IBM：箭在弦上步步為營：強監管、強合規下的金融機構數據治理應對方略(12頁).pdf

《IBM：箭在弦上步步為營：強監管、強合規下的金融機構數據治理應對方略(12頁).pdf》由會員分享，可在線閱讀，更多相關《IBM：箭在弦上步步為營：強監管、強合規下的金融機構數據治理應對方略(12頁).pdf（12頁珍藏版）》請在三個皮匠報告上搜索。

1、IBM 商業價值研究院 專家洞察 箭在弦上 步步為營 強監管、強合規下的金融 機構數據治理應對方略 掃碼關注 IBM 商業價值研究院 官網 微博 微信 微信小程序 主題專家 吳大維 IBM GBS CBDS團隊 副合伙人 張玉明 IBM GBS CBDS團隊 首席數據架構師 周茜 IBM GBS CBDS團隊 數據治理高級顧問 韓玲玲 IBM GBS CBDS團隊 數據治理資深顧問 陳曉熹 IBM GBS CAI團隊 數據治理高級顧問 王莉 IBM 商業價值研究院 高級咨詢經理 談話要點 監管單位對數據治理提出新要求 銀保監會明確提出數據質量專項治理要求， 不斷加強對金融機構的業務開展合規問題

2、的 監管以及對銀行各類業務風險問題的監控。 專項數據治理應當聚焦3W1H 專項數據治理工作的開展需要關注在什么時 點、 由哪些人、 做哪些動作、 交付什么成果物。 數據治理不是項目，而是旅程 數據質量提升不是一蹴而就的。金融機構需 要構建常態化的工作機制，開展組織保障制 度、質量規則設計、問責通報等一系列舉措。 雖然監管體制在2017年、2018年進行了改革，但是依靠現有 的人力與監管模式很顯然難以應對如此繁重的監管任務。傳統的 監管模式主要依靠監管報表與監管指標以及監管當局現場檢查， 不論是監管的細度、還是監管的覆蓋面以及穿透性都難以滿足。 此外，從監管的經驗看，監管往往滯后于金融創新，且往

3、往只能 進行金融風險事后監管。金融行業發展速度快，主體多、跨市場 風險傳染性高，監管人力資源極其有限。因而監管當局亟需以科 技改善金融監管，利用大數據、人工智能技術監控與防范金融風 險，提高監管的主動性和權威性。 站在商業銀行視角， 銀行經營的無非兩類資產， 一類是 “資金流” ， 一類是“數據流”。資金流最后又體現為數據流。大部分商業銀 行都已經意識到數據是戰略資源，數據是生產要素，并且逐步加 大在數據治理和數據應用方面的投入。各類數據基礎設施逐步成 熟，具備數據管理經驗和能力的人才隊伍逐漸壯大。無形中這也 為監管當局開展以數據為核心的穿透式監管提供了必要的條件。 EAST數據覆蓋面廣、數據

4、之間關聯性好、數據粒度細、穿透性 強，透過EAST可以全面分析銀行各類業務，精準定位銀行業務 違規問題，評估銀行各類風險，在銀保監對銀行“市場準入、非 現場檢查、現場檢查”三駕馬車都發揮重要作用。對于銀行而言， EAST為銀行合規管理提供了監管視角的思路，EAST大量的數 據也是銀行重要的數據資產，甚至有些銀行基于EAST數據規范 來制定本行的數據標準規范，用于指導應用系統的開發建設，所 以銀行完全可以利用EAST開展合規管理和數據治理提升工作。 監管單位已經“亮劍”，但是商業銀行并未完全做好準備。不少 商業銀行負責監管報送的人員，在接到通知這項任務時，不 禁會發問： 監管數據質量專項治理做什

5、么，對監管數據質量規范、口徑和 要求理解透徹了么？ 監管數據質量專項治理應該如何開展，選擇哪些專題，這些專 題間有何聯系？ 專項治理之后銀行的數據質量會有多大程度的改良， 能解決 “表 哥”“表姐”們的困擾嗎？ 這一年專項治理工作結束后，應該建立什么樣的常態化的機制 來保障銀行數據質量的持續提升？ 對于上述幾個困惑，IBM希望能夠帶您撥云見日，步步為營。 1 道高一丈 從1104報表到EAST報送，從監管統計報表到基礎數據報送， 銀行的 “表哥” “表姐” 們持續與Excel相愛相殺， 標準不明確、 口徑不統一、數據找不到、問責壓力大，數據不完整、不準確， 報送不及時等的數據質量問題讓多少銀行

6、人焦頭爛額。 2020年5月20日，銀保監會下發了關于開展監管數據質 量專項治理工作的通知（以下簡稱通知），1明確銀行 業機構需要就1104、EAST和客戶風險報送的數據開展數據 質量的專項治理。 事實上這已經成為近年來監管單位的常規動作了，隨著金融市 場亂象問題的層出不窮，監管當局不斷加強對金融機構的業務 開展合規問題的監管以及對銀行各類業務風險問題的監控。不 僅僅是1104報表、EAST報送，還包括反洗錢、反欺詐、關 聯交易等，都已成為監管單位的重點核查對象。 正所謂“魔高一尺，道高一丈”， 當下的金融風險呈現著各類 業務交叉性強、隱蔽性高、傳染性廣的特點，監管當局在數據 治理上的鐵拳動作

7、體現了其“強監管、強合規”，“深化整治 銀行市場亂象”的決心。 規圓矩方，準繩嘉量 我們先來看看監管的思路和重點，以及企業所面臨的挑戰。 監管動態 2018年5月21日，銀保監會下發銀行業金融機構數據 治理指引（以下簡稱“指引”），2其中，對于監管數 據，明確要求銀行業金融機構應當將監管數據納入數據治理， 建立工作機制和流程，確保監管數據報送工作有效組織開展， 監管數據質量持續提升，法定代表人或主要負責人對監管數 據質量承擔最終責任。 2020年5月20日，銀保監會又下發了關于開展監管數據 質量專項治理工作的通知，通知中明確給出數據質量專項治 理的工作方案，同時對數據范圍和數據質量提出了更高要

8、求。 從2018年5.21指引推出到2020年5.20通知的 發布， EAST報送已進入了4.0時代，共包括十個監管主題 域、66張報表、1852個數據項和新增了897條監控規則， 可以看出監管對報送的數據范圍進一步擴大，要求進一步精 細化， 也意味著監管數據體系逐步邁向成熟， 正在往更標準化、 效率化的方向發展（見圖1）。 監管不斷發出對于數據治理強監管的信號， 且相關規范更明確、 更落地，甚至更嚴厲。2020年5月初就EAST開具罰單，涉 及8家銀行，共計1770萬元。4 數據報送不滿足監管要求被 監管開具罰單并不少見， 而此次EAST的罰款， 恰恰是在 通知 發布之前，這一次的信號更像一

9、次警鐘：數據不治理，那金融 機構就會被監管治理。這也更符合指引的要求，數據治理 納入公司治理，并與監管評級掛鉤。 監管思路解讀 我們認為，可以從以下三個方面來解讀本次監管的思路： 監管脈絡：指引是宏觀的，從組織、機制、流程等方面對 數據治理提出的要求，例如，第四章用整個章節來明確數據質 量控制機制，包含了源頭、監控、整改等，而通知是微觀的， 以數據為抓手，問題為導向，追根溯源。因此二者結合，管理 上強化，數據上控制，有針對性的逐步提高改善，使得數據質 量的提升呈現常態化、長效化趨勢； 監管重點：覆蓋報告報表和源頭數據， 覆蓋指標數據和基礎數據， 多監管視角對數據質量提出更高要求。從發文要求來看

10、，重點 排查核心監管指標，那對于核心監管指標與 1104 報表中指標 的關聯，核心監管指標拆解后的基礎數據與 EAST 數據的關聯， 核心監管指標與客戶風險報送數據的關聯，這些也許都會作為 數據真實性、準確性檢查的重點。 從處罰情況來看，銀保監會此次開出的罰單，均與監管標準化 數據報送質量有關，處罰事由主要包括分戶賬信息、關鍵且應 報字段信息、資金交易信息漏報錯報等問題，一方面體現出監 管對信息報送的重視度，另一方面也反映出銀行對信息申報的 重視程度有待提高。 基于本次監管處罰情況，分析出以下四個方面的重點問題： 第一，分賬戶明細數據漏報很嚴重。有 8 家銀行存在“分戶賬 明細數據記錄應報未報

11、”的問題，7 家銀行存在“分戶賬賬戶 數據應報未報”的問題，均收到監管公開行政處罰。 第二，關鍵且應報字段漏報錯報較為突出。關鍵字段的缺失、 錯誤會直接或間接反映出金融機構的數據質量問題。 第三，資金交易、貿易融資交易、信貸資產轉讓和貸款核銷業 務也存在漏報錯報情況。而“理財業務”作為新增報送的數據 報表，4 家銀行機構因“理財產品數量信息漏報”被監管處罰。 第四，信貸業務數據質量尤為不高。信貸業務是業務活動重中 之重，也是監管關注的風險重點。 監管手段：自查自評和監管現場檢查相結合，指引中已經 明確要求每年銀行業金融機構要開展數據治理的自評估，而此 次有針對性的數據質量檢查，數據范圍、機構范

12、圍覆蓋之廣還 是首次，對于發現問題的整改具體到時間，落實到人，管理形 成閉環，對于銀行保險機構來說，是一次巨大的挑戰。 圖 1 近兩年數據治理方面的監管動態 2 2018 5 月 2019 1 月 2019 10 月 2019 12 月 2020 5 月 2020 5 月 銀行業金融機 構數據治理指引 銀保監會安徽鳳陽 農商行被罰 25 萬 中國銀保監會銀行業金融 機構監管數據標準化規范 （2019 版）(EAST 4.0) 中國銀保監會現場 檢查辦法（試行）3 中國銀保監會辦公廳關于 開展監管數據質量專項數據 治理工作的通知 銀保監會就 EAST 開具罰單， 8 家銀行共計罰 1770 萬元

13、 企業面臨的挑戰 面對監管提出的新要求，企業面臨一系列的挑戰。 數據治理落地困難：根據指引要求，各家商業銀行均需建 立完備的數據治理體系框架，但在落地執行過程中仍存在不 足，包括數據標準內容更新不及時；數據質量問題處理機制未 形成閉環，效率低；主數據及數據生命周期管理有待加強等問 題； 系統豎井、數據割裂：受限于法規、監管要求及企業的管理 現狀，不同業務部門間的數據并未完全連通，尤其在取數、 用數過程中存在壁壘。同時，企業級架構不規范、不成熟導 致信息系統建設存在一定程度的割裂，系統豎井現象突出， 數據關聯關系構建和還原需要耗費大量手工工作； 職責不清、 意識不足：業務部門更多關注于業務的經營

14、和發 展，數據意識不足，對數據管理并不敏感，尤其對監管報送 工作重視程度不足，遇到數據問題時，往往將責任推脫給信 息系統建設部門，并未承擔起數據治理的相應職責； 數據治理人才匱乏：雖然金融機構日益加大對金融科技人才 建設和培養方面的投入，但是數據治理領域專業人才的匱乏 仍是不爭的事實。大部分商業銀行建立了專職的監管報送團 隊，但是人員數量極其有限，承擔了超負荷的工作量，數據 治理又是一項專業性和技術性極強的工作，既要有扎實的銀 行保險實務基礎，也需要有高超的分析問題和解決問題的能 力。專業人才的匱乏也制約了監管數據治理工作的開展。 專項治理，箭在弦上 長期以來，銀行保險機構的業務開展、數據分析

15、等嚴重 依賴IT。但其實很多銀行和保險機構（尤其是地方中小銀 行）的業務和管理粗放、數據散亂、數據質量不高。導 致數據價值無法完全體現，而數據資產管理和數據變現也 大多停留在藍圖規劃階段。 大多數銀行和保險機構近年來在業務快速發展的過程中， 積累了客戶數據、交易數據、外部數據等海量數據。數據 質量的主要問題大多體現在數據準確性、完整性的欠缺， 數據時效性、適應性的不足，進而導致監管報送不準確、不 規范等結果。 本次監管數據質量專項治理提出了“提高認識、壓實責任； 突出重點、標本兼治；強化整改、完善機制”的總體要求， 覆蓋所有銀行與保險類金融機構，數據范圍包括監管數據 及相關源頭數據，要求通過為

16、期 1 年的數據治理專項工作 （時間從 2020 年 5 月開始到 2021 年 5 月底結束），以 監管數據質量問題為導向，通過銀行保險機構開展專項自 查自評和監管檢查評估雙向驅動，切實提升監管報送數據 和相關源頭數據的質量，以優質的數據信息服務于監管工 作，并促進銀行業保險業高質量發展。具體內容如下： 總體工作要求 監管數據質量專項治理的總體工作要求包括以下三個方面： 圖 2 數據治理工作進度安排 3 成立數據質量治理小組， 制定本機構監管數據質量專項 治理工作方案 在機構內部展開宣傳動員 提交報告 會管：6月15號之前報送 領導小組和工作方案銀保 監會統信部局管：按照屬地 要求屬地機構統

17、信處室 根據評估模板， 組織開展自查 自評 完善數據質量 工作機制 提交報告 監管數據 質量專項治 理工作開展 情況報告和 自評估報告 總結專項治理工作，對 監管數據質量及其治理 情況進行內部考評 01 2020年5月 工作啟動 02 2020.6-8 自查自評階段 05 2021年5月 總結交流階段 03 2020 年 9 月- 12 月 監管檢查評估 04 2021 年 1 月 - 4 月 問題整改階段 形成整改臺賬， 明確責任部門 和整改時限， 組織整改 配合開展現場檢查、 督查和評估工作 提交報告 監管數據質 量專項治理工 作整改報告 提高認識，壓實責任：監管數據治理是一項基礎性、系統

18、性 工作，銀行保險機構應充分認識提升監管數據質量的重要意 義，把數據質量作為有效監管的基礎。銀行保險機構應嚴格 落實監管數據質量的主體責任，確保監管相關數據治理要求 落實到各環節； 突出重點， 標本兼治：應以發現的監管數據質量問題為抓手， 確定重點監督和檢查的機構范圍、數據范圍和時間區間。同 時注重追根溯源， 強化相關源頭數據質量治理， 夯實管理基礎， 補齊組織、制度、機制、系統等方面的工作短板； 強化整改，完善機制：應針對自查自評和監管檢查評估中發 現的問題和薄弱環節，明確整改分工和時間表，確保問題整 改按計劃和要求落實到位，建立全面提升監管數據質量的長 效工作機制。各銀保監局要督促切實落實

19、整改措施，強化監 管問責，進一步加強數據質量監管機制建設。 專項治理范圍 監管數據質量專項治理范圍包括機構范圍和數據范圍，通知 中要求覆蓋所有銀行和保險機構，包括大型銀行、股份制銀 行、保險集團、保險公司等；數據范圍包括監管數據及相關 源頭數據，其中，監管數據包括：非現場監管（1104）、 客戶風險、監管數據標準化（EAST）、保險統計信息等。 工作進度安排 根據銀保監會的通知要求，1，5對于銀行保險機構來說，有 以下幾個關鍵時間點（見圖2）： 2020年5月：成立數據質量治理領導小組，制定監管數 據質量專項治理工作方案； 2020年6-8月：開展自查自評， 完成數據質量工作機制； 2020年

20、9-12月：銀保監進行數據質量現場檢查、督查 和評估工作； 2021年1-4月：形成整改臺賬，落實責任制，上報整 改報告； 2021 年5月 ： 對監管數據質量專項治理情況進行內部考評。 結合銀保監本次監管要求來看，對監管數據顆粒度越來越細， 覆蓋范圍越來越廣，基本覆蓋銀行保險各類業務和各個業務 系統，從監管角度出發，監管合規數據報送質量很大程度上 會有所改觀，而對于銀行保險機構而言，借監管東風、將監 管報送數據作為切入點，可以有效的推進整體的數據治理工 作，促進數據質量的提升。 數據治理，全面提升數據質量 某省級農商銀行自成立以來，積累了大量客戶數據和交易數 據。 由于未進行系統化的數據治理

21、， 導致經營分析數據不準確， 對客戶 360 視圖分析、客戶精準營銷難以有效進行，并且在 EAST 和反洗錢等報送中時常發現數據問題，如數據填報不準 確、獲取不到數據等。該銀行與 IBM 合作，全面啟動數據治 理工作，重點從日常和專項兩個方面提升數據質量。 該項目圍繞 IBM“八橫四縱”數據治理方法論，從數據治理 的組織、流程、制度及技術支撐構建入手，搭建數據質量的事 前防范、事中監控、事后改善管理保障體系?；谕獠勘O管要 求和內部用數需求，收集并梳理全行各類數據問題，開展對數 據問題的探查、 分析和提升方案制定。 針對問題暴露較多的 “客 戶”信息，開展了客戶識別要素的專項治理，分別從存量數

22、據 和增量數據兩大范圍，抽取不同時間段 2 個核心業務系統、 10 余張表展開數據根因分析，按不同的維度分析出無效客戶 數量、有效客戶數量、實際客戶數量等，并提出相應的問題解 決方案，實現了客戶主題數據質量的有效提升。 通過對全行客戶數據進行全面的質量摸底，對近 20 年來積累 的客戶信息從三要素到十五要素進行探查和分析，識別出大 量無效的、重復的、錯誤的客戶數據。該項目還在業務制度 建立、批量數據清洗、增加系統校驗、線下人工走訪等領域， 開展了有針對性的解決方案落地實施，并同步推動業務流程 規范化和系統功能優化，為客戶信息經營分析、精準營銷和 監管報送數據的準確性打下了良好基礎。 4 7.日

23、常 運行 多方參與，場景結合 某政策性銀行2009年行內遵循“數據治理，標準先行” 的IT發展戰略， 全面啟動了數據標準體系的規劃設計工作， 并同步支持企業級數據倉庫的建設。隨著數據標準發布及 數據倉庫、統一報表和高管駕駛艙等系統的上線，該行建 設覆蓋統計報送、經營分析的數據應用體系初見成效。但 由于工作重心側重于IT建設，也同時面臨一部分數據管 理滯后的問題，基于相關管理提升訴求，該行于2013年 啟動了常態化的數據治理項目。 在與IBM的長期深入合作中，該銀行完成數據管控與應 用的專項規劃，完善數據治理的管理制度、建立數據質量 考核和問題通報機制，全面設計數據質量檢核規則，進行 關鍵領域的

24、重點數據質量提升，開展常態化的數據質量考 核，提升了全行的數據質量和數據治理水平。 通過多期項目執行中關鍵問題的解決，總結出以下兩方面 經驗，對有效開展數據治理工作具有重要意義： 數據治理工作的開展需要多方的參與，特別是業務管理 部門的參與， 不但包括組織上的人員參與， 還包括認責、 業務指導方面的工作參與。業務管理部門作為業務的權 威解釋方，應對數據標準和數據質量規范進行定義，作 為數據管理的依據。在復雜的數據質量問題處理中，業 務部門還應承擔起問題根因分析的職責，參與到解決方 案的制定過程中； 數據治理規則的梳理應與數據的應用場景和問題發現情 況結合起來。孤立地從系統視角梳理數據質量規則往

25、往 產出較多，但存在數據質量規則與業務需求、監管要求 存在差異等問題。數據質量的需求采集工作應由業務驅 動或問題驅動，以保證每個正式執行的數據質量檢核規 則都具備充分的業務價值。 分解落實，足履實地 針對此次數據治理監管要求，我們建議銀行和保險機構可以將 動作拆解開來，分步實施，并且做好閉環管理。 動作分解 此次為期一年的監管數據質量專項治理工作，從銀保監會的發 文來看，明確且有針對性，對于銀行保險業金融機構來說，相 關工作可以拆解為五個階段，提交一個方案、兩個報告。對于 此項工作，IBM 建議在實操中應注意以下三方面： 宣傳動員：一個為期一年數據質量提升治理項目，覆蓋從監管 數據到源頭數據，

26、機構范圍不僅有總行層面，分支機構還需要 滿足屬地銀監局的要求，因此一個從全行層面展開的宣傳動員 非常有必要，無論是一線的數據錄入部門還是二線的管理部門， “數據質量，人人有責”的數據文化應該被宣揚； 責任分工：監管數據本質上覆蓋銀行的所有數據，所以對于監 管數據的專項治理，并不是某個歸口部門或者幾個報表部門就 能獨立完成的，一個良好的責任分工，才能保障這項工作的有 序展開。尤其此次強調源頭數據，數據的錄入部門、定義部門、 系統的開發部門、報表的管理部門等都應該參與且承擔相應的 責任； 機制優化：整個監管數據質量管理自查自評和總結的過程，其 實也是對整個機構數據質量管理的一次大摸底。制度上的不

27、足、流程中的缺陷、職責的模糊不清等一系列管理上的問題 都會通過數據問題暴露出來，相關機制的改善也會更有針對性 和落地性。在更規范和更水土相符的制度體系下，整個數據 治理的工作才會更有效果。 5 圖 3 專項治理和常態治理的閉環管理 1 需求定義 階段 2 明確治理 范圍 3 數據探查 檢測 4 原因分析 方案執行 5 評估與 監控 7 日常運行 6 持續改進 常態治理 專項治理 長效機制 構建 閉環管理 此次銀保監會的專項治理，其實就是一次從監管層面 引導銀行業和保險機構建立數據質量閉環管理的過 程，這與 IBM 對于數據質量閉環管理的思路不謀而 合（見圖 3）。 IBM 始終強調，數據治理是

28、“旅程”而不是“項目”， 不可期望一蹴而就，因此需要構建“長效機制”，具 體工作體現在兩個層面： 第一，是針對關鍵數據項（首批用例或者治理服務化 需求）的專項治理過程； 第二，是專項治理過程轉化為日常工作，并且進行持 續改進的常態治理過程。 此次監管就是一個針對“監管數據”的專項治理。而 隨著數據的不斷產生，“監管數據”的專項治理也需 常態化。而對于其他的業務領域，按照機構的內部管 理要求，也可以展開專項治理，確保從方案的制定到 最終問題的整改到常態化的運轉形成閉環。 6 精耕細作，步步為營 監管數據質量治理是銀行保險機構數據治理的重要組成部分， 是一項基礎性、系統性的工作，因此只有精耕細作，

29、才能步步 為營。我們將整個數據質量提升的方法歸納為“4321”，涵 蓋機制、方案、規則和整改，具體如下： 四大保障機制 四大保障機制助力數據治理工作的有效開展： 制度流程：銀行業金融機構數據治理指引第十九條明確， 銀行業金融機構應當制定與監管數據相關的監管統計制度和業 務制度，及時發布并定期評價和更新;從制度層面明確各方職 責、報送流程環節及系統支持等，固化報送工作機制，確保有 章法可循； 數據認責：建立數據認責機制，落實數據的責任部門，才能保 證數據報送時能找到管理部門，問題發生時能找到主管部門， 問題追責時能定位責任部門，降低溝通成本，提高管理效率； 圖 4 事前、事中、事后的數據質量提升

30、方案 -數據產生之前數據質量所需 要做的工作； -通過數據模型、數據標準等 手段提升數據質量管理事前 預防工作； -側重面向未來的數據，防患 于未然。 通過業務流程優化、 源系統改造等方式保證未來 數據質量。 -數據產生時對數據所進行 的監控； -側重面向當前的數據，根據 數據質量檢查規則，對數據 質量進行持續的、周期性的 監測。 -針對數據產生之后開展的數 據質量相關工作； -側重面向歷史的數據，按業 務系統或者主題分批對數據 進行剖析、清洗，提高既有 數據的質量。 未來數據當前數據歷史數據 數據質量主動保障數據質量持續監控數據質量清理提升 事前預防事中監控事后改善 質量考核：將數據質量管理

31、納入整體的考核中，通過建立 獎懲分明的考核機制，提高相關部門的思想意識，提升數 據質量水平； 通報強化：通報可作為一個強化意識的手段，也可以作為 信息溝通渠道，通過定期或者定向的通報，對頻發問題進 行總結分析，對數據質量進行宣貫，對治理工作進行總結， 嚴肅管控的效力。 三大管控方案 數據治理的管控，要從事前、事中、事后三個方面做好工 作（見圖4）： 事前：側重面向未來的數據，通過流程規范、源系統改善 起到防患于未然； 事中：側重面向當前的數據，對數據質量進行持續的、周 期性的監測； 事后：側重面向歷史數據,以數據質量問題解決與經驗總結 為主。 兩種質量檢核規則的設計 數據質量檢核規則包含兩種：

32、 “自頂而下”和“自底而上”的規則梳理：自頂而下即結 合業務流程識別數據質量需求，自底而上即結合應用和數據的 設計發現數據質量需求； 以問題導向開展專項治理：包括 1104，EAST4.0、客戶風險 報送等的專項治理， 以及監管通報中發現的問題， 完成根因分析， 設計檢核規則。 一條根因分析路徑 對于數據質量的根因分析，經過不斷實踐和總結，我們發現， 根因分析其實就是一個以“業務規則、系統開發、人員操作和 歷史數據”為基礎進行分析的過程（見圖 5）。舉個例子： 問題描述：北京銀監局反饋某銀行 EAST 報送存在數據 質量問題， 其中之一是 “交易流水：銀行機構代碼存在空值” ； 問題分析：由于

33、本次北京銀監局要求報送時間提前，EAST 加工數據時，未采用自動化調度方式，而采用手工并行處理 的形式。 在機構信息未加工的情況下， 先加工了交易流水信息， 導致交易流水信息中信用卡數據的銀行機構代碼為空。根本 原因是在 EAST 數據報送前，系統未進行數據完整性校驗； 改進措施：調整系統加工流程，信用卡數據應當加載至數據 倉庫進行統一加工，保障前后加工邏輯的銜接。同時，改造 EAST報送系統，增加數據質量監測與控制邏輯。 7 圖 5 數據質量問題根因分析路徑 問題發現問題分類根因分析整改執行考核評估 從營到贏 對于大多數金融機構來說，最大的痛點不在于不知道如何提升 數據質量，而是知道要提升數

34、據質量，但卻不知道如何落地推 動，“道理我都懂，但就是做不到”。我們認為： 首先，數據質量的提升是一個博弈的結果。正如做投資存在 高風險高收益，數據質量的提升也要高投入高質量。這個投 入包含了人、 時間、 錢。 對的方法加上足夠的投入會換來高的質 量，但是也有可能會造成的人員負擔過重、工作流程變長， 成本投入過高，因此選擇一個對的平衡點非常重要； 其次，數據質量的提升是一個動態的過程。由于數據是源源 不斷產生的，它的提升絕不是一個專項治理能解決的。數據 產生的渠道多，應用的場景多，數據質量的提升過程，就是 用萬變不離其宗的“4321”的方法，解決我們遇到的 1234 的問題； 最后，數據質量提

35、升的最終目的其實很明確，數據要真實、準 確、完整、連續和及時等。而這個目標的達成應該是博弈的結 果和動態過程相結合的產物。博弈的過程可能需要跨部門的溝 通確認，動態的過程是指數據每天都在增量的變化。所以解決 方案可能是一個或多個（或一步到位、或循序漸進）得到了利 益相關者一致認同的可落地的方案。 在這個過程中，我們要做的是分析所有的可能性，給決策者確 定平衡點，做好事前分析，給方案的落地定好前提。IBM 會協 助客戶做一個決策矩陣。決策因素包含：合規風險、溝通成 本、時間成本、費用成本等。通過決策矩陣，平衡各方利益， 確保實現從步步為“營”到步步為“贏”。 舉個例子：系統數據不完整，我們都知道

36、需要數據補錄。但是 如果我們發現某個數據的補錄需要完成從管理流程到系統流程 的變更，需要相關部門或者分支機構相關人員完成某個時間段 或者全部時間數據的補錄，那這個數據質量提升就絕不僅僅是 數據補錄這么簡單，而是要明確誰來錄入，什么時間錄入，于 是形成了一個決策矩陣（見圖 6）。因此，只有當方案的風 險、成本、效果都明確了，方案才是可落地、可推動的。 撥云見日，未來可期 數據質量管理是金融機構數據治理的重要組成部分，數據 質量水平也是金融機構數據治理水平最直觀的表現。有效 的數據質量控制能夠在滿足各類監管要求的同時，為金融 機構的精細化管理、經營分析決策提供有力支撐。 面對繁雜多樣的數據質量問題

37、，各金融機構陸續開展數據 質量治理工作。在完善數據治理保障機制的建設，保證數 據質量持續提升的同時，開展問題導向的專項治理，如個 人客戶信息專項、對公客戶信息專項、EAST專項、反洗錢 專項、新資本專項、客戶風險專項等，定向發現、解決具 體工作中的關鍵癥結。 例如，IBM曾經協助某股份制商業銀行開展個人客戶信 息和EAST數據質量專項治理。個人客戶信息部分共檢 核數據近4億條，其中發現問題數據約20萬條，問題率 約0.05%，經過3個月的整改、跟蹤，問題率下降至約 0.015%。EAST部分，經過6個月的整改、跟蹤，補充檢 核規則百余條，檢核發現差錯數據量從約3000萬條下降 到約50萬條。

38、基于整體長效機制建設與專項治理的結合，并配合相關系 統的建設，IBM能夠幫助金融機構實現數據質量的循序漸 進、持續優化： 全面提升差錯數據整改情況 明確業務邏輯、 取數規則， 保證報送過程關聯數據的一致性； 統籌不同業務維度、口徑間的平衡和映射；修正、清洗差 錯數據，從源頭保證數據質量。 方案合規風險溝通成本時間成本 一次性全部補錄低高低 一次性補錄有交易余額的數據中高中 補錄2020年新增的數據，2020年前逐月補前一年 的（比如，2020.9月補2019年全年新增，10月 補2018年全年新增，以此類推） 中中高 只補錄監管提示周期的數據高低低 8 圖6 決策矩陣示例 解決數據缺失或空值問

39、題 開展業務與科技兼顧的問題分析，補充數據鏈路和規 則，推動相應系統建設的開展；補錄空值數據，把控 錄入環節。 大幅降低手工填報比重 評估報送工作的情況，補充取數規則、校驗規則，以支 持自動化取數， 降低報送過程中各環節的人工參與程度。 豐富檢核規則的部署 全面分析數據標準和監管報送的關鍵數據項、梳理業務 流程、歸納報送發現和用數反饋問題，形成覆蓋各類報 送、各主題數據的質量檢核規則庫和檢核策略，保證數 據質量問題的及時發現。 9 結語 本次監管數據質量專項治理體現了監管當局以雷霆之勢治理金融 機構亂象的決心，它絕不是“一陣風”運動，必然成為常態化措 施和要求。 商業銀行及保險機構應當借助這次

40、專項活動，以監管數據治理作 為推動企業級數據治理體系構建的契機。監管數據的數據質量 是監管當局直接評判金融機構數據治理工作成效的依據。對于 金融機構數據治理工作而言，整體數據治理工作需要全面推 進，絕不是監管報送部門一己之力可以完成的，而監管數據質 量未得到提升也會一票否決金融機構數據治理工作。 作為監管科技（RegTech）的重要組成部分，監管數據治理會驅 動金融機構更深入的運用大數據、人工智能等技術手段審查金融 風險，提高反洗錢、反欺詐效率，降低合規成本，這也必然為金 融機構開展智能化監管合規工作提供了新的活力和創新點。 需要思考的重要問題 您在開展監管要求的數據質量專項治理過程中， 貴企

41、業存在哪些挑戰？ 您打算如何開展專項數據質量治理？ 您是否打算聯手經驗豐富的合作伙伴，加速向 前推進？ 備注和參考資料 1 “中國銀保監會辦公廳關于開展監管數據質量專項治理工 作的通知”. 中國銀保監會. 20200520. 2 “銀行業金融機構數據治理指引”. 中國銀行保險監督管 理委員會 . 20180521. view/pages/ItemDetail.html?docId=180049&item Id=915&generaltype=0 3 “中國銀保監會現場檢查辦法（試行）”. 中國銀保監 會. 20191226. pages/ItemDetail.html?docId=862652

42、&itemId=9 16&generaltype=0 4 “中國銀行保險監督管理委員會行政處罰信息公開表”. 中國銀保監會. 20200509. cn/view/pages/ItemList.html?itemPId=923&item Id=4113&itemUrl=ItemListRightList.html&itemNa me=%E9%93%B6%E4%BF%9D%E7%9B%91% E4%BC%9A%E6%9C%BA%E5%85%B3&itemsu bPId=931&itemsubPName=%E8%A1%8C%E6% 94%BF%E5%A4%84%E7%BD%9A 5 “關于監管數據質

43、量專項治理有關報告事項的通知”. 中 國銀保監會. 20200603 了解更多信息 欲獲取 IBM 研究報告的完整目錄，或者訂閱我們的每月新 聞稿，請訪問： 訪問 IBM 商業價值研究院中國網站，免費下載研究報告: 選對合作伙伴，駕馭多變的世界 在 IBM，我們積極與客戶協作，運用業務洞察和先進的研 究方法與技術，幫助他們在瞬息萬變的商業環境中保持獨特 的競爭優勢。 IBM 商業價值研究院 IBM 商業價值研究院 (IBV) 隸屬于 IBM Services，致力于 為全球高級商業主管就公共和私營領域的關鍵問題提供基于 事實的戰略洞察。 Copyright IBM Corporation 20

44、20 IBM Corporation New Orchard Road Armonk, NY 10504 美國出品 2020 年 7 月 IBM、IBM 徽標、 和 Watson 是 International Business Machines Corp. 在世界各地司法轄區的注冊 商標。其他產品和服 務名稱可能是 IBM 或其他公司的商 標 。以 下 Web 站 點 上 的“Copyright and trademark information”部分中包含了 IBM 商標 的最新列表：ibm. com/legal/copytrade.shtml。 本文檔為自最初公布日期起的最新版本， IB

45、M 可隨時對其進 行修改。IBM 并不一定在開展業務的所有國家或地區提供所 有產品或服務。 本文檔內的信息“按現狀”提供，不附有任何種類（無論是 明示還是默示）的保證，包括不附有關于適銷性、適用于某 種特定特定用途的任何保證以及非侵權的任何保證或條件。 IBM 產品根據其提供時所依 據協議條款和條件獲得保證。 本報告的目的僅為提供通用指南。它并不旨在代替詳盡的研 究或專業判斷依據。由于使用本出版物對任何組織或個人所 造成的損失，IBM 概不負責。 本報告中使用的數據可能源自第三方，IBM 并不獨立核實、 驗證或審計此類數據。此類數據使用的結果均為“按現狀” 提供，IBM 不作出任何明示或默示的聲明或保證。 國際商業機器中國有限公司 北京市朝陽區北四環中路 27 號 盤古大觀寫字樓 25 層 郵編：100101