作者 | 田清明
相较于国有大型银行、股份制银行而言，中小银行数字化转型成效甚微，尤其是在数据价值变现方面与大行的差距尤为明显；究其原因是中小银行业务粗放发展所带来的数据质量差的问题，导致数据不能有效成为新生产要素发挥关键作用。因此，本文将以中小银行的视角来剖析如何有效开展数据治理工作，带动数据质量提升，夯实数据要素作用。
随着《银行业保险业数字化转型的指导意见》（如下简称《指导意见》）的发布，为中小银行开展数字化转型工作建立了完整的转型框架以及转型的主要能力建设要求。其中，数据能力建设在《指导意见》中独占了一个章节，而整个章节中的 3/4 都在定义对数据治理能力的具体要求，这代表了数据是数字化转型中很重要的一个组成部分，而数据治理则是数据作为新的生产要素是否能发挥作用的关键。 因此，数据治理能力建设是中小银行数字化转型必须关注且需要重点开展的工作。
为帮助中小银行客观认识、理解并有序开展数据治理能力建设工作，本文将以笔者 20 余年在银行信息化、数字化、数字化转型工作中的实践与思考，以“剥洋葱”的方式一层层深入展开：从中小银行数据治理能力现状剖析入手，找出中小银行数据治理能力成效不彰的共性关键问题；再对关键问题进行深入剖析，找出产生问题的背后原因；最后，围绕问题产生的原因给出解决方法，即对中小银行如何能形成数据治理体系化能力给出发展策略的建议，提升中小银行业务规范性，夯实数据质量。
数据治理能力建设是
中小银行数字化转型的基础
在开始深入剖析中小银行数据治理能力 现状以前，必须首先要回答银行数字化转型工作为什么会与数据治理相关，才能找出数据治理的核心关键点，进一步才能深入分析出中小银行数据治理工作真正面临的挑战与遇到的关键问题。
那数据治理为什么会出现在《指导意见》中呢？
除了我们能马上想到的通过数据治理提高数据质量之外，还有什么？
笔者认为：数据治理能力建设是推动中小银行开展数字化转型工作的基础。中小银行 在过去粗放式的发展过程中，业务办理只要能快速完成业务全流程，类似于客户的身份证号、地址、联系电话等信息统统输入 12345，业务属性乱选等现象反复且经常出现。这些现象带来的直接结果是数据“脏乱差”，数据质量低且无法使用；而这个直接结果是业务没有按标准要求全流程办理，业务办理过程极不规范所导致的。因此，数据治理所要实现的数据质量提升，实际上本质是要治理业务，让业务按标准要求规范办理，这样在录入、采集业务数据的源头才会“干净”，数据质量才会因为业务按标准办理所带来的数据规范而真正持续、稳步提升；同步地，业务标准化才有可能抽象出业务架构与模型并通过数字化手段、工具去对业务进行数字化重塑，实现业务数字化。
综上所述，数据治理它不是一个孤立的任务，而是与业务高度相关，与银行业务转型高度相关。通过数据治理工作的开展，就能促进业务标准化、规范化，也就能带来业务数字化重塑与变革。因此，数据治理能力建设必然是中小银行数字化转型的基础。
中小银行数据治理现状与问题
数据治理既然对中小银行数字化转型如此重要，那中小银行具体做得怎么样呢？很遗憾，大部分中小银行并未在数据治理领域有显著成果，实际数据治理工作进展不明显。笔者对服务过的银行数据治理工作进行梳理，对同业数据治理工作的调研、交流情况总结，将中小银行数据治理共性的关键问题总结为如下三点：一是数据治理架构不完整；二是数据质量管控体系不健全；三是数据标准管理不规范。具体问题表现如下。
（一）数据治理架构不完整
22 号文第三条要求建立组织架构，将数据治理工作纳入董事会、监事会、高管层及内设部门的职责中，同时要求将数据治理纳入公司治理范畴，建立自上而下的数据治理体系。 中小银行基本都建立了数据治理委员会及下设办公室，但在实际工作中，委员会未能发挥作用，行领导并不重视数据治理工作的开展；而办公室则往往是由科技条线在主导与驱动工作开展，未能建立起完整的多层次、相互衔接的运行机制。另外，业务部门作为本业务领域数据治理工作的主责部门“名不副实”，实际工作中则由科技部或计财部牵头，进一步暴露了全行数据治理岗位与人员不匹配、制度缺失等问题。
（二）数据质量控制体系不健全
22 号文第二十八条要求建立数据质量控制的问责机制，以及对应的数据质量考核评价体系，将考核结果纳入本机构绩效考核体系中。 不少中小银行并未明确各类数据的属主部门，无法建立数据质量控制的配套对高管层及业务部门的问责机制，数据质量控制工作仍只能停留在出现数据质量问题后，科技部门被动“打补丁”的阶段；同时，由于数据质量控制的问责机制未建立起来，对应的数据质量考评体系与绩效考核体系就会缺失，数据质量存在着不稳定的风险。
（三）数据标准管理不规范
22 号文第二十条要求建立覆盖全部数据的标准化规划，遵循统一的业务规范和技术标准。 数据标准应当符合国家标准化政策及监管规定，并确保被有效执行。中小银行虽然基本都建立了全行的基础数据标准，但由于没有数据标准的属主部门，基础数据标准得不到维护与管理，仅由科技部门的数据团队根据其认为的数据标准在做日常的贯标工作，存在数据标准不被业务部门认可、理解的问题；另外，指标数据标准也是各中小银行的“重灾区”，由于指标的属主管理缺失，导致指标的统计口径会由于不同报表、不同部门、不同周期的要求呈现“百花齐放”的状态。
中小银行数据治理
关键问题产生的原因
中小银行上述数据治理问题的产生，笔者认为主要是如下几方面的原因。
一是中小银行普遍欠缺对数据治理在战略层面的思考与认识，即没有意识到数据治理与业务在数字化时代可持续高质量发展的密切关系，仍是以传统的惯性思维将数据治理“天然地”归为了监管报送，仅与计财部、科技部相关，那么对其投入的资源与关注度就只会在具体的数据治理系统、工具建设上，以提升监管报送的质量与效率，减少被监管在报送工作方面的约谈与处罚。这样处理的结果就是由于没有从业务源头去解决问题，根本的业务问题从未被解决，导致数据质量稳定性差，相同数据质量的问题会反复出现，数据治理系统、工具能发挥的作用越来越有限。
二是当粗放的发展业务仍可以让中小银行的经营业绩保持增长，数据质量不佳所暴露的业务不规范问题，通常较难得到全行上下，尤其是经营管理层的重视， 导致数据治理工作成为了“面上的工程”。当经营管理层面临“是要最近三年的业绩增长，业务继续粗放发展，还是要银行将来 5-10 年可能的持续发展，从现在开始推动业务规范办理来正向促进数据质量的提高并让数据形成有效数据资产为业务高质量发展赋能”这一选择的时候，中小银行普遍会选择前者，因为在最擅长与可控的范围内开展工作是当前最保险且有效果的，变革通常意味着风险以及不可预知的未来。
中小银行数据治理能力提升策略建议
我们将中小银行数据治理问题产生的原因再深入去分析就可以发现：无论是对数据治理的战略高度还是重视程度，其根源均是对数据治理的整体认知不足，即对本文前文所提到的数据治理与数字化转型的关系认知严重不足。因此，笔者建议中小银行提升本行数据治理能力的策略是：以统一认知为出发点，在全行达成共识的前提下寻找方法对上述三个关键问题进行解决，以此逐步建设数据治理能力，提升全行数据质量，推动全行数字化转型。
（一）达成全行对数据治理的统一认知
2018 年 5 月，原银保监会针对数据治理工作下发了 22 号文，即《中国银行保险监督管理委员会关于印发银行业金融机构数据治理指引的通知》（如下简称《数据治理指引》），共 7 章 55 条主要将治理的组织架构、数据管理、数据质量控制、数据价值实现等 4 个方面做了较为详细的要求，同时也指明了数据治理工作的思路与路径。作为监管机构对银行业数据治理的完整指引文件，既有权威性又有专业性，该文件对中小银行而言是可以作为全行达成数据治理统一认知的重要依据。
因此，中小银行 需要充分重视该份文件，将该份文件在不同管理层级做深入的解读，自上而下均既能深刻地理解数据治理的定义，也能对数据治理工作的范围、具体到部门的职责有框架性认识。例如，为使全行上下对《数据治理指引》更容易理解，准确把握与数字化转型的关系，驱动全行均能深入理解数据治理工作，可将其与《指导意见》放在一起来做解读。
首先，《数据治理指引》可抽象出来如下 5 个重要的要素域来形成数据治理工作的逻辑框架：一是组织架构，定义了以数据治理的组织架构与部门职责要求（指引中的第 8-13 条）；二是人才，要求建设专业数据团队与数据文化建设要求（指引中的第 14-16 条）；三是业务，利用数据做好业务能力提升、流程评估等要求（指引中的第 21 条、第 38-47，49 条）；四是数据，数据管理、数据质量等的具体要求（指引中的第 17-28 条，第 29-37 条）；五是技术，明确提出要依靠先进的技术（指引中的第 48 条）。
其次，《指导意见》中明确提出了组织（含人才）、业务、数据、技术是数字化转型工作的框架（本文是围绕数据治理而展开，《指导意见》的内容就不在本文展开，有兴趣的朋友可自行网络搜索《指导意见》做详细对比）。
最后，我们立即就能有结论：数据治理的框架与数字化转型的框架是一致的。 那么我们就可用此思路对数据治理、数据治理与数字化转型的关系等在全行管理层中进行系统性地解读与宣贯，以让大部分管理层对数据治理工作有较为清晰、正确的统一认识。
（二）基于统一认知解决关键问题
在全行管理层基本对数据治理工作达成统一认知的基础上，以《数据治理指引》、《指导意见》两份文件为依据，自上而下开展如下三方面工作，以此解决上述的三个关键问题，以达成数据治理对数字化转型的重要推动作用。
1. 优化数据治理架构
《指导意见》中对于数据能力建设的要求中，再次明确了数据治理工作的重要性：数据治理是数字化转型的基础。笔者建议依据《指导意见》中“建立数字化战略委员会”的要求，在建立数字化战略委员会的同时，将数据治理委员会调整放于数字化战略委员会下，并将数据治理工作纳入数字化战略委员会的常态化议事议程中。 另外，建议新设一级部门做为数字化转型办公室的落地部门，其工作职责中需包含数据治理的日常工作统筹推进职能以及考核职能，以数字化转型的整体要求明确数据归口管理的问题。
2. 数据质量控制重塑
以《数据治理指引》文件为依据，确认各类基础数据的属主部门，明确数据质量问题整改的主体部门，并依此建立对属主部门及分管行领导的问责机制。按数据所属的业务属性分类，对不同的数据定义其属主部门，如对公客户数据、个人客户数据、账户数据、合同数据等按不同数据的业务属性形成数据分类，对应不同的数据属主部门，如：公司部、个金部、运营管理部、信贷管理部等，并建立对应的数据归属关系清单与归属关系明细，由各数据属主部门主动开展对其相关数据进行数据质量的日常管控工作。对数据的属主部门及部门的分管行领导建立其管控数据的数据质量问责机制： 即发生数据质量问题时，数据属主部门与分管行领导需要配合数据归口管理部门（建议一中提到的新设部门）完成数据质量问题的解决的全过程；如出现由于数据属主部门配合出现问题，以及引发其他问题时，需要对数据属主部门与分管行领导进行问责。
以问责机制为基础，对数据属主部门建立配套的数据质量考评体系以及绩效体系，推动数据质量持续提升。建立在数据属主部门数据质量问题整改情况的考评体系是推动数据治理工作的有效起点，建议对主要的数据属主部门按年进行数据质量问题整改率的考评，并纳入绩效体系中，即：
部门数据质量问题整改率 = 当年数据属主部门整改的数据质量问题总数 / 数据属主部门相关的数据当年所产生的所有数据质量问题总数
同时在部门年终考评中，拿出一定分数考核分作为数据质量问题整改率是否达标的考核得分，制定每个部门数据质量问题整改率达标率作为考核指标，操作达标率即能得分，不达标则该项考核得分为 0。数据治理的考核分差距应能对部门年终考核带来巨大挑战，各部门才会真正重视数据质量的工作。
3. 完善数据标准管理
确认基础数据标准、指标数据标准的属主部门，明确数据管理的主体部门，并依此建立对属主部门及分管行领导的问责机制。梳理全行基础数据标准、主要的业务指标与口径，明确标准以及对应的属主部门，以此建立数据标准管理的问责机制，即数据标准的属主部门需要对数据的命名、类型、长度、计算口径等进行统一管理（包含数据标准的定义、修订、发布等），如发生数据标准问题则由属主部门负责。根据全行的管理能力与水平，择机建立数据标准管理、元数据管理平台，实现对本行数据资产的数字化高效管理。
总     结
由上述数据治理的工作建议可知，都是实实在在要干的事情，方法论与路径都很清晰，没有捷径可走，也没有花里胡哨、高大上的内容。能不能做好数据治理工作的关键就是要解决思想认识的问题，然后认认真真去落实上述工作，逐步持续推进数据治理工作，持续下去以达成从量变到质变的突破。
文末，笔者再多总结一句：数据治理是一项很庞杂、体系化的工作，不能通过一篇文章的几千字，就能全貌性、显现地为大家带来完整、体系、全面的内容，此文仅是以“问题 - 原因 - 解法”的思路对数据治理做一次抛砖引玉的介绍，希望此文能对您的工作有一定帮助。
作者介绍
田清明，23 年银行业信息化、数字化相关工作经验，以国内知名解决方案厂商、银行甲方、咨询方等不同身份长期服务于中国银行业，在银行数字化转型的规划、业务、科技、数据等领域具有丰富的理论与实践经验；基于丰富的实践经验，梳理创设了区域性银行数字化转型的方法论体系，独著《区域性银行数字化转型：方法论与实践》一书，不仅得到了行业内众多银行机构的高度认可，还多次受多所 985 高校邀请，为在校研究生、金融机构培训学员等授课“银行数字化转型”的课程，并多次带领课题组对监管部门等机构安排的课题开展研究工作。
福利通道
  • 关注「InfoQ 数字化经纬」公众号，回复「案例」领取 《行知数字中国数字化转型案例集锦》。
  • 关注「InfoQ 数字化经纬」公众号，回复「进群」加入数字化读者群交流。
  • 关注「InfoQ 数字化经纬」公众号，回复「抽奖」可以参与本周活动，有机会获得精美礼品。
今日好文推荐
逃离 Windows！德国又宣布迁移到 Linux，涉及数万系统、3 万余人，官员吐苦水：Windows 对硬件要求太高了
用 100 年前的系统和淘汰的软盘技术，美国列车系统升不了级：要花费十年、上百亿美元，“风险太大！”
谷歌、英伟达联手打造 AI 超级计算机架构，Agent 业态初显且已商业化，谷歌的基础设施太全面了
“真男人就应该用 C 编程”！用 1000 行 C 代码手搓了一个大模型，Mac 即可运行，特斯拉前AI总监爆火科普 LLM
继续阅读
阅读原文