大连银行数据治理案例

一、大连银行：数据治理体系落地及数据管控平台建设

大连银行数据治理体系于2019年开始启动实施，是全行科技规划建设的最基本、也是最重要内容之一。

大连银行借鉴国内外先进银行的管理理念和经验，在银行信息化建设过程中稳步前行，近年来陆续建设了多个数据应用系统。

应用系统大多基于具体部门和产品线视角建设，对全行业务管理能力的提升起到了一定的作用，但从全行视角来看，由于缺少统一的数据管控体系、数据标准及数据整合平台，无法形成企业级的数据管理、整合及共享，这种现状在一定程度上影响了大连银行管理信息系统的建设效果、制约了管理决策支持服务的能力。

为了应对数据管理的挑战、满足监管部门的要求、有效提升全行的数据服务质量，建立数据治理管理体系，理顺内部协作关系；制定企业级数据标准，提高数据的准确性、一致性和数据共享水平；建立元数据管理、数据标准管理、数据质量管理等管理流程，涵盖数据生命周期各个阶段，提高数据管控能力，进而实现提升全行在业务决策、客户营销、风险管理、内控合规和金融创新等方面的精细化、科学化管理水平。

大连银行基于自身数据治理经验，认真落实银保监会数据治理指引要求，结合业界数据治理实践标准，构建了数据治理体系框架，主要包含三大保障机制和八大核心领域，如下图所示：

数据治理保障机制主要包括数据服务、数据治理、数据保障。

其中，数据服务指涵盖数据运用和数据资产价值实现的各项活动，是数据治理和数据保障的目标。

数据治理指涵盖数据管理过程中的各项具体举措，是数据管理体系框架的核心内容。

数据保障指统筹管理并协调组织、人员、流程和制度等要素，对数据管理进行规划、监督和控制，使得更有效地管理和使用数据。

数据治理核心领域包括数据架构、数据标准、数据模型、主数据、元数据、数据质量、数据安全和数据生命周期。

大连银行数据治理案例详情

二、农业银行：基于大数据+AI体系的数据治理实践项目背景

过去十年，农业银行信息化建设积累了海量的数据。为了盘活这些数据资源，充分发挥数据价值，在大数据平台和AI建设过程中，农业银行采取“统筹规划、顶层设计、分步实施”的策略，不断发展和完善数据治理内容，摸索出基于大数据+AI体系下的“一保八维”的数据治理框架，打造了全流程智能化的一站式数据治理平台，逐步解决了数据的全面性、准确性、完整性、一致性、及时性等问题，提升了数据资产管理水平和数据质量，提高了数据服务能力，为全行数据管理、产品创新、数字化转型等提供数据支撑。

项目方案

1.提出“一保八维”的数据治理框架，全面促进高质量发展数据治理是一个系统工程，通常采用自顶向下指导，自下而上推进。在农业银行大数据+AI建设过程中，逐渐摸索建立了涵盖研发、数据、业务、安全的企业级的“一保八维”的数据治理框架，为高效的数据质量、稳定的数据服务奠定基础。

“一保”是指数据质量保障体系，包括建立高效的数据治理组织架构，为数据治理各项活动提供强有力的组织保障；建立全面严谨的制度章程，为数据治理快速有序推进提供制度依据；建立全流程、全生命周期的闭环数据治理流程，为全面进行数据治理提供标准化、规范化的闭环流程机制；打造数据治理平台，为数据治理提供自动、自助、智能化的平台支撑。

“八维”是指企业级的数据模型管理、数据标准管理、元数据管理、主数据管理、数据质量管理、数据服务管理、数据安全管理和数据生命周期管理八大核心领域，实现对数据治理保障机制的支撑与落地。

2.采用数据质量闭环治理机制，有效提升数据质量数据质量是指通过技术、业务手段使数据符合业务规则、数据标准等要求，保障数据的完整性、准确性、及时性和一致性的活动。

农业银行在大数据平台数据治理过程中，通过建立数据质量闭环治理机制，以组织架构为保障，以流程制度为依据，落实责任主体，同规同源，稳步推进，有效提升数据质量。

通过建立数据质量闭环治理机制，主要解决“是不是问题”“谁的问题”“谁来整改”“如何良性循环”等一系列痛点，形成健全的数据管控长效机制,推动数据问题标本兼治，全面提升数据的全面性、完整性、准确性、及时性、一致性，降低数据管理成本，提升数据质量，减少因数据不可靠导致的决策偏差和损失（见图1）。

数据质量闭环治理机制

3.建立智能化数据治理平台，提供全流程一站式数据服务借助大数据和AI技术，以元数据管理为基础，提升数据质量为目标，搭建智能化数据治理平台（见图2），有效提升了数据服务质量和能力，支撑了产品创新、服务创新、数字化转型等。