企业数字化转型方案：企业数据治理体系规划建设方案.pdf

数据治理体系建设及数据

治理咨询项目建设技术

解决方案

目录

1.***对本项目的理解2

1.1.***对本项目需求的理解2

1.2.本项目成功的关键要素3

1.3.本项目对全行发展的价值6

2.项目解决方案详述8

2.1.***企业信息管理框架8

2.2.数据治理体系规划方案14

2.3.数据标准管理方案39

2.4.数据质量管理方案87

2.5.数据架构规划115

3.项目实施方案126

3.1.实施计划及进度安排126

3.2.项目组织与人员构成126

3.3.项目工作产品及最终交付物138

3.4.项目风险与应对建议139

4.知识转移及培训方案142

4.1.知识转移142

4.2.培训142

5.***项目管理办法146

5.1.综述146

5.2.***项目管理方法147

6.相关经验及案例证明163

7.附录167

7.1.***主要工具167

1.***对本项目的理解

1.1.***对本项目需求的理解

1.1.1.落实大数据环境对数据治理的要求

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，以实现数据驱动业务发展的目标。

1.1.2.满足监管机构对数据治理的要求

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。

1.1.3.对项目需求的初步解读

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、数据标准及数据质量的差距包括：

•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织；

•尚未发布全行统一的数据标准，没有跨业务条线的数据统一定义；

•未制定全行级的数据质量管控机制。

***认为，数据治理的实质在于“业务先导、管理驱动、技术支撑”。管理是其中的核心与基

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了解，并可以借此发现全行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、渠道、财务、营销主题的信息项的定义，进一步规范业务操作与IT的

系统建设，并通过数据质量体系的建设，实现全行数据质量的整体提升。

1.2.本项目成功的关键要素

关键成功因素一：数据标准是银行建立数据应用的基础，如何让全行各级人员认识到数据

标准对业务支持的价值，使他们能看到数据标准对他们工作的重要性并参与到数据标准相

关工作中