大数据体系整体设计原则-V10

I2大数据能力建设项目交付物一览x本文件交付物类别具体交付物整体报告A1A1大数据愿景及战略规划A2A2大数据关键能力提升整体方案A3大数据治理机制及运营模式方案A3A4大数据的整体实施路线图A4总体数据大数据能力现状诊断报告大数据体系整体设计原则国内外同业大数据应用案例集子子数据整合与应用大数据业务用例需求分析框架大数据业务用例整体管理方案大数据战略相关业务用例实施路数据治理数据治理大数据数据质量提升规划方案大数据相关数据治理体系设计方案大数据战略相关数据治理规划实施路线图数据系统与工具大数据数据平台规划设计方案大数据战略相关数据平台建设实施路线图数据人才与组织99大数据相关组织架构设计方案大数据战略相关数据组织规划实施路线图资料来源：分析资料来源：分析|2大数据体系整体指导原则是基于现状并借鉴领先实践经验提炼而成，其目的是在所有参与方之间统一意见和认识，确保能力建设规划有的放矢银行银行现状诊断领先实践大数据体系整体设计原则.大数据体系整体设计原则是在对前期诊断发现领先实践大数据体系整体设计原则.其目的是在诊断发现和确保设计有的放矢能力缺口和提升方向初判大数据体系建设的整体理念是：从价值创造出发，基础能力建设与业务用例推进并行，以三年时间为银行大数据应用规模化奠定良好基础初步供讨论IT战略“科技引领银行IT战略“科技引领银行”“数据驱动业务/管理”..“数据是的重要资产”：这意味着需要对全行的业务用例进行优先排序，全行数据资产也应被合理共享.“数据只有被业务和管理有效应用才有价值”：这意味着任何数据资源的投入都应以明确的应用场景和价值创造为前提资料来源：小组分析资料来源：小组分析|4大数据体系整体指导原则：链接现状诊断和未来设计，使数据能力建设有的放矢3.“长短兼顾”：业务用例应依照同类技术能力和数据域的治理分批次推进",使用中的权责边界，将数据质量纳入各部门数据责9.用对治理方法：优先治理关键数 具，统一数据标准、完善元数据强管理、进行数非结构化数据的采集与应用；支持数据质量，明资料来源：小组分析资料来源：小组分析|5在数据战略方面，建议银行重点考虑战略聚焦、抓大放小，兼顾长期能力建设和短期速赢对相关模块设计的启示（数据战略）对相关模块设计的启示（数据战略）▪战略聚焦：的大数据战略应服务于全行整体规划，因而“凤凰计划”应成为未来三年全行级业务用例的主要输入–全行级（抓大）：考虑到未来三年数据能力建设与业务用例推进需并行，实施难度和资源投入都较大，全行级用例应聚焦于影响力最大的~20个–部门级（放小）：考虑到各部门的差异化需求，各部门仍可自主提请用例需求，申请科技资源进行开发，但需要由部门承担成本并在全行战略允许的规则框架内▪业务用例优先排序的过程中需平衡长期能力建设和短期速赢：–优先推动业务影响显著的用例，以此树立全行的数据意识–但同时为了做到长治久安，能力建设与业务用例推进需并行，业务用例应依照同类技术能力和数据域的治理分批次推进，为此从技术可行性角度将对业务需求局部修正“战略聚焦“战略聚焦”“抓大放小“抓大放小”“长短兼顾，“长短兼顾，能力补缺优先”资料来源：小组分析资料来源：小组分析|6在数据整合与应用方面，建议银行重点考虑建立需求的排序机制和业务用例的标准化管理机制对相关模块设计的启示（数据整合与应用模块）对相关模块设计的启示（数据整合与应用模块）.明确治理架构中的统筹主体（如数据委员会，可由现在科技信息管理委员会兼任其职责）及其职能，确保战略理念一致，推动数据整合与应用过程中的跨部门问题，统筹职责要落实到机构和岗位.业务用例开发的优先顺序应由业务需求主导。为了提高业务需求的真实有效性，应设置：–成本约束：业务用例的开发成本应分摊并由各部门承担，冲抵其部门整体预算额度–绩效约束：业务部门在提交用例申请时应审慎分析其潜在价值。高价值意味着高优先级，但也意味着更有挑战性的绩效承诺.业务用例的成功与否应由其实际价值创造的大小决定。为了将价值最大化，应建立：–标准化的业务用例的实施规划、执行管控、追踪反馈和成效评估环节，使数据整合应用形成顺畅闭环–尤其，数据战略启动意味着银行工作模式的重大变革，有必要同步启动变革推动工作，方能将业务用例真正落地“全行统筹排序“全行统筹排序”““向成本要效益”““向应用要价值”资料来源：小组分析资料来源：小组分析|7在数据组织与人才方面，建议银行重点考虑加强全行统筹和集约化管理，并强化数据人才的市场化和专业化对相关模块设计的启示（数据组织与人才模块）对相关模块设计的启示（数据组织与人才模块）.加强全行数据组织的集约化，从降低成本、确保管理一致性、实现人才的规模效应等多方考虑出发：–明确统筹和变革主体（如设立“数据管理委员会”）–建立集约式的高级分析能力（如搭建全行“卓越中心”）和数据治理能力（如搭建全行“数据治理中心”）–在关键的价值创造点（如分行）建立派驻式数据分析岗位，在实践中推动数据人才建设.壮大数据人才队伍，引导其市场化和专业化：–从需求出发和价值创造出发参考同业对标规划数据人才需求–绩效识别市场化：鼓励数据人才向业务需求和数据用户倾斜–岗位专业化：高级分析、统计报表和系统开发岗位相互独立“组织集约化“组织集约化”“人才市场化、“人才市场化、专业化”资料来源：小组分析资料来源：小组分析|8在数据质量与治理方面，建议设立全行层级的数据治理架构，明确业务和科技的职责，从企业级关键数据项入手，围绕业务用例重点依次推进对相关模块设计的启示（数据质量与治理模块）对相关模块设计的启示（数据质量与治理模块）.建立数据治理架构，理顺数据采集、管理与使用部门之间的权责边界，将对数据质量纳入相关责任人的常规考核项目：–从源头入手，业务部门必须对数据的定义统一、标准规范、采集完备和持续治理负责–科技部门负责通过技术手段、管理工具更高效地诊断数据问题、提升数据质量、规范数据使用–数据质量的管理形成责任闭环，数据采集、处理和使用环节的相关人员，都具备清晰可追踪的质量考核指标.结合现状，从用例涉及的关键数据项着手，配合主数据管理和黄金数据源的建立进行系统性治理–优先统一用例涉及的关键数据项定义和标准–建立单一的主数据管理机制，界定关键主数据项和唯一来源–配合重点业务用例的推动，进行有侧重的分批次数据治理，确保治理工作的有效落实和成果显现“长期聚焦治理“长期聚焦治理架构，建立责任闭环”“短期结合现状，“短期结合现状，规范化管理机制”““以实用、落地为主”资料来源：小组分析资料来源：小组分析|9在数据系统与工具方面，建议银行的设计原则为：以业界最佳实践与重点需求，注重开放度、减少复杂度、拥抱新兴科技对相关模块设计的启示（数据系统与工具模块）对相关模块设计的启示（数据系统与工具模块）▪基于业界最佳实践与重点需求，规划拥有高开放度、低复杂度并且足够前瞻性的全行数据系统与工具架构，为接下来3年发展大数据分析打下坚实基础：–结合现状，利用现在已有基础，重点放在补缺补漏，明确设计规则，为将来新系统建设做好规划–结合业务需求规划设计高级分析支持架构以及非结构化数据应用–针对3年内基于用例的实时营销/经营分析需求，规划设计实时/经营数据分析架构方案–减少架构复杂度，明确重点系统分工及相互间的关系▪数据系统架构设计举措落地实施的路线图将重点考虑：–基于银行现有基础以及各部门情况，配合业务应用各阶段重点，