数据管控体系设计

《数据管控体系设计》由会员分享，可在线阅读，更多相关《数据管控体系设计（91页珍藏版）》请在金锄头文库上搜索。

1、数据管控体系设计,大纲,管控体系设计 数据管控机制设计 数据质量管理体系 元数据管理体系 数据标准管理体系 数据生命周期管理体系,数据管控模块组成,管控组织,管控工具,管控流程,管控政策,数据生命周期,数据标准,元数据,数据质量,管控手段,管控机制,管控机制： 数据管控实现的关键要素,管控手段： 数据管控关注的重点领域,管控机制和管控手段形成数据管控矩阵，能有序高效地提升数据架构各个层次的管控及协作能力，增强企业级数据模型驱动力，使其有序开展及持续优化,数据模型描述了管控手段的信息内容,数据架构是管控手段的落地表现,管控机制为模型和架构提供了保障机制,数据管控各组成部分意义：管控机制,定义数据

2、管控各个领域的工作方法和步骤 明确各个相关部门在数据管控各个领域中的分工和协作关系,管控流程,通过政策和规范的方式发布数据管控各个相关部门的责任 明确数据管控各领域的政策、规范和实施办法 确保数据管控的管理原则和执行是一致地贯穿全行 改变或规范各个部门数据管控人员的行为,管控政策,提供一套数据管理的支撑系统 支撑数据质量的规则，问题的集中管理 支撑数据标准的发布，查询，变更等流程,管控工具,建立明确的数据管控组织架构与人员角色定义 明确某类数据的责任人 定义不同数据责任人的职责，对某一特定数据范围内的信息的正确性，一致性和及时性负责,管控组织,一致和准确的数据是业务运营与决策分析的基础 良好的

3、、高质量的数据可以有效降低系统建设成本 外部的监管和规范，如反洗钱、Basel II、SO等，对数据的质量提出了越来越高的要求,数据质量 管理,减低成本、简化管理（控制存储需求、软硬件以及人力成本等） 提高效率（提升系统性能，合理利用人力、流程、技术提高信息服务效率） 控制风险，有效合规（提高对审计的控制、遵守政府和行业规范等）,数据生命 周期管理,业务术语、标准等的统一定义、管理、引用 各式数据流（像文件交换、点对点直连、企业数据总线等）的管理 数据的创建引用关联、血缘的分析 对其它数据管理领域，像数据质量、数据生命周期的支撑,元数据管理,加强业务的标准化工作，规范重点业务内容，强化业务管理

4、 加强现有数据的交互性，支撑统一的业务管理 推动主数据系统的建设，完成重点数据的统一管理，完全共享,数据标准 管理,数据管控各组成部分意义：管控手段,制定数据管控政策是将最高管理层对数据管控的期待变成思想和策略，通过制度的制定和始终如一的执行来树立全行的数据管控理念，确保数据管控组织围绕管控制度来进行工作目标的定义和实践 政策的主要目标是： 明确数据管控各个相关部门的责任 确保数据管控的管理原则和执行是一致地贯穿全行 将高级管理层的目标和行为期待作为一致性的讯息提供给机构 改变或规范各个部门数据管控人员的行为,数据管控政策是管控的中心思想和执行策略,数据管控管理办法与细则,管理办法,实施细则,

5、数据管控 管理办法,数据标准管理办法,数据质量管理办法,数据管控 实施细则,数据标准实施细则,数据质量实施细则,数据管控的 管理办法与实施办法,数据质量管理的政策性文件,数据标准管理的政策性文件,数据管控的 具体操作方法和流程,数据质量管理的具体操作方法和流程,数据标准的具体操作方法和流程,数据生命周期管理办法,数据生命周期管理的政策性文件,数据生命周期实施细则,数据生命周期管理的具体操作方法和流程,客户数据管控政策建议,元数据管理办法,元数据管理的政策性文件,元数据的具体操作方法和流程,元数据实施细则,客户数据管控管理办法和实施细则建议（1/2）,客户数据管控管理规范和实施办法（2/2）,数

6、据责任人,总行,分行1,分行2,分行,数据治理决策委员会,总行领导,数据治理委员会,数据治理办公室,数据标准管理员,数据架构主管,数据治理经理,数据安全主管,数据质量主管,个人金融部,风险管理部,公司业务部,。,业务线责任人,区域,数据架构管理员,数据标准主管,元数据管理员,数据安全管理员,数据质量管理员,数据模型主管,数据责任人,数据录入人员,业务定义人员,数据使用人员,系统责任人,核心系统,信贷系统,网银系统,ESB,数据建模师,元数据主管,客户管理,数据仓库,资产负债,. . .,系统技术责任人,系统专家,数据维护人员,系统业务责任人,项目经理,架构师,开发测试人员,业务分析人员,客户数

7、据管控组织,针对每个数据管控手段提出相应的管理流程， 并在此基础上形成客户的数据管控流程,数据质量 事后管控,数据质量 事中监控,数据生命周期,数据标准,元数据,标准申请,标准设计,审核与发布,落地推广,审核与评估,数据质量,1,2,3,4,评估,管理手段设计,管理手段 落地推广,数据质量 事前防范,元数据申请,审批与发布,推广与使用,管理与维护,工作界面整合,业务部门人员,IT部门 人员,数据管控 管理人员,数据标准管理,标准申请,标准更新,标准查询,标准监控,管控工具支撑环境,管控体系设计 数据管控机制设计 数据质量管理体系 元数据管理体系 数据标准管理体系 数据生命周期管理体系,大纲,数

8、据质量管理制度及规范,数据质量管理组织架构,数据质量事后治理,数据质量事前防范,数据质量事中监控,数据质量管理流程,数据质量管理支撑工具,1,2,3,4,1,2,3,数据质量稳步提升,银行数据质量管理框架建议,问题快速处理,回顾总结,状态报告,监控检核 方案制定,监控执行,问题分析与 风险评估,数据问题收集,数据质量管理支撑工具,数据质量管理制度及规范,数据质量管理组织架构,数据质量事后治理,数据质量事前防范,数据质量事中监控,数据质量管理组织必须遵守的相关制度及规范，同时数据质量事后治理、事中监控、事前防范三个环节必须以之为基准开展工作，并保证数据质量管理的实现。 数据质量管理的日常活动及数

9、据质量相关项目中积累的各类经验，将有助于制度及规范的完善，增强管理保障的力度，进而更好地保证数据的总体质量。,1,1,数据质量管理流程,1,2,3,数据质量管理框架说明数据质量管理制度,数据质量管理支撑工具,数据质量管理制度及规范,数据质量管理组织架构,数据质量事后治理,数据质量事前防范,数据质量事中监控,2,落实数据质量管理组织职责，明确岗位责任，推进数据质量事后治理、事中监控、事前防范流程执行。 数据质量事后治理、事中监控、事前防范等流程改进优化，也会触发数据质量管理组织职责合理调整。,2,数据质量管理流程,1,2,3,数据质量管理框架说明数据质量管理组织,数据质量管理支撑工具,数据质量管

10、理制度及规范,数据质量管理组织架构,数据质量事后治理,数据质量事前防范,数据质量事中监控,数据质量事后治理、事中监控流程中都涉及到对数据的修改、清洗以解决质量问题，因此可以相互分享知识和经验。数据质量事中监控有助于发现事后治理的潜在需求。 在数据质量事后治理、事中监控流程中都会发现数据质量问题，对于影响重大或者发生频繁的数据质量问题，针对这些问题需要采取主动事前防范保证措施，以降低未来对数据质量的负面影响。,3,数据质量管理流程,1,2,3,3,数据质量管理框架说明数据质量管理流程,数据质量管理支撑工具,数据质量管理制度及规范,数据质量管理组织架构,数据质量事后治理,数据质量事前防范,数据质量

11、事中监控,4,数据质量事后治理、事中监控、事前防范在执行过程中，将发现的数据质量问题、数据质量问题解决经验记录在数据质量管理支撑工具中，为后续的数据质量治理提供依据和借鉴。 数据质量管理支撑工具，通过数据质量检查报告，分析数据质量问题热点区域，为数据质量流程改进提供重要依据。 数据质量规则管理是数据质量管理支撑工具的一个重要组成部分。,4,数据质量管理流程,1,2,3,数据质量管理框架说明数据质量管理支撑工具,数据质量管理基本制度及规范,制度规范,管理办法,技术规范与模板,数据质量管理规范,数据质量检查规则管理办法,数据质量事后治理管理办法 数据质量清理提升方案审核 数据质量提升方案复核,数据

12、质量事中监控管理办法 自动监控与手工监控 质量问题处理 质量问题分析及报告 质量状态报告,数据质量事前防范管理办法 数据库改造需求评审 源系统改造需求评审 业务流程改造需求评审,数据质量检查规则模板,数据质量事后治理方案模板,数据质量事前防范方案模板,注：数据质量管理制度及规范制定工作，需要各部门积极参与，并讨论并达成一致，以确保规范及制度覆盖数据质量管理工作的各个方面。,数据质量考核办法,数据质量检核计划模板 数据质量状态报告模板,银行数据质量管理建议：数据质量管理制度及规范,所有信息、属性是否按照系统和业务规则完整填写，是否有遗漏的情况。,完整性,是否准确地收集到相关信息，并如实在系统中进

13、行录入和处理。,正确性,不同系统、不同业务之间关联的数据之间是否一致，包括一致的定义、含义、取值及操作规则等。,一致性,数据是否能够及时地被获取，是否能够反应当前业务运营状况，以满足对数据进行加工、查询和分析的业务需求。,及时性,数据是否被适当地发布和使用，以确保数据被安全地使用,适当性,以业务的需求为导向，选取业务对数据质量要求最为紧迫的数据，设定相应的数据质量指标。 以各机构/部门的实际能力为基础，所选的指标目标值是各部门经过一定努力可以达到的。 设定可量化的指标，并尽量选取可通过IT工具进行统计和计算的指标。,示例,数据质量管理制度及规范：数据质量考核办法,合约关键数据质量指标,财务关键

14、数据质量指标,客户关键数据质量指标,产品关键数据质量指标,渠道关键数据质量指标,资产关键数据质量指标,数据质量 考核指标,客户关键数据完整性,客户关键数据正确性,客户关键数据一致性,客户关键数据及时性,客户关键数据适当性,考核的数据对象,考核指标,简要说明,借助数据质量管理支撑工具稽核ECIF 、 PCRM、 核心系统的客户关键信息是否存在遗漏。,采用抽样核验的方式，定期抽样客户的真实资料信息与ECIF 、PCRM、核心系统、个贷等系统中的信息进行比对，验证客户关键数据是否属实,借助数据质量管理支撑工具核验ECIF、核心系统、信贷系统等关键客户数据的一致性,采用抽样核验的方式，定期核验ECIF

15、、核心系统、PCRM中客户关键数据的采集、维护的及时性（事后录入）,采用抽样核验的方式，定期、定性地考核客户关键数据是否被适当地发布和使用。,说明： 客户数据作为银行最为关注的业务数据之一，当前客户数据质量的问题较为突出，建议将客户数据质量作为数据质量考核的重点。,机构关键数据质量指标,员工关键数据质量指标,事件关键数据质量指标,数据质量管理制度及规范：数据质量考核示例,示例,银行数据质量管理建议：数据质量管理组织,数据责任人,总行,分行1,分行2,分行,数据治理决策委员会,总行领导,数据治理委员会,数据治理办公室,数据标准管理员,数据架构主管,数据治理经理,数据生命周期主管,数据质量主管,个

16、人金融部,资金管理部,对公业务部,。,业务线责任人,区域,数据架构管理员,数据标准主管,元数据管理员,数据生命周期管理员,数据质量管理员,数据模型主管,数据责任人,数据录入人员,业务定义人员,数据使用人员,系统责任人,数据建模师,元数据主管,系统技术责任人,系统专家,数据维护人员,系统业务责任人,项目经理,架构师,开发测试人员,业务分析人员,侧重面向当前的数据，根据数据质量检查规则和检查规则，对数据质量进行持续的、周期性的监测。,侧重面向未来的数据，防患于未然。通过业务流程优化、源系统改造等方式保证未来数据质量。,侧重面向历史的数据，按业务系统或者主题分批对数据进行剖析、清洗，提高既有数据的质量。,历史数据,未来数据,数据质量事后治理,数据质量事前防范,数据质量事中监控,事前防范,事中监控,事后治理,当期数据,银行数据质量管理建议：数据质量管理流程,清理发起,规则制