，后续除了继续发布标准外，还将部署各家金融机构落实具体标准的实施。2011年5月，银监会发布了《监管统计数据质量良好标准》，从组织机构及人员、制度建设、系统保障和数据标准、数据质量的监控、检查与评价、数据的报送、应用和存储等五大方面对银行业金融机构提出了明确的要求。由于数据治理体系建设大大滞后于业务系统及管理分析类系统的建设，因此各商业银行在数据的管理和应用上，均在不同程度上出现了不同业务系统之间由于数据业务和技术定义不一致、数据缺乏共享机制而导致的数据难以整合一致、难以有效利用的问题，这些问题已经成为制约业务发展和技术实现的瓶颈。为应对监管要求和日益激烈的市场竞争，国内各家金融机构如国家开发银行、国家进出口银行、工商银行、建设银行、农业银行、光大银行、广发银行、招商银行、兴业银行、平安银行、北京银行、南京银行、厦门银行等也纷纷在近几年结合自身实际情况开始了数据治理体系的相关建设工作。目前，陕西信合正处于业务高速发展期，业务系统建设按照IT规划和业务需求持续进行。相比业务系统，数据治理方面建设工作投入较少，存在一些问题，无法较好的支持业务的开展，主要表现在：缺少明确的数据治理体系；缺失数据标准，数据质量检查不完善，效率较低；未能满足精细化管理要求，现有数据治理体系有待完善；需进一步论证数据架构和完善数据架构修订审批流程等。因此，希望通过数据治理项目对IT数据规划进行论证，搭建全行数据治理体系，建立数据标准体系，按照数据标准内容对数据质量进行检测管理，对重点数据问题进行改造，以便达到整体上提高陕西信合数据质量，提高陕西信合数据管理水平的目的。项目建设目标本次项目的建设目标包括以下四个方面：根据陕西信合的实际情况，结合外部监管需求、同行业的实践经验，初步建立陕西信合数据标准模型；根据陕西信合的实际业务情况，结合数据标准模型，分别建立基础类数据标准体系、分析类数据标准体系、专有类数据标准体系。通过对陕西信合数据治理（管控）现状的评估、同时对比行业最佳实践诊断分析陕西信合数据治理（管控）的差距，制定适合陕西信合的数据治理（管控）能力发展规划及实施路线图；对管理信息中心运营架构及管理职能进行规划设计，根据陕西信合的实际情况，建立适合陕西信合数据服务的管理模式、组织架构、组织和岗位职责、运营流程、制度框架，提高数据服务能力，支撑全行数据共享与数据应用对业务管理和决策的支持。结合数据标准模型，通过对核心系统、信贷系统、资金业务管理系统、总账系统及财务管理系统的分析，整理出数据质量分析报告，以此为数据质量提升方案切入点，根据数据质量的情况，制定数据质量改进方案，推动数据标准在关键系统的落地实施，有效提升陕西信合运用数据支持自身战略发展的能力，主动应对监管部门日益严格的数据披露要求。根据陕西信合实际情况，参考同业的先进经验，制定符合陕西信合实际的数据架构建设方案，明确数据架构体系建设的阶段、目标和建设思路，明确数据架构建设中数据处理方法和原则，为后续数据架构建设制定可行的方案。项目主要工作内容数据标准建设搭建数据标准模型，根据陕西信合的实际情况、结合外部监管需求、同业经验建立一套标准数据模型；结合标准数据模型，完成客户、产品、合约、交易、渠道等主题基础类数据标准编制客户数据标准主要根据个人客户、公司客户、同业客户等从基本信息、财务信息、风险信息、关联信息、管理信息、联系信息、往来信息、重要事件等8个方面制定客户相关的基础类数据标准；产品数据标准主要根据陕西信合业务发展情况，定义全信合的产品清单，以及定义产品主题日常维护管理所需的数据标准；合约数据标准主要针对行内一些主要业务进行信息项设定，并针对每个信息项的内容进行数据字典的定义，形成合约的基础类数据标准；交易数据标准主要是为满足日常管理分析需要，定义在发生一笔交易时，在系统内、系统间流转过程中必须具有的一些基础类数据标准。渠道数据标准主要根据陕西信合服务窗口情况，规划设定全行信合的渠道清单，以及渠道主题日常管理维护所需的数据标准。根据陕西信合日常分析管理需求，结合同行的实践经验，建立一套满足日常管理分析、监管报送所需的指标体系，建立分析类数据标准。建立一套数据标准管理办法，明确数据标准各岗位职责和功能、变更流程、管理模式等。数据治理体系建设数据治理体系评估诊断通过调研访谈、调查问卷、资料分析等方式，从组织架构、岗位职责、政策制度、业务管理、系统技术等方面对全行数据治理现状进行全面评估，并参照同业银行领先实践，对全行数据治理现状进行差距分析，提出改进建议。数据治理体系规划设计基于数据治理现状调研与差距分析成果，规划设计数据治理体系总体框架，内容包括：设计数据治理体系总体框架，明确数据治理各领域管理内容及工作任务；设计数据治理组织架构，明确相关岗位职责；设计数据治理制度框架及编制要求基于数据治理体系设计成果，提出全行数据体系建设策略和发展目标，制定符合陕西信合发展现状的未来3至5年的数据应用与服务、数据标准、数据质量、元数据管理、数据架构、数据保留与归档、数据隐私与安全等数据治理各领域的实施路线图。结合未来陕西信合数据应用、数据服务的发展趋势，对管理信息中心的业务模式和运营体系进行规划设计，其中包括数据服务的业务和管理模式、组织架构、组织和岗位职责、运营流程、制度框架。数据治理体系制度建设及落地指导基于数据治理体系设计成果，制定全行的管理政策及组织工作章程，明确数据管理的总体目标、工作原则、工作内容以及组织工作章程。制定数据管理考核办法，明确数据管理考核工作的组织与流程，明确数据管理工作考核的具体内容，包括考核的维度、考核指标及其计分方式等。基于数据治理体系设计成果，制定数据标准管理，明确数据标准管理的工作内容、组织职责和工作流程，包括数据标准的职责分工、数据标准申请、数据标准制定、数据标准审批、数据标准发布、数据标准执行、数据标准维护和修订等。基于数据治理体系设计成果，制定数据质量管理，明确数据质量管理的工作内容、组织职责和工作流程，包括数据质量的职责分工、数据质量目标计划管理、度量规则管理、数据质量监测、数据质量发现、分析、整改、评估流程等。制定数据质量考核办法，明确数据质量考核工作的组织与流程，明确数据质量考核的具体内容，包括考核的维度、考核指标及其计分方式等。数据质量提升通过对核心系统、信贷系统、资金业务管理系统、总账系统及财务管理系统的数据分析，结构数据标准，形成各系统的数据质量报告。根据分析得到的数据质量情况，按照不同的质量类型提出不同数据质量提升方案，推动数据标准在关键系统的落地实施。数据架构建设在充分考虑大数据处理、MPP数据库等技术处理的基础上，结合行业的成功实践经验，规划符合陕西信合实际需求的数据架构方案。根据规划的数据体系架构提出实施路线图。明确数据体系架构建设的阶段性目标及建设思路确各类型数据在数据体系架构中的作用、实现方式、适用技术体系，并结合数据架构建设的阶段性目标确定各类型数据处理的实现计划。

数据标准建设方案搭建陕西信合数据标准框架。在数据标准大框架的指导下，收集和梳理陕西信合的数据现状和数据标准需求，基于现状分析的成果，定义陕西信合客户、产品、合约、交易、渠道等主题的数据标准，经各相关部门审议后进行数据标准发布。数据标准发布后，应建立数据标准与各相关主系统的映射关系，从而评估各系统与数据标准的差异，为推动数据标准落地执行提供依据。基于映射成果，分别针对客户、产品、合约、交易、渠道等主题提出相应的执行建议和实施方案，用于指导全行各相关系统的数据标准落地工作。数据标准建设方法论通常来说，IT系统由硬件、软件、数据和通讯等四个部分构成。数据是指信息的可再解释的形式化表示，具有业务和技术两种属性。业务属性包括数据的业务定义、分类和规则等，技术属性包括数据的类型、格式、形态等。数据标准就是描述和阐释数据业务属性和技术属性的规范文档。IT系统应根据数据标准的规定，采集数据，生产数据，存储数据，交换和共享数据。数据标准中定义的数据范围，广义地说，应包括IT系统中的全部数据。但从标准建设的经济性和实用性出发，一般主要包括IT系统中需要与其他系统（包括人机间）进行交换和共享的部分，即该部分数据是否存在业务应用的需求和数据交换的需求。基于上述认识，我们认为数据标准建设总的原则如下图所示，是由业务部门的业务需求和IT系统的数据交换需求共同驱动的。在上述总体原则的指导下，数据标准建设的具体实施步骤如下图所示，包括标准框架、现状调研、标准设计、实施映射、标准执行和维护增强六个步骤。标准分类此阶段的工作目标是要回答“标准的范围应该包括哪些”，数据标准分类作为数据标准化工作开展的基础，主要包括明确标准定义范围、确定主题定义目的、明确主题定义指导原则、确定数据标准层次、明确主题定义内容等内容。现状调研此阶段的工作目标是要回答“待建设的主题目前数据状况如何”。通过制定调查问卷、安排现场访谈、收集文档资料等手段，从业务和技术两方面开展调研，了解跟标准相关的内容，包括现有定义、使用习惯、数据分布、数据流向、业务规则、服务部门、主要矛盾、差异产生原因等，在此基础上对标准建设的背景、建设的难度、影响的范围才能够有清晰的了解，便于设定合理的标准建设目标、制定可行的标准实施规划。本环节的主要工作内容如下：业务需求采集在数据标准分类指导下，从数据应用出发，针对其细节信息设计合理的调查问卷，最大限度减少业务人员的工作量，能够在短时间内帮助业务人员了解标准建设的背景以及必要性、重要性，同时采集到业务部门目前主要存在的问题以及对标准的期望。系统现状调研对包括数据结构、数据字典、系统之间的关系（数据流向）、重要业务规则在系统中的体现方式等方面的内容进行调研。需要各系统的管理维护人员提供相应支持，保证提供的材料文档说明能够跟现行系统保持高度一致。分析应用调研针对重要的分析类应用系统进行调研，分析其涉及到的数据/业务范围、重点数据需求、主要问题等。现状整理分析将此阶段采集到的业务需求、现状问题等进行全面的整理，包括调查问卷汇总、数据结构/字典规范化、样本数据案例等，便于问题的汇总以及标准的现状差异分析和影响范围分析。重点问题访谈根据现状整理和分析的结果，结合数据标准建设的整体规划和目标，针对其中的重点问题如果存在了解不全面、采集信息存在歧义、参考文档不一致等情况，可以适当召集相关人员做专题访谈澄清问题，便于后续工作的开展。标准设计此阶段的工作目标是要回答“标准应该是什么样的”，基于标准规划的分类，以现状调研的成果作为重要依据，完成待建设主题数据标准设计和定义工作，包括信息类的划分和定义，信息项的业务定义和描述，数据类型及其他技术属性的指导意见等。本环节的主要工作内容如下：方法原则确定结合上一阶段的产出成果，确定各主题标准定义原则和定义方式以及大体的工作范围和详细程度。信息视图定义根据各主题数据具体情况，进行大/中/小等不同层次的信息类定义，阐述其业务内涵以及应该包括的内容，以大/中/小类的组织方式形成业务视图。信息项定义梳理每个类别下具体的信息项列表，针对每个信息项进行标准的设计工作，包括业务层面的定义和描述，力求完整、准确，尤其应明确；同时根据信息项的标准业务含义，为其定义技术属性，如数据类型、推荐长度等；如果信息项涉及到相关代码，同步进行整理和定义；如果信息项需要设定重要的检核规则，也可酌情、有选择地加以设置并与之关联。标准定义审核组织相关部门和人员采用书面确认的方式对已经完成的标准定义工作进行检核和补充，如有必要，可针对未能达成共识的重要问题进行集中评审，应着重考察标准对业务的适用性、先进性和全面性等。管理员名单拟定根据数据标准使用者和维护者，拟定相应管理员，并报领导小组进行审批。标准映射此阶段的工作目标是要回答“和标准相关的内容都在哪儿”，将已定义数据标准与业务系统、业务应用进行映射，描述标准和现状的关系，以及可能的影响范围，作为后续差距分析和标准执行的输入。本环节的主要工作内容如下：工作范围确定在现有的业务系统和应用中，制定系统选择的优先策略，针对稳定的（近期没有升级改造计划）、有代表性（涵盖普遍性业务）的系统确定后续详细映射的工作范围。源系统分析对选定的源系统进行详细分析，选取内容与标准涉及到的主题信息项、公共代码等相关的数据表、数据字段，并针对这些选中的数据抽取相关样本协助分析。样本数据分析针对重要信息（如证件种类、渠道代码等）或者差异很大，而且跟先期规划重点相关的部分，需要对样本数据进行分析，以便更清晰地表现问题，并了解问题产生的背景。需要补充说明的是，此工作可能在整个项目进行过程中会持续、分批、分次开展。信息项映射针对标准中具体的信息项，在准确理解其含义的基础上，将其映射到所有选中系统的数据表、数据字段上，建立两者关联关系。回顾和检查组织专家小组对标准映射范围选取的适当性，映射的准确性等进行回顾和检查，并最终确认。标准执行此阶段的工作目标是要回答“标准应该如何执行”，针对现有系统和新建系统，对已定义数据标准进行执行落地工作，包括制定执行策略、编写执行建议和实施方案。在标准执行阶段，应充分考虑业务需求和实施难易程度，最大程度上结合目标和现状，针对不同类型的系统制定相应策略，并设定合理的阶段性目标。本环节的主要工作内容如下：标准执行策略确定针对新老系统、业务处理或分析系统、自行开发或外购系统等不同类型的系统，充分考虑其各自的特点，在满足标准需要，影响最小化的基础上分别制定不同的执行策略。相关系统执行分析对需要落地执行数据标准的系统进行执行调研和影响性分析，确认其数据标准落地执行要涉及到的改造工作。标准执行建议编写结合业务优先级和实施难度分析结果，根据上一阶段的系统执行情况调研结果，针对目前急迫解决的业务问题确定标准的执行方向，执行建议应作为实施方案的主要参考文档。标准实施方案编写与项目组或具体系统技术人员通过会议、邮件或访谈的形式进行充分沟通和交流，相互合作编写实施方案，包括具体的标准执行内容、执行方式、执行步骤等。实施方案审批将标准实施方案提交领导小组进行论证和评审。维护增强此阶段的工作目标是要回答“如何管理维护标准”，结合陕西信合的数据管理需求和机制，培养管理员负责相应工作，在全行范围内培训和宣讲数据标准。数据标准管理办法制定：制定相关的管理办法，用以规范数据标准的使用、维护与管理，确保数据标准的有效性、适用性，推动数据管控体系建设，促进信息在全行范围内的共享。该办法需由相关部门监督执行。数据标准培训：定期对数据标准的相关内容进行全行内的系统培训和专题培训，制定培训时间表，包括培训内容、培训方式、培训人员和培训时间。标准的维护更新：收集整理各部门数据标准更新需求，根据数据标准管理办法，分期分批地进行标准更新、发布等工作。数据标准分类工作目标数据标准分类作为数据标准化工作开展的基础，其主要目标是：明确标准定义范围——结合行业最佳实践，明确标准化主题的定义范围，指明未来数据标准化工作的重点和发展方向。确定主题定义目的——明确各主题标准化的目的，即标准定义所能带来的的业务/技术价值，为后期推动标准落地实施奠定基础。明确主题定义内容——根据主题标准化目的明确标准规范化工作的侧重点和具体事项，为后续实际开展标准定义工作提供依据和指引。工作内容标准分类设计：基于XX在国内多家银行实施数据标准咨询的经验，结合陕西信合业务管理及系统建设现状，完成陕西信合数据标准分类的设计，包括：明确数据标准的定义范围；明确数据标准层次划分；明确各主题标准定义工作的侧重点和具体定义内容，指导和规范后续陕西信合数据标准体系建设。示例：行内沟通汇报：就标准分类在行内相关部门进行汇报沟通，形成全行共识，并获得对规划的认同和批准。数据标准现状调研业务需求采集：针对细节信息设计合理的调查问卷，最大限度减少业务人员的工作量，能够在短时间内帮助业务人员了解对标准建设的背景以及必要性、重要性，同时采集到业务部门目前主要存在的问题以及对标准的期望。示例：业务调研问卷示例系统现状调研：对包括数据结构、数据字典、系统之间的关系（数据流向）、重要业务规则在系统中的体现方式等方面的内容进行调研。需要各系统的管理维护人员提供相应支持，保证提供的材料文档说明能够跟现行系统保持高度一致。示例：系统调研问卷示例现状整理分析：将此阶段采集到的业务需求、现状问题等进行全面的整理，包括调查问卷汇总、数据结构/字典规范化、样本数据案例等，便于问题的汇总以及标准的现状差异分析和影响范围分析。示例：现状整理分析过程文档示例重点问题访谈：根据现状整理和分析的结果，结合数据标准建设的整体规划和目标，针对其中的重点问题如果存在了解不全面、采集信息存在歧义、参考文档不一致等情况，可以适当召集相关人员做专题访谈澄清问题，便于后续工作的开展。基础数据标准设计数据标准设计方法本环节的主要工作内容如下：方法原则确定结合现状调研的产出成果，确定各主题标准定义原则和定义方式以及大体的工作范围和详细程度。信息视图定义根据各主题数据具体情况，进行大/中/小等不同层次的信息类定义，阐述其业务内涵以及应该包括的内容，以大/中/小类的组织方式形成业务视图。信息项定义梳理每个类别下具体的信息项列表，针对每个信息项进行标准的设计工作，包括业务层面的定义和描述，力求完整、准确，尤其应明确标准在不同应用主题中的不同要求，如客户管理、风险管理、财务管理、运营管理四大应用主题对数据标准的具体要求；同时根据信息项的标准业务含义，为其定义技术属性，如数据类型、推荐长度等；如果信息项涉及到相关代码，同步进行整理和定义；如果信息项需要设定重要的检核规则，也可酌情、有选择地加以设置并与之关联。标准定义审核组织相关部门和人员采用书面确认的方式对已经完成的标准定义工作进行检核和补充，如有必要，可针对未能达成共识的重要问题进行集中评审，应着重考察标准对业务的适用性、先进性和全面性等。管理员名单拟定根据数据标准使用者和维护者，拟定相应管理员，并报领导小组进行审批。数据标准设计原则数据标准的定义应遵循共享性、唯一性、稳定性、可扩展性、前瞻性、可行性六大原则。随着陕西信合业务的不断发展和标准需求的不断扩展延伸，需要科学合理地进行标准化工作，确保数据标准的可持续性发展。共享性——作为全行共同遵循的准则，数据标准并不为特定部门服务，它所包含的定义内容应具有跨部门的共享特性。唯一性——标准的命名、定义等内容应具有唯一性和排他性，不允许同一层次下标准内容出现二义性。稳定性——数据标准需要保证其权威性，不应频繁对其进行修订或删除，应在特定范围和时间区间内尽量保持其稳定性。可扩展性——数据标准并非一成不变的，业务环境的发展变化可能会触发标准定义的需求，因此数据标准应具有可扩展性，其体系架构应能应对标准的不断充实和更新。前瞻性——数据标准定义应积极借鉴国际、国内、行业标准和规范，并充分参考同业的先进实践经验，使数据标准能够充分体现陕西信合业务的发展方向。可行性——数据标准应依托于陕西信合现状，充分考虑业务改造风险和技术实施风险，并能够指导陕西信合数据标准在业务、技术、操作、流程、应用等各个层面的落地工作。客户主题数据标准设计完整的客户信息是各类以客户为中心的分析应用的基础。通过建立客户主题数据标准，可以在全行范围内形成对客户的统一认识。基于全面一致的客户统一视图，业务部门可以更加透彻地洞察客户需求，为客户提供满足其需要的个性化的产品和服务，同时能够更精确地控制风险，从而提高银行收益。客户主题数据标准的内容应包括：客户定义客户分类客户信息模型客户定义客户定义，即明确“谁是我们的客户”，明确纳入客户主题数据标准的客户本质和内涵。示例：客户定义客户分类制定划分合理、覆盖全面、相对稳定的客户分类，并以此为基础开展信息模型的定义工作，一般客户类别包括公司客户、个人客户、同业客户三类。客户信息模型客户主题信息模型应包括企业关心的与客户相关的各类信息。公司客户和同业客户属性可包括识别信息、财务信息、交易信息、信用信息、往来信息、管理信息等。个人客户属性可包括财务信息、关联信息、管理信息、识别信息、往来信息、信用信息、营销信息等。产品主题数据标准设计产品主题数据标准的目的是把陕西信合不同的可销售产品和服务进行标准定义和规范分类，提供给业务部门一致通用的产品定义、不重不漏的产品目录和供识别产品的产品代码，从而实现更好的产品管理和产品盈利分析。产品主题数据标准的内容应包括：产品定义产品分类产品信息模型产品清单产品定义明确产品定义，即回答“什么是产品”的问题。一般来说，各业务部门因业务管理的侧重点不同，对产品的理解也可能是不同的。建立各部门通用的产品标准定义，将有助于统一各部门对产品的认识。产品分类制定相对稳定的产品分类，分类结果可用于产品定位和管理。产品分类需遵循以下分类原则：能够被行业普遍接受的应该是相对稳定的产品信息模型产品主题信息模型应涵盖企业关心的与产品相关的各类信息。包括：产品基本信息、产品管理信息、产品特征信息等。产品清单基于产品定义和产品分类，建立现有的所有产品的清单，为全行提供可共享的产品描述，为业务部门针对产品的营销策划、分析应用等工作提供支撑和参考。产品清单需遵循以下定义原则：产品和产品间定义应界限分明，不应存在同一业务场景可以属于两个或两个以上产品的情况产品应对应到一个且唯一一个产品最细分类中产品粒度需适中，由全体业务部门共同决定是否按照特定维度进行细分，例如按币种、期限、对象等维度细分示例1：如下是我们建议的产品清单的高阶分类示例2：以下是产品清单成果的部分示例产品编号第一层第二层第三层第四层第五层产品名称产品定义0001零售银行存款自营存款活期储蓄存款活期储蓄存款指个人存款人在我行开立账户存入资金或货币，由我行出具存款凭证，办理不约定期限、可随时存取并按期给付利息的存款。0002零售银行存款自营存款定期储蓄存款整存整取储蓄存款整存整取储蓄存款指个人存款人在我行开立账户存入资金或货币，由我行出具存款凭证，办理约定期限、利率，本金一次存入，到期一次性支取本息的存款。0003零售银行存款自营存款定期储蓄存款零存整取储蓄存款零存整取储蓄存款指个人存款人在我行开立账户存入资金或货币，由我行出具存款凭证，办理约定期限、利率，每月固定存额，到期一次性支取本息的存款。0004零售银行存款自营存款定期储蓄存款存本取息储蓄存款存本取息储蓄存款指个人存款人在我行开立账户存入资金或货币，由我行出具存款凭证，办理约定期限、利率，本金一次性存入，分次支取利息，到期一次支取本金的存款。0312零售银行存款自营存款定期储蓄存款整存零取储蓄存款整存零取储蓄存款指个人存款人在我行开立账户存入资金或货币，由我行出具存款凭证，办理约定期限、利率，本金一次性存入，按约定期次和金额支取本金，到期一次性支取利息的存款。0005零售银行存款自营存款定期储蓄存款教育储蓄存款教育储蓄存款指个人存款人在我行开立账户存入资金或货币，由我行出具存款凭证，办理约定期限、利率，每月固定存额、用于教育目的的专项定期储蓄存款，是一种专门为学生支付非义务教育所需教育金的专项储蓄，具有储户特定、存期灵活、总额控制、利率优惠、利息免税的特点。0006零售银行存款自营存款定活两便存款定活两便存款指个人存款人在我行开立账户存入资金或货币，由我行出具存款凭证，办理不约定存期、本金一次性存入，支取时一次性支付全部本金和税后利息，具有定期和活期双重性质的一种存款0007零售银行存款自营存款个人通知存款个人通知存款指个人存款人在我行开立账户存入资金或货币，由我行出具存款凭证，办理不约定存期，支取时需提前一定时间通知我行，约定支取日期和金额的存款。合约主题数据标准设计合约是客户和银行往来的重要载体，是银行分析和决策支持应用的基础，其主要特点是类型众多、含义丰富、数据分布广泛。合约主题的标准化工作旨在梳理合约主要分类及其重要信息项，以支持应用分析需求和合约跨系统整合识别。合约主题数据标准的内容应包括：合约定义合约分类合约核心信息合约定义明确“什么是合约”，明确纳入合约主题数据标准的合约本质和内涵。示例：合约定义示例合约分类把银行不同用途的合约进行逻辑划分，提供各业务部门相对中性的合约分类定义。合约分类需遵循以下分类原则：合约分类应该是被行业所普遍接受的合约分类应该是跨部门统一的合约分类之间应该没有重叠，且所有同层分类汇总应该包含银行现有的所有合约 同类合约应该具有相似的合约特征/功能/目的合约分类应该粒度适中，兼顾合约信息项需求和统计分析需求合约核心信息规范合约核心信息项，用来描述合约的关键信息。包括：合约基本信息、合约管理信息、合约资产信息等。事件主题数据标准设计事件是一个范围很广的概念，包括各种与银行相关的活动的详细情况，比如存款、提款、付款、收取信用卡年费、计算利息和费用、投诉、查询产品、查询地址、查询余额、网上交易等。事件主题标准化工作旨在梳理交易主要分类及其重要信息项，以支持基于交易的各种绩效考核、风险监测、客户行为分析等应用，并为在数据层面进行事件跨系统识别提供依据和参考。事件主题数据标准应包括：事件定义事件分类事件核心信息事件定义明确“什么是事件”，明确纳入事件主题数据标准的事件本质和内涵。以下给出事件参考定义：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。事件分类事件分类需要提供一种交易分类的依据，解决交易统计过程中口径交叉、相对不稳定的现状，并帮助银行和客户对事件形成共同的认知。事件分类需遵循以下分类原则：事件类型应该是排他的，即同一层次上不同的交易类型不能用于同一个交易场景中事件类型应该是稳定的，不应随着统计分析需求变化而大幅变动，因此不宜粒度过细同一事件分类下的不同事件信息项应尽量具有相似性。事件核心信息规范事件核心信息项，用来描述事件的关键信息。包括：事件基本信息、事件管理信息、事件关系信息等。渠道主题数据标准设计渠道主题所描述的是当事双方（主要是指客户和银行）进行交互和接触的手段及方法，客户通过渠道与银行进行接触、购买产品、使用服务并交流信息。渠道主题标准定义旨在全行范围内达成对渠道的统一认知，为各业务部门提供一致通用的渠道定义和逻辑清晰的渠道分类，并梳理渠道的信息项，以支持渠道管理和分析的需求。渠道主题数据标准应包括：渠道定义渠道分类渠道信息模型渠道定义渠道定义，及明确“什么是渠道”，明确纳入渠道主题数据标准的渠道本质和内涵。以下给出渠道参考定义：渠道是客户获取银行或银行产品的信息、购买或使用银行产品或服务的媒介。渠道分类渠道分类需要提供一种具体渠道的分类依据，解决渠道统计分析过程中口径交叉、范围不清的现状，并帮助银行和客户对渠道形成共同的认知。渠道分类需遵循以下分类原则：依据渠道自然、固有属性进行分类，不应依部门或系统进行划分应能覆盖所有的渠道渠道分类不可交叉重叠渠道核心信息渠道主题信息模型应包括企业关心的与渠道相关的各类信息。包括：渠道基本信息、渠道管理信息、渠道分析信息、渠道运营信息等。专有类数据标准设计根据陕西信合的独特法人治理模式，通过机构主题设计陕西信合专有的数据标准。机构是银行进行内控和管理的重要对象。机构的定义不同、范围不同、命名不规范、编码方式不同、相互之间映射不完整、层级架构在不同系统中不一致等问题，将影响银行灵活高效地应对外部监管要求、满足内部统计分析和管理要求。机构主题标准化工作将梳理各系统机构管理状况，达成全行范围内对机构的统一认知。机构主题数据标准应包括：机构定义机构分类机构信息模型机构树机构定义机构定义，即明确“什么是机构”，明确纳入机构主题数据标准的机构本质和内涵。示例：机构定义示例机构分类为了便于进行内控和管理，需要制定一个机构的分类方法，该分类方法需根据机构基本、自然的属性进行划分，并适当考虑现有习惯和数据情况。机构信息模型机构主题信息模型应包括企业关心的与机构相关的各类信息。包括：机构基本信息、机构管理信息、机构营业信息等。示例：以下是机构模型的部分示例信息大类信息小类信息项基本信息编码信息机构编码基本信息编码信息机构类型基本信息编码信息机构层级基本信息编码信息机构等级基本信息名称信息机构中文全称基本信息名称信息机构中文简称基本信息名称信息机构英文全称基本信息名称信息机构英文简称基本信息状态信息机构状态基本信息物理地址物理地址基本信息物理地址国家代码基本信息物理地址省份代码基本信息物理地址地市代码基本信息物理地址邮政编码基本信息物理地址物理地址生效时间基本信息物理地址物理地址失效时间基本信息电子地址电子地址类型基本信息电子地址电子地址基本信息电子地址电子地址生效时间基本信息电子地址电子地址失效时间机构树梳理陕西信合现有所有机构及机构之间的行政隶属关系，建立全行标准化的机构树。建立机构树所需的行政隶属关系必须具有稳定性强、边界明确、内部共识和外部认可等特点。分析类数据标准设计随着银行本身对管理需求的不断增加和监管报送要求的不断提高，全行需要一个全面、准确、统一的报送接口。指标是银行对经营管理状况的定量评价，在统计分析、管理决策、监管报送中占据重要的地位，指标体系从全行级的视角对经营管理指标进行集中管理与统一定义。建立全行级指标体系：从管理层面上看，有利于统一经营管理指标的规范，实现指标的集中管理；从业务层面上看，指标库统一计算口径、业务定义、数据来源，在全行范围内保证指标数据的一致性；从数据层面上看，落地实施后经营管理指标实现集中加工与存储，既方便用户直接访问，也可以为其它应用提供数据服务，有利于数据共享，并保证数据的一致性。指标体系对经营管理指标的编码、命名、维度、度量、管理、统计口径等信息进行规范定义，是对指标进行归类及管理的重要参照，有助于对指标的深入理解、合理使用和统一管理，指导陕西信合指标的建设与持续完善。本期工作的范围是完成对外监管报送（1104、人行大集中、标准化报送）和行内管理口径指标，统一指标在全行的命名、业务定义和统计口径，明确归口管理职责。指标标准设计原则指标准入原则指标作为全行对内、对外通用的定量分析数据来源，对于进入作为指标体系进行预前加工和整理的重要数据信息，对每个作为指标进行管理的项必须能满足如下条件：1.必须是可量化的，对于定性评价不纳入指标库。2.使用范围广：在全行范围内公用3.必须是常规性的，周期性的。4.且至少满足以下条件之一：a)指标层次高：记录和揭示全行经营管理汇总状况b)对外报送：外部监管部门固定报送(1104、人行大集中、标准化报送)等c)报送高层：报送机构内部管理部门的指标d)重点关注：经营战略重点关注项指标f)管理需求：日常经营管理需求指标指标粒度原则在指标标准定义中，为避免指标的重复定义、保持指标粗细粒度的基本一致且较为合适，需要对原始指标进行合并或拆分。1.合并：根据常用维度与度量分类列表对指标需求进行合并。2.拆分：如果一个指标的计算公式中隐含了其它指标需求，则把该指标拆分为多个指标。3.作为准入原则之一，经营管理指标粒度不宜太细，维度的组合不宜过多。4.特殊情况处理a)监管部门指定的指标保留原状，不予合并。如正常类贷款迁徙率、关注类贷款迁徙率、次级类贷款迁徙率、可疑类贷款迁徙率继续保留，不必合并为贷款迁徙率。b)如果是特别关注的多维度组合指标，即保留原状，不予合并。指标分类框架指标是指对基础数据进行特定维度的汇总、整合、分析应用，通常按照一定的业务规则进行加工，拥有相对复杂的业务逻辑的数据。根据各业务条线的业务需求和应用目标，进行指标的分类和层次的定义，阐述其业务内涵以及应该包括的内容，以大/中/小类的组织方式形成指标分类标准的业务视图。示例：指标分类架构示例指标标准设计指标命名规则1.对于定义来源于外部的指标，以外部监管机构或部门的命名为准。2.同业通用的指标，优先考虑通用名称。3.对于陕西信合内部定义的指标，a)比例类指标，如果是部分与整体之比，则命名为：××占比，否则，命名为：××比率或××率。b)时点金额指标：××余额。该指标的日均值，变化量，变化比例则分别命名为：××日均余额，××余额增量，××余额增长率c)统计区域、统计期间不在指标名称中体现。d)两个或数个差异指标的名称，在标准名称中加适用范围的简称（人行、银监会、行内等）以示区别。指标定义针对每个指标必须具有相应的指标含义的说明，每个指标的具体含义和功能进行详细的阐述，为后续的使用和理解提供清晰的解释。指标信息项指标信息项按照信息项目的不同用途可分为名称、管理、计算维度、度量、其他等5类，在实际使用时，根据指标的具体作用可进行合理的筛选和定义。示例（指标整理时维度清单）：信息项含义名称指标编码1.是每一个指标的唯一标识,由系统自动产生。

2.编码规则：“指标类别编码－指标序号”，其中指标类别编号见指标分类表，指标序号按照指标定义的先后顺序依次产生。

3.在不调整某指标类别归属的前提下，编码一旦产生，不再更改；如指标归类进行了调整，则按照编码规则重新编号，原编码失效，且其他指标也不得使用该失效编码。指标名称指标标准定义后的名称。业务含义统计指标的业务含义和相关用途。管理管理部门指标提出部门。同一指标不能归属2个发起部门。归属业务线发起部门所属的业务线。指标类型总行统一规定类型名称，从管理的角度对指标的分类。特色标识对在某些方面的特殊性进行标识。统计维度机构维度选择机构维度下的具体统计维度。（参见《公共维度列表》）币种维度选择币种维度下的具体统计维度。（参见《公共维度列表》）时间维度指标统计跨度。可选维度1除机构/币种之外的其他可能维度的具体统计维度，可在备选维度中至多选择2个进行组合。可选维度2度量计算公式具体计算公式。度量类型选择指标所属度量类型。计算类型选择指标涉及的计算类型。计算频度系统计算指标的频率。示例(指标整理清单)：数据标准映射工作目标此阶段的工作目标是将已定义的数据标准与现有系统，特别是关键系统如核心系统、信贷管理系统等系统数据进行映射，描述标准和现状的关系，以及可能的影响范围，作为后续差距分析和标准执行的输入。工作内容工作范围确定在现有的业务系统和应用中，制定系统选择的优先策略，针对稳定的（近期没有升级改造计划）的系统确定后续详细映射的工作范围，优先考虑核心系统、信贷管理系统等保存了较为重要、完整、准确的各类主题数据的系统。源系统分析对选定的源系统进行详细分析，选取内容与标准涉及到的数据表、数据字段，并针对这些选中的数据抽取相关样本协助分析。样本数据分析针对重要信息或者差异很大，而且跟先期规划重点相关的部分，需要对样本数据进行分析，以便更清晰地表现问题，并了解问题产生的背景。需要补充说明的是，此工作可能在整个项目进行过程中会持续、分批、分次开展。信息项映射针对标准中具体的信息项，在准确理解其含义的基础上，将其映射到所有选中系统的数据表、数据字段上，建立两者关联关系。示例：个人客户模型部分映射示例组织专家小组对标准映射范围选取的适当性，映射的准确性等进行回顾和检查，并最终确认。数据标准执行工作目标此阶段的工作目标是在标准映射的基础上，制定陕西信合数据标准在现有系统中落地的实际方案和实施操作建议。工作内容标准执行分析通过数据标准映射，分析陕西信合对数据标准的满足情况，明确当前存在的缺口。制定标准实施方案根据映射分析的结果，制定各主题数据标准的落地实施方案。包括数据标准实施总体策略、定义和分类实施方案、信息模型实施方案等。示例：客户主题实施方案制定标准实施操作建议根据制定的数据标准实施方案，给出具体的实施操作建议，包括实施时机、操作流程、牵头责任部门等。针对每个纳入到管理体系的指标，进行源系统满足度的分析，并映射具体的源表、字段的取数规则。对满足度较差的指标，进行后续使用影响分析以及源系统改造或调整建议。数据标准维护与增强数据标准管理工作包括数据标准建立发布、变更核准、定期复审和执行监督等内容，为规范相关流程，需制定相关的“管理办法”，各部门与数据标准制定、使用、维护和执行相关的人员开展数据标准管理工作时，应当遵守本办法。办法中应明确：组织架构和职责分工数据标准建立流程数据标准变更流程数据标准复审机制数据标准执行流程本项目对客户、机构和公共代码基础数据标准和指标数据标准进行全面分析和统一定义后，标准一经发布就会作为陕西信合指导源系统建设的重要依据。随着时间推移，业务管理现状和系统建设现状在不停变化，当标准不能适用陕西信合现状，需要对标准进行持续的维护和增强工作。依靠建立的数据标准制定流程，对标准进行持续的维护和增强，让标准始终满足陕西信合需求和现状。数据治理体系建设数据治理体系的概念数据治理（DataGovernance）是国外银行业自90年代兴起的概念，业界权威组织Gartner对数据治理的定义是“数据治理是根据企业的数据治理政策，通过组织人员、流程和技术的相互协作，使企业能将数据作为企业的核心资产”。著名的国际数据管理协会（TheDataManagementAssociation）认为“数据治理是对数据管理的高层计划与控制，体现了数据资产管理的权威性和控制性活动（规划、监控和强制执行）”。从权威组织对数据治理的定义可以了解到数据治理是一个复杂的综合管理问题。数据治理是用于采集、存储、监控、使用、改进和保护企业数据的管理机制，其规定了在数据管理过程中，为达到期望目的而制定的权责划分以及职责体系。数据治理的核心是实现组织、制度、流程和技术的协同工作。具体来讲就是在企业的治理机构中成立数据治理机构（或虚拟组织），确定数据治理各层级的相关角色及职责，贯彻执行数据治理管控流程，使用技术工具等自动化手段，提升数据质量，充分利用数据，最大程度挖掘隐藏在数据当中的业务价值。此外，数据治理与公司治理、数据管理之间既存在联系又存在区别。数据治理作为商业银行公司治理的一部分，是随着信息技术应用和银行风险管理及经营稳健要求的强化而新发展起来的一个新的公司治理领域。好的公司治理必然要有好的数据治理来支撑，通过明确数据使用者、数据所有者和数据管理者之间的权责关系，形成长久稳定、高效运转的管理机制。数据治理不同于数据管理，数据管理就是在既定的数据治理模式下，管理层为达到数据质量目标而采取的行动，关注的是管理过程，例如数据质量管理、数据标准管理等。对于商业银行来讲，数据管理的内容会有很多，往往聚焦在某些专项领域。而数据治理要对所有数据管理活动进行统一计划与控制，例如通过专业的数据治理组织对各类数据管理活动涉及的资源进行协调，辅助决策层进行数据治理战略目标的制定。因此，数据治理可以理解为是对数据管理的管理。数据治理体系评估诊断数据治理体系诊断将根据XX的数据治理方法论与咨询规划思路的指引下进行，通过调研访谈、调查问卷、资料分析等方式，从组织架构、岗位职责、政策制度、业务管理、系统技术等方面对全行数据治理现状进行全面评估，并参照同业银行领先实践，对全行数据治理现状进行差距分析，提出改进建议。数据治理体系评估模型XX的数据治理评估模型分为六个阶段，各阶段定义如下图所示：评估模型从数据治理的影响因素进行评估，用以评估银行的数据治理综合水平。启动期一般认为，数据治理的起步期出现在企业已经对信息技术具有一定的了解，并已经具备了一些职能化IT系统，希望利用信息技术和信息系统解决工作中的问题，给管理和业务带来便利。在这个阶段，企业主要关注面向业务处理的软硬件投资，对数据管理的理解停留在数据存储的层面，基本上不具备数据再利用的客观条件和主观意识，也没有面向数据的产品和服务。理解期在理解期，企业在业务处理方面大量投资进行系统建设，在这个阶段，我国大量地引进了欧美先进国家的软硬件。企业开始在数据层面寻求突破，初步意识到数据资源所具有的价值，开始进行数据的再利用，主要的应用领域偏好客户管理、绩效管理，手段以简单的统计分析为主。变革期在变革期，企业更加深刻体会到数据运用的价值，产生了大量的数据需求，尤其是一些全局性数据需求的出现。变更阶段是整个数据治理进程中重要的转折点，是此前的种种驱动力推动下从量变转向质变的一个跃变阶段，标志着企业进行有目的、有计划的数据治理工作的真正开始。在这一阶段，吸取此前缺乏计划和规划的教训，企业开始进行全面的规划，结合企业自身的战略规划制定系统规划和数据规划，使得信息系统的建设和改进均纳入既定安排中有序执行。成长期在随后的成长期，随着数据运用在企业中普及并向纵深发展，数据治理得以收到实效从而能够进一步促进数据的使用。在数据的有力支持下，企业的内部管理及对外营销均逐步实现精细化；而系统与数据则趋向于统一化：实现业务的集中处理以及数据的集中管理。在成长期，企业的信息化建设真正进入到数据处理阶段，在这一阶段，企业会选择统一的数据平台、数据管理体系，并建设的统一的数据管理平台，以技术手段统一数据的管理和使用，在部门间、系统间实现资源整合和信息共享。全面竞争期在全面竞争期，企业通过此前成功的数据治理获得竞争力，数据不仅仅是一种共享性资源，而成为企业的战略性资源。在此阶段，高质量数据基础以及丰富的数据处理经验使得企业具备价值衡量的能力，从而能够在做出各类决策的时候以价值为主要依据，以更快更准确的决策在与同业的竞争中取得优势；这些经验本身需要进行长期的积累，也是企业独有的竞争优势。在这一阶段，随着数据标准的全面推进，数据标准以及数据治理的其他工作逐步常态化。创新期在创新期，由于企业在数据治理方面取得卓越成效，对企业的业务也产生很大的助力，因此企业在行业中得以取得领先地位，取得举足轻重的话语权，成为行业标准的制订者。总的来说，企业数据治理的各个发展阶段会在组织、流程、技术各方面具备以下特征：组织流程技术启动期临时人员无手工理解期科技人员兼任以项目为依托的临时流程Office文档分散的数据变革期专职或兼职；有明确职责；系统内、部门内的固化流程系统内数据管理数据集市成长期专职组织；人员增长；分工细化；数据服务；跨系统、跨部门固化流程数据仓库仓库级数据管理企业级模型管理竞争期专职组织；人员、分工常态化；数据服务；全面的管理流程企业级数据管理平台创新期专职组织；人员、分工常态化；数据服务；优化管理流程动态数据仓库和企业级数据管理平台的结合数据治理业内最佳实践示例XX曾成功地为国内外多个银行做过数据治理咨询和交付数据治理服务，从中选取了一些的经典的数据治理最佳实践案例，经过多方面的分析和总结，列出部分最佳实践，这可以作为后续整个诊断的参考依据。组织规划都成立了数据治理相关部门，国内银行大多命名为：管理信息中心、管理信息部、信息服务和管理部等。这些部门有归属信息技术部的，也有归属业务部门的，还有的是独立的部门。数据治理组织的成员由了解业务和技术方面的专家组成。除了数据治理工作，大多数数据治理部门也提供数据服务内容，例如数据挖掘，灵活查询等。政策制度都有明文发布的企业数据治理章程，数据治理工作具有比较高的业务优先级。每个业务部门在年初的计划中会设定数据质量目标，年终会考核相关人员的数据质量目标完成情况。管理流程数据治理流程在分配数据管理权时，是以数据域而非以项目和一次性活动进行。数据治理流程贯穿从数据政策规划到软件开发管理、项目管理到运维管理等多种管理活动和流程中。数据治理委员会制定了详细周全的沟通和培训计划，并且定期组织召开数据治理和认责会议，通报治理成果和指标。定期进行数据治理投资回报(ROI)分析，并通过计算数据使用成本引导业务部门合理规范的使用数据。技术手段国内某大型金融企业，在开发中心建立了企业级元数据管理平台，并逐渐向数据标准管理、生命周期管理等数据治理专题方面进行扩展。业界很多数据治理与认责实践都是从企业级数据仓库开始的。这些最佳实践都可以在项目咨询过程中作为参考依据，为陕西信合的数据治理提供方向性指导。数据治理体系评估诊断方法数据治理现状分析通过采用资料收集、调研问卷、现场访谈三类调研手段完成。通过现状调研达成以下三个目标：了解陕西信合近期及中长期在业务和技术上的策略及目标,特别是与数据治理有关的策略及目标；梳理数据治理的详细现状；通过书面访谈和现场访谈中的知识宣讲环节在全行更广泛的范围内营造数据治理的氛围，形成一定程度的共识。数据治理体系蓝图设计业界数据治理框架模型数据治理是一个复杂的系统工程，涉及业务、技术和数据三方面的领域。为了能够概括、抽象地描述清楚数据治理工作的重点和范围，有必要通过框架来进行组织和分析。建立框架是科学研究中的一种常用方法，它可以从纷繁复杂的现实世界提炼出本质内容。框架所反映的不是事物的全部，它只抽象出事物的核心内容，忽略细节，突出重点，使复杂问题抽象化、简单化。国际上一些得到广泛应用的数据治理框架有来自数据管理的专业组织和机构，也有来自在数据治理领域经验丰富的企业。这些框架源于数据治理的基本需求，面向多个行业，提供了可以借鉴的理论基础。本文对数据治理领域具有一定影响力的数据治理框架进行研究，并在此基础上建立符合我国商业银行业实际的体系框架。DAMA数据治理框架DAMA（DataManagementAssociation）是国际数据管理协会的简称，是国际上首家服务于数据管理专业人员的专业组织，主要为数据管理专业制定标准和方法。DAMA数据治理框架是描述数据管理的框架，包括两个部分，一个是数据管理职能框架，一个是环境元素框架。数据管理职能框架如下图所示，包括十大数据管理职能。中心要素是数据治理，在数据管理和使用层面之上进行规划、监督和控制。其余九个职能要素围绕数据治理核心开展活动。图STYLEREF1\s4SEQ图\*ARABIC\s11DAMA数据管理职能框架以上十个职能要素分别包括多个活动清单，简要的职能定义如下：数据治理数据资产管理的权威性和控制性活动（规划、监视和强制执行）。数据治理是对数据管理的高层计划与控制。数据架构管理定义企业的数据需求，并设计蓝图以便满足这一需求。数据开发为满足企业的数据需求、设计、实施、与维护解决方案。也就是系统开发生命周期（SDLC）中以数据为主的活动，包括数据建模、数据需求分析、设计、实施和维护数据库中数据相关的解决方案。数据操作管理对于结构化的数据资产在整个数据生命周期（从数据的产生、获取到存档和清除）进行的规划、控制与支持。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。参考数据和主数据管理规划、实施和控制活动，以确保特定环境下的数值的“黄金版本”。数据仓库和商务智能管理规划、实施与控制过程，给管理层和决策层在报告，查询和分析过程中提供数据和技术支持。文件和内容管理规划、实施和控制在电子文件和物理记录（包括文本、图形、图像、声音及音像）中发现的数据储存，保护和访问问题。元数据管理为获得高质量的、整合的元数据而进行的规划、实施与控制活动。数据质量管理运用质量管理的技术来衡量、访问、提高和确保使用数据适当性的规划、实施与控制活动。环境元素框架提供了一个逻辑和一致的方法，通过识别出过程（过程、交付成果、方法、元素）、技术和人（角色和责任、组织、文化）的关键元素，为每个数据管理职能提供战略规划指导。如下图所示：图STYLEREF1\s4SEQ图\*ARABIC\s12DAMA数据管理环境元素框架基本的环境元素包括：目标和原则每个职能的方向性业务目标以及职能履行中的基本指导原则。活动每个职能都被进一步分解成更低层次的活动，一些活动组合在一起构成子职能，活动能被进一步分解成任务或步骤。交付结果作为每个职能的中间结果或最终结果建立起来的输出信息、物理数据库和文档。角色和职责在执行一个职能和对功能进行监督过程中所涉及的业务角色和IT角色，以及在该职能中每个角色所涉及的具体责任。支持性环境元素包括：实践和规程用于执行这些过程和生成交付结果的常见和流行的方法和具体技术，也可能包括常见的约定、推荐的最佳实践方法和简要介绍的候选方法。技术各种支撑技术（主要是软件工具）、标准和合约、产品选择标准和常见学习曲线。组织和文化主要包括汇报体系、权威和授权、共同价值和理念、企业传统以及变革管理。DGI数据治理框架数据治理研究协会DGI（DataGovernanceInstitute）认为数据治理是确定数据相关的过程中的决策权和责任制的一个体系，根据一个描绘了谁、在什么情境下、使用何种方法可以对哪些数据做出何种举措的一致认同的模型，对数据进行管理。如下图所示：DGI数据治理框架DGI数据治理框架基于“5W”模型描述了组成数据治理的十大组成要素，并且表达了这些组成要素之间的关系和工作顺序。首先是数据治理的目标，阐明为什么企业要进行数据治理。其次是数据治理关注的重点领域，值得一提的是，DGI数据治理框架在关注领域中明确了数据治理的六项主要内容，包括政策/标准/策略、数据质量、隐私/合规/安全、架构/集成、数据仓库与商业智能、管理支持；第三是数据规范和定义，指的是数据相关策略、标准和一致性要求，业务规范以及数据定义等；第四是决策权，在所有规范创建以及数据相关的决策做出之前，应该事先约定谁来做决定、何时做决定，使用哪些流程等；第五是问责制，明确数据所有者、管理者和使用者之间的彼此权利和责任；第六是控制机制，因为数据总是存在风险的，因此需要采取控制措施去预防风险事件的发生。其次是人员和组织，包括数据相关者、数据治理办公室以及数据管理员。最后是流程。包括预先定义、排列规则，在数据治理中提供跨边界的数据保护，当数据与规则出现不一致时的解决办法。XX数据治理体系框架XX的数据治理体系框架如下图所示：数据治理体系框架数据治理体系框架由以下五个部分组成：战略、机制、专题、实现、数据认责。这五个组成部分的简要介绍如下：战略数据治理工作是在银行的企业战略和企业规划的指引下进行设计，这些战略和规划包括业务发展目标、IT治理规划以及数据治理相关的发展规划。数据治理目标和规划遵循数据治理工作的总体目标和规划。机制机制是数据治理工作实施的保证，机制通过组织、制度、流程的建设和执行得以落实。机制是数据治理工作中的重点，数据治理执行效果就是机制的落实效果。组织组织是数据治理团队、角色、职责的统称，是数据治理体系建设的基础，以数据治理组织的引领才可能高效的开展数据治理相关工作，根据银行的组织架构现状，进行了数据治理部门的规划。数据治理组织的部门职责包括统筹规划、组织落实、日常管理、跟踪监控。制度数据治理中的人员、流程、技术通过数据治理制度进行实施和管理。数据治理制度包括数据政策、数据管理办法、操作手册。本期项目规划三个数据治理专题管理办法：《数据标准管理办法》、《数据质量管理办法》。流程流程是数据治理工作可以有效展开的基础。专题数据治理专题是数据治理的工作内容。数据治理内容由多个专题组成，专题的数量和内容可以随着数据治理成熟度的提高而演进。数据认责数据认责是通过明确的数据相关责任，将机制、专题、实现结合起来，以贯彻执行数据治理工作任务。实现数据治理工作最终是通过具体的实现手段得以贯彻，数据治理的实现手段多种多样，包括了开发管理、治理平台等。本次项目将以此治理体系为依据，建立陕西信合的数据治理体系。其中，组织架构尤为重要。数据治理组织架构数据治理组织架构是数据治理体系建设的基础，建立数据治理组织架构才能有效的开展数据治理的日常工作。建立数据治理组织架构的目的是：负责数据管理者的职责担当企业内部的数据管理者职责。协调业务和技术的配合部门，落实数据治理工作责任，确保数据治理工作有相应数据治理的参与者负责，将数据治理的每项具体工作内容落实到执行层面。推动落实全行数据治理工作，建立决策、沟通、监控、考核的机制建立数据治理决策机制，制订数据治理相关制度，推动数据相关活动的决策和执行，监控和考核进行的数据治理行动；通过专职的管理人员、专业的团队和专门的会议，形成数据治理的机制，定义和落实相关的数据治理举措，从而推动数据管理工作的整体发展。建立培训和推广机制，创造数据治理文化建立数据治理的培训和推广机制，催进数据治理相关的交流，通过数据治理部门的活动在全行创造数据治理的企业文化。数据治理组织架构定义数据治理的参与方组成，以及相互之间的汇报和管理关系，相关角色的定义进一步明确数据治理参与各方的职责和能力需求。专职部门的建设和原则数据治理专职部门建设需要遵循以下五个原则：前瞻性数据治理专职部门建设需要与企业的发展战略和愿景相结合，数据治理专职部门的建设目标是为企业的发展服务的，因此在专职部门建设上需要考虑企业未来对数据治理的需求，为企业发展提供数据资产保障的支持。渐进性数据治理专职部门的组织架构会随着时间而不断演进，在不同的阶段数据治理组织形式会有所不同，在建设初期，从具体的需求和相应的数据治理价值驱动，后期可逐步建立完善的数据治理专职部门。适应性数据治理专职部门的建设需要适应目前银行的组织架构情况和数据管理现状，合理设置数据治理的组织架构，合理分配人员角色，在企业中全方位地建立数据治理的角色和职责。专业性数据治理需要有专门的、专业的人员进行管理，这些人员有技术的，也有业务的，同时还需要有管理方面的人员进行组织和协调。集中性数据治理专职部门与角色的建设须集中设置，集中设置的专业性的组织能够更有利于数据治理工作的推动，可以短期内集中优势力量达成数据治理专题目标。服务性数据治理专职部门的设立，是为了更好的向各业务部门和技术部门提供数据治理的相关服务。数据治理专职部门的建设通常来讲，数据治理专职部门架构策略可划分为分布式、联邦式和集中式三种，三种策略的特点、优势和挑战如所示。分布式策略所有认责人员都是兼职，隶属于各个业务部门或技术部门，但现有组织架构不会受到影响，过渡平稳，缺点是管控力度太弱，对人员的组织协调能力和主观能动性要求比较高，但权威性不够。联邦式策略配置了数据治理专职部门来牵头数据治理工作，有专职人员负责，问题处理有权威性，业务和技术部门中有常设的数据管理人员负责协调和沟通。集中式策略设立的数据治理部门权力更大，专职人员更多，数据治理部门是一个集权部门，拥有所有系统和项目的数据所有权和管理权，业务部门和技术部门使用数据的时候要向该部门提出申请，经授权审批后方可使用。角色与责任决策层决策层的工作职责主要是重大决策，监控数据治理投入产出成果，掌控数据治理总体发展方向，解决重大的认责冲突。数据治理的决策层包括：行领导和信息技术委员会。管理层数据治理部门数据治理部门的主要工作职责是协调和指导企业数据治理的策略与流程、安排人员、制定角色职责并设置岗位，通过组织分层实现治理；在企业层面上和项目内部提供协调、沟通、信息共享、冲突仲裁的机制，调配资源，申请召开数据治理协调会议等。数据治理部门包括以下的角色和分组：数据管理主管数据标准专题组数据质量专题组元数据专题组数据生命周期专题组执行层数据治理的执行层分为两部分组成：业务部门是数据认责角色中的数据拥有者(DataOwner)和数据使用者(DataUser)。业务部门主要承担业务专家角色，负责提出数据需求和业务规则，协调部门业务专家参与数据治理相关工作，反馈数据治理在系统中实施的效果，指导对数据治理策略、标准和流程的调整。技术部门是数据认责角色中的数据使用者(DataUser)。技术部门承担技术支持角色，参与数据规划、数据标准定义、数据治理流程设计及维护、问题分析等工作，将数据治理流程落实到应用系统中。业务部门执行层角色数据协调员业务专家技术部门执行层角色数据协调员架构专家需求专家DBA数据治理部门职责数据治理部门职责简介流程是数据治理工作可以有效展开的基础。数据治理的各专题和组成的职责总体概括起来在以下四个工作职责范围内：其中，统筹规划与跟踪监控是数据治理组织主要开展的工作，执行落实与日常管理是数据治理相关业务/技术部门的执行层开展的工作。统筹规划统筹规划工作职责是数据治理工作的总体规划部分包括以下几个内容：路线图规划制订数据治理发展路线图规划，包括组织的规划、制度的规划、各治理专题的发展规划、以及数据治理支撑技术的发展规划。政策与规划制订政策与规划制订的管理，主要包括以下的内容：制订数据管理制度和管理政策。制订数据治理相关主题的管理办法制订数据治理的指标和考核办法制订数据标准的定义制订数据质量检查指标制订数据安全和隐私规范制订数据生命周期管理规范政策管理政策管理包括上述数据治理的政策、制度、管理办法和相关规范的：新增修改审核发布版本维护培训与推广数据治理需要通过持续的培训和推广以达到提高数据价值和重要性的目的。通过培训和推广数据治理各个相关责任角色能够理解数据管理的问题和数据治理工作的价值。通过培训达到以下目标：数据治理相关角色理解数据治理工作流程和数据认责机制数据使用者清楚数据质量问题的管理流程开发者清楚在软件生命周期的数据治理规范，以及合规检查流程系统运维者清楚运维管理中的数据治理规范，以及处理流程数据治理的推广手段包括以下：问题管理会议数据治理协调会议定期的数据治理简报和邮件组织落实规范实施数据治理规范的组织落实主要体现在软件开发生命周期管理过程中，主要实施的过程包括：项目立项业务需求软需开发模型和数据库的概要设计模型和数据库的详细设计评审数据治理的实施落地的评审，主要是体现在软件开发生命周期管理过程中，在各阶段的评审工作中，对数据治理要素进行复查，检查系统是否按照数据治理相关规范进行设计和开发。服务水平合约(SLA)制订数据治理的组织落实的职责，还包括制订服务水平合约(SLA)，主要是体现在系统运维过程中，根据数据治理制订的规范（例如：数据质量规范、数据生命周期规范等）制订具体的服务水平合约内容（例如：对数据质量的要求、对数据访问的要求等）。日常管理数据治理专题管理日常管理工作中，包括对数据治理的各专题的日常管理，主要包括以下部分：数据质量日常运维管理数据安全日常运维管理数据生命周期规范执行提供数据服务服务水平合约管理日常管理工作中，系统运维专家和数据治理运维人员对服务水平合约进行日常管理，主要包括以下部分：数据质量监控性能安全监控数据时效性监控性能和容量监控数据治理冲突解决日常管理工作中，包括解决数据治理的各种冲突，冲突包括但并不限于以下内容：数据认责冲突数据出现多人认责、无人认责或认责不清的情况。数据标准冲突数据标准与在建系统或者在升级系统发生冲突的情况。数据质量冲突数据质量发现问题归属冲突情况。发生数据治理冲突问题，按照冲突解决流程进行解决，可以在执行层面解决的在执行层面解决，不能解决的升级到数据治理管理层和决策层进行解决。问题管理问题管理数据治理日常管理的重要组成。是为了解决数据治理中的问题而启动，数据治理的问题通常会启动冲突解决流程和问题管理流程，冲突解决流程重在问题的协调和解决；问题管理流程重在问题的跟踪和统计。问题管理由以下几个原因触发：数据质量问题数据认责冲突问题数据命名规范和定义冲突业务规则冲突数据安全、隐私问题监控发现不合规的治理问题大多数问题都可以在数据治理执行层面解决；部分问题跨部门、跨系统和数据域，需要提交数据管理组织进行协调解决；少量问题涉及到数据治理战略、管理、规划相关的问题，需要提交决策层解决。不论问题在哪个层面解决，都需要进行问题登记、问题解决状态跟踪、问题统计与分析，问题统计和分析的主要内容有：问题状态问题分类（所属专题、出现和解决日期、类型等）问题解决方式问题的根源部门、角色、流程和技术跟踪监控绩效考核绩效考核是数据治理跟踪监控工作职责的重要部分，是对数据治理工作执行情况的全面评估，对数据治理相关部门和角色的工作评价，也是对数据治理规范和考核指标的修正过程。数据治理绩效考核根据规划流程中制订的各专题考核指标进行考核，绩效考核内容主要包括：数据治理考核指标统计数据治理考核指标评分汇总统计结果发送指标干系人确认生成和公布考核报告定期开展的数据治理专项检查除了在运维流程中被动的发现问题，数据治理组织会定期启动数据治理专项检查流程，通过主动的检查发现数据治理问题，这些流程主要包括以下内容：数据标准规范检查数据质量剖析数据安全规范检查元数据规范检查数据生命周期规范检查数据治理体系实施路线图数据治理体系实施示例 如上图示例，基于数据治理体系设计成果，提出全行数据体系建设策略和发展目标，制定符合我行发展现状的未来3至5年的数据应用与服务、数据标准、数据质量、元数据管理、数据架构、数据保留与归档、数据隐私与安全等数据治理各领域的实施路线图数据治理体系制度建设及落地指导数据管理政策数据质量的管理政策应包括管理办法和实施细则两个层次，并设计相应的技术规范和模板。具体框架如下图所示：在具体咨询过程中，将根据行业最佳实践，建立陕西信合自己的数据管理政策。数据标准体系咨询与规划数据标准管理办法工作目标为规范陕西信合数据标准建设，符合国家标准化政策及监管统计规定，满足内部数据标准需求，特制定数据标准管理办法，用于明确数据标准管理内容、组织架构和职责、规范数据标准制定的行动，从而使数据标准管理从制度上有据可依，推动数据标准长期有效的指导行内数据管理工作。此管理办法是数据标准管理工作的总纲领。工作内容现状调研：全面学习和了解陕西信合的组织架构，充分理解各部门间职能、职责和权限划分，以及数据标准管理相关的人员、角色情况、当前IT系统开发流程等。充分了解各业务部门对数据标准管理的观点和需求。调研分析基于以上的调研结果，进一步整理和分析陕西信合数据标准管理方面的现状和需求，明确数据标准的管理者、关注着、执行者之间的关系。成果产出制定切合陕西信合实际情况和数据标准管理需求的管理办法，包括数据标准组织架构与职责、数据标准制定的管理细则、数据标准应用的管理细则、和数据标准管理工具等内容。数据标准管理组织架构工作目标在数据标准管理办法的指导下，细化数据标准管理组织架构，以期进一步明确数据标准管理的各部门间职责分工、角色权限、人员安排等情况。工作内容现状分析基于上述数据标准管理办法的调研成果，进一步分析和清分数据标准管理现状的组织架构和人员情况。为数据标准管理组织架构的确定提供重要输入。成果产出制定切合陕西信合实际情况和管理需求的数据标准组织架构。示例：数据标准组织架构示例数据标准管理流程工作目标在数据标准管理办法的指导下，进一步明确陕西信合数据标准管理流程，以期明确数据标准管理员、专员、操作员等各岗位职能之间的分工和协作关系。工作内容现状分析基于上述数据标准管理办法的调研成果，进一步分析部门间数据管理的现有流程、从而明确各部门间的数据标准管理职能和流程。为数据标准管理流程的确定提供重要输入。成果产出制定切合陕西信合实际情况和管理需求的数据标准管理流程。示例1：以数据标准制定流程为例示例2：数据标准制定流程使用到的数据标准需求审批表示例数据标准需求审批表申请部门：【申请人所在部门】总行/分行：【】申请人所在处室申请时间需求类型□新增□变更□落地原因说明【说明该需求的主要业务原因】