金融大数据治理

访客:22780  发表于:2014-09-12 15:23:30

  王轩:尊敬的各位来宾,大家下午好,我们所有的信息,每天我们被各种摄像头,各种传感器,我们每天做业务的时候,无数系统记录我们业务数据,同时用庞大互联网,移动互联网记录我们的生活。我们生活在一个可以量化的时代所有的一切都被数据量化。在这样一个时代里数据已经变成了一切核心的要素,原来我们更多看系统流程,到现在大家开始思考怎么以数据为中心,在我们金融行业我们会以数据为中心,怎么样更精准的找我们的客户,更快速的发现业务的风险。更加直接的知道每一个业务流程到底哪一方出了问题。
      在这样一个时代,我们其实需要的是新一代的数据平台,在这里头我们可能需要这种海量数据的挖掘分析能力,基于这种实时数据处理能力,传感数据,等等信息的多元数据集成能力。但是我们要想一个问题,海量的数据一定带来海量的噪声,数据质量的问题原来存在,现在可能会更突出。那么数据治理,大数据治理一定会是未来的核心问题。因为只有正确的数据才可能带来真正的价值。
      其实我们的监管机构很早以前就认识到数据治理的重要性,人民银行09年开始启动金融标准化的,出台了一系列的标准,银监会从09年到2011年,我听到了数据就是检查了7个银行金融统计的数据。在其中发现了五千多亿资金差错,数据质量问题很突出。2011年银监会启动了数据质量管理良好标准的这样一个检查,在这儿它的总体框架,包括组织结构,制度建设,保障,制度等等一系列标准。
      其实很多,在金融行业,信息化水平还是比较高,在这儿大家都做过这种数据标准,也做了很多数据质量相关的事情。但是我们往往发现一个问题,所有标准最后变成一本书,然后这本书好几年也不变,到底什么系统,用了这本书的内容大家也不知道,怎么落地不清楚。通过我们的经验我们现在真正要做的大数据时代,可落地的这种数据治理。在这儿有四个方面,分为两个纬度:第一纬度是管理纬度,做任何事情需要一个良好的组织架构,有了组织架构以后,还需要有完整制度做支撑,在技术上,流程和制度不能简单在纸面上,需要信息化平台做支撑,同时有了平台,怎么样把平台用到实处。
      先看组织结构方面,在组织结构方面,我们推荐这种,有高层领导办公会的形式,成立这种数据治理小组,在这儿我们为什么成立这样小组,更重要落地的时候需要业部门支撑,要想落地必须和业务联系在一起。
      我们给客户做的流程,应该是落地的流程,质量检查的流程,大家看非常复杂,但是这些复杂的流程都会在平台中体现,同时还有原数据,整个采集数据梳理的流程。最后看到这个平台方面,会有流程的部分,有原数据,数据质量,落地部分。最后需要这种成熟的实施方法,有很多人问我,你们这个平台有了不就好了吗,其实还差很远,这是我们梳理的,数据质量检测到底应该怎么做,每一个点都是一次实施,都是和系统做交互的过程,需要去做良好判断,有实施方法,实施标准落地也好,原数据梳理也好,都需要非常成熟的实施方法,才可能达到我们的方法。
      讲了这么多,相关理论也好,方法也好,其实我们更想分享的是,我们在做什么,别人做什么。
      第一个分享某一个大型的,政策型的银行,大家也都清楚,在这儿我们从09年开始,当然先于人民银行标准,开始了治理工作,在这儿成立一整套管控组织,它的制度流程,以及相应的技术平台。我们看我们是怎么做的。
      首先整个思路其实是建立了一个流程,两个纬度,管理流程,技术纬度,两个纬度整体框架体系。在这儿管理纬度中包括数据标准,质量,相关一些流程,一些管理制度,技术纬度更多是平台怎么样帮助实现。大家可以看一下整个组织架构的组成,在这儿其实这个组织架构是我们能做成这件事的关键环节,我们成立了一个数据标准化的工作小组,这个工作小组直接向行里高层办公会汇报,然后副行长是这个领导小组的工作小组的成员,同时小组中,总行的所有业务部门都是小组的成员,下设一个办公机构数据标准处,推进整个数据治理,落地过程中,建立标准过程中,多方参与,所以整个阻力会比较小。
      大家可以看到这是我们建立的一整套管理办法,管理流程,技术规范,这些东西并不是简单在纸面上,所有管理办法,所有技术都会在我们最后平台上体现,以系统化手段管理数据。大家在做这个数据质量,经常碰到这样的问题,业务部门不配合,怎么把这件事儿当回事,我们采用考核方式,对全行,各业务部门做数据质量考核,每一项5分,总分100分,一个明细的考核内容。它包括客户的类型怎么样,有效客户怎么样,一系列的条件,然后所有的东西,并不是用规章制度来做的,所有的这些东西都会用系统化的方式来做。我们用配置化方法,能够启动一系列考核,最后做检查,检查出来的一个考核不合规的项目,就会进入考核内容。业务部门对数据质量问题很重视,我们也取得了非常好的成果。
      第一个整个客户号的问题,出现了一个客户多个客户号,或者是根本关联不起来的问题,通过我们的治理以后,我们建立了一整套客户标准,所有增量客户号统一生成,中小企业客户号都是由CRM系统统一生成,完成了整个客户信息。
      信贷方面,原来贷款类别不同的,每个地方有每个类别,含义也是模糊的,通过我们的梳理我们清洗了全行所有合同类信息,再贷前,贷后,核算系统中建立了相关的,实现了信贷信息全流程的控制,对产品信息有非常好的作用。
      再看一看我们给大型的城市商业银行,大家看这张,总体结构图,大家注意中间部分,跟上一张有一个显著的不同,需求管理,为什么有需求管理,数据标准问题主要是数据标准怎么落地,我们也做数据标准的咨询,数据标准真正能让信息系统使用起来,这个比较复杂,需求管理这一块,我们会从需求入手,从每一次需求变更都跟数标相对应,对应不了的也要做记录。具体怎么做,在这儿分两条线,第一条线管理信息类系统,一系列基础数标,我们做的不同的地方在哪儿,技术数标,建一个数据模型的时候,它需要选择相应的数标,由于数据标准,有要求,我们就会自动产生一个检查的需求。同时整个的信息系统,管理信息类模型,不能这样纯手工创建,由原数据系统,自动生成模型,整个新建系统起来了,管理分析。管理决策类分析类系统里面,更重要是报表需求,分析类的,都会自动化的通过口径选择,通过指标选择,在这儿报表中的内容也有原数据采集,同时问题也会自动生成质量检查的报告。当然可能还会有一个问题,数标也是变化的,如果数标半年不更新一次其实没有任何意义的,所有的非数标内的东西,都需要创建新的信息项,先让系统运用,这些非标的能否纳入,数标是活的,不停的动,不停的新增,不停的修改。
      有了上面这些体系,我们很容易做成一件事情,报表中的指标,我们能很容易分析出来,这个指标在哪个指标体系,跟哪些表相关,跟哪些系统相关,能够实现指标全流程的追溯。
      大家再看这是我们给一个大型的资产公司做的整个数据治理。在这儿有一个显著的问题,信息系统只有28个,但是数据很混乱,分析类系统得出的结论很难正确,在这样的情况下,我们做数据有一种不同的思路,首先我们做的原数据管理不是为了抓住原数据,而是通过原数据管理,把整个数据脉络梳理清楚,数据标准的建设。
      在这儿一开始做这个时候信息部牵头的,但是做了一段时间以后我们发现一个问题,业务以后能不能落地,这个事儿很难实现的,改变了组织架构,还是由公司建立了信息化建设领导小组,技术组和业务组,业务工作组中集团所有的业务部门都参与进来。通过这种方式,我们梳理了全部业务系统的内容,公司软件,以及系统模型,我们已经通过系统模型很辛苦,从这个业务系统中梳理文档中的信息项,从信息模型中梳理数据模型,形成了数据标准,也按照我之前讲的落地内容,现在实现了很好的落地,取得了非常好的效果。
      以上这些案例都是用我们普元软件大数据治理平台完成的,这里我们也是按照这种模式来做,我们会有整体流程部分,也会有原数据,数据质量,数据标准的内容。同时又一个显著的特点,我们并不是把每一个割裂开,在每一块之间有非常强的关联。比如说刚才说地方性商业银行里面说到数据标准,直接生成质量,都会在我们平台里做体现,包括前面复杂流程,复杂考核内容,快速实现。
      最后大家看这张图,我们整个数据平台,应该分为几个部分,我们需要数据治理的能力,我们需要传统数据平台能力,也实时大数据的能力,有数据的可视化,这些部分普元软件大数据平台,有这种非实时数据整合相关的产品,也有实时数据整合的产品,还有数据治理一系列产品。数据发布,怎么把数据使用,怎么能让实时,非实时数据共享出来,最后给大家数据可视化,数据分析总体的一个界面,希望我们普元产品能够帮助大家在大数据时代,获得真正的价值,谢谢大家。

评论(0)

您可以在评论框内@您的好友一起参与讨论!

<--script type="text/javascript">BAIDU_CLB_fillSlot("927898");