承数据治理实践系列文章的开篇， 数据治理已成为银行精细化管理不可或缺的基础，只有切实落实好数据治理工作，才能提升银行数据质量、实现数据价值升华，真正成为银行应对金融市场挑战的助推力。
数据治理体系框架一般包括数据治理顶层设计、数据管理、数据应用与服务的从上至下指导和从下而上推进的多层次、多维度、多视角方位框架。
图：数据治理框架本期将从数据治理的顶层设计，解读如何规划数据战略、如何搭建数据治理组织架构，确保数据治理体系树立明确的目标与方向、落实职责以保障工作的有效推进。
一、数据战略
《银行业金融机构数据治理指引》 第九条 银行业金融机构董事会应当制定数据战略，审批或授权审批与数据治理相关的重大事项，督促高级管理层提升数据治理有效性，对数据治理承担最终责任。 第十七条 银行业金融机构应当结合自身发展战略、监管要求等，制定数据战略并确保有效执行和修订。 |
对于数据是银行重要资产这一理念，银行的高级管理层基本已经达成共识。《银行业金融机构数据治理指引》中也明确提出了制定数据战略的观点。数据资产如何变现、如何创造收益已成为了银行的共同话题。数据由业务产生，又服务于业务，还能创造新业务。
模式1：现有业务管理数字化
面对海量的数据，银行决策者们已经利用数据辅助商业决策，将数据应用于识别业务问题，并协助提供完整解决方案。通过对客户数据分析可以解决包括客户细分、市场和竞争者、财务管理、人员等问题、提升业务运营效率和收益。通过业务数字化，利用平台工具将数据结构化、智能化、可视化，融合内外部数据、图片与声音、虚拟和现实，以洞见未来。
- 告别纸质、线下等一切非数据化、系统化的业务形式，控制前置提升审批效率，绩效可视化。
- 通过对网点运营、市场营销、费用成本、绩效管理等方面的数据分析，帮助银行识别低效的流程环节，进行资源配置优化，提高运营效率、降低成本。例如对客户、产品、渠道等方面进行智能化地细分，提高营销精准度，通过个性化的服务以个性化、差异化提升服务质量，提前建立授信评价，实现对客户的授信的秒批。
- 通过利用大数据、图像文字识别（OCR）、自然语言识别（NLP）提升银行风险控制的能力。例如在传统信用风险管理中，利用语义识别技术，实现自动客户电话回访。
模式2：创造新的数字化业务
除了基于现有业务管理需求，通过数据赋能，让数据服务于银行业务，帮助银行提高日常运作和管理效率，数据也可以作为战略资产，帮助银行决策，从而决定未来业务方向。银行能拥有什么样的数据、拥有什么样的技术能力来使用数据将决定银行未来能提供什么样的服务。
- 管理层借助高质量的数据进行挖掘、分析，实现以客户为中心的业务转型，对银行未来战略方向进行更准确的前瞻性预测，提升银行竞争力。
- 成立金融服务和科技子公司，开发机器人流程自动化应用（RPA）、金融云服务等产品，进行能力输出，例如兴业数金，平安一账通等；目前RPA已应用于智能客服、信贷管理、开户、对帐、资金流向监控等业务领域。
不同模式的数据战略下，银行需要配置不同结构的资源支持战略的落地实施，如CDO的设置、各部门的职责等。
如何制定战略
数据战略是银行发展战略的重要组成部分，是指导数据治理的最高原则，数据治理各项工作均应在此之下进行设计和执行。
第一步：战略环境的分析和预测
内部微观环境
- 业务部门的现状与未来发展方向
- 理解业务部门的相关政策
- 评估现行系统和数据治理体系结构
- 评估数据治理管理支持业务部门的程度
外部宏观环境
- 社会、经济、政治、文化、技术等各个领域现在或将来可能发生的变化情况
一般来说，通过对内外部环境的分析，主要是为寻求改进业务、消除投资回报较小的业务机会。内部环境的重点评估数据治理管理支持业务部门的程度、数据治理计划是否适合业务部门、数据治理供应的效能与效率。例如，在业务部门各自推进数据应用的管理现状下，应考虑增设数据应用统括管理的机制，在实现数据应用标准化管理的同时，提升数据应用评估效率、确保数据应用合规性。
第二步：结合银行自身发展战略
银行还需根据自身发展战略的要求来制定数据战略，例如：
- 一家旨在发展零售业务的银行，其数据战略应围绕零售业务进行开展，对统一零售客户数据，提升零售客户服务水平，从而建立对零售客户做精准营销、行为预测等等一系列的能力，结合这些内容再对数据战略进行思考。
- 一家将金融科技作为战略的银行，则需要对开放能力、服务生态的数据基础作为数据战略的要点进行定义。
第三步：制定目标
数据是银行各部门共同拥有的资源和资产，对数据资产的使用目标应集中管理，全行层面需要整合数据使用的资源投入，使数据资产的效用最大化。
现阶段，很多银行的数据资产管理仍是分散模式，由各个部门在自己的业务领域内推进不同的应用场景，缺乏牵头部门对不同应用场景的整合管理。
第四步: 制定实施计划
第五步: 制定实施战略的措施
要制定资金和其他资源的分配方案，规划制定后要在资金上有所侧重，要选择执行过程的衡量、审查及控制方法。
第六步: 回顾和考核
总行对各相关部门及分行的数据治理情况充分把握，可以使用打分卡的方式，进行定量和定性衡量，并公布打分的结果。对数据治理工作突出的部门或分行设置相关奖项予以表彰，对数据治理工作成果低于预期的部门及分行进行培训。
二、组织架构
《银行业金融机构数据治理指引》 第八条 银行业金融机构应当建立组织架构健全、职责边界清晰的数据治理架构，明确董事会、监事会、高级管理层和相关部门的职责分工，建立多层次、相互衔接的运行机制。 第九条 银行业金融机构董事会应当制定数据战略，审批或授权审批与数据治理相关的重大事项，督促高级管理层提升数据治理有效性，对数据治理承担最终责任。 第十条 银行业金融机构监事会负责对董事会和高级管理层在数据治理方面的履职尽责情况进行监督评价。 第十一条 银行业金融机构高级管理层负责建立数据治理体系，确保数据治理资源配置，制定和实施问责和激励机制，建立数据质量控制机制，组织评估数据治理的有效性和执行情况，并定期向董事会报告。 银行业金融机构可根据实际情况设立首席数据官。首席数据官是否纳入高级管理人员由银行业金融机构根据经营状况确定；纳入高级管理人员管理的，应当符合相关行政许可事项的要求。 第十二条 银行业金融机构应当确定并授权归口管理部门牵头负责实施数据治理体系建设，协调落实数据管理运行机制，组织推动数据在经营管理流程中发挥作用，负责监管数据相关工作，设置监管数据相关工作专职岗位。 第十三条 业务部门应当负责本业务领域的数据治理，管理业务条线数据源，确保准确记录和及时维护，落实数据质量控制机制，执行监管数据相关工作要求，加强数据应用，实现数据价值。 第十四条 银行业金融机构应当在数据治理归口管理部门设立满足工作需要的专职岗位，在其他相关业务部门设置专职或兼职岗位。 |
数据治理是一项全行性的工作，有效的组织架构是数据治理成功与否的有力保证，为达到数据战略目标，建立体系化的组织架构、明确职责的分工是非常必要的。
数据治理组织架构的不同模式
银行根据数据战略、自身组织架构特征，构建数据治理组织架构，其的分散和集中程度各有不同。组织管理分散且数据需求较少或复杂程度较低的银行，一般采用“分散模式”，各部门负责本领域的数据管理和应用；数据需求较多且复杂程度较高的银行，可采用“归口管理模式”、“集中+派驻模式”、“全集中模式”，具体选择哪种方式，在银行数据发展的阶段中同时也取决于归口管理部门的人力投入与专业能力，专业能力主要涉及组织沟通、业务理解、技术开发等方面。
图：数据治理组织架构模式归口管理模式的数据治理组织架构实践
目前监管明确要求银行设置数据治理归口管理部门，从字面的理解和应对，一般银行也会对应采用“归口管理模式”来构建自己的数据治理组织架构。但是类似风险部门的“集中”+“派驻模式”也是银行可以尝试的一种组织架构，通过矩阵式的管理方式，使得数据管理部门对派驻的人员有直接的考核权利，可以更加便捷的传达管理的各项要求和评估结果。
下面以“归口管理模式”为例进行开展说明：
图：常见的“归口管理模式”数据治理组织架构- 治理层
董事会制定数据战略，审批或授权审批与数据治理相关的重大事项，督促高级管理层提升数据治理有效性，对数据治理承担最终责任。
监事会负责对董事会和高级管理层在数据治理方面的履职尽责情况进行监督评价。
- 决策层
高级管理层负责建立数据治理体系，确保数据治理资源配置，制定和实施问责和激励机制，建立数据质量控制机制，组织评估数据治理的有效性和执行情况，并定期向董事会报告。
高级管理层可下设数据管理管理委员会，授权其履行高级管理层的日常数据管理决策职责，也可视实际情况设置首席数据官（CDO）。首席数据官是《指引》提出的全新概念。
为此，决策层的设置可能存在多种不同的方式，例如：某银行数据管理工作由银行行长负总责，分管领导亲自抓，将数据管理工作纳入全行或归口部门目标任务进行考核，并保证工作必备的工作条件；某银行专门成立数据管理委员会，由行长亲自挂帅担任委员会主任、关键业务部门总经理作为常任委员，其他部门总经理作为非常任委员，通过定期和不定期委员会会议形式讨论、审议数据治理重要事项；某银行通过设置首席数据官，作为全行数据管理工作的主管，全面统筹、统一安排、组织推动数据管理各项工作。
- 执行层
归口管理部门牵头负责实施数据治理体系建设，协调落实数据管理运行机制，组织推动数据在经营管理流程中发挥作用。业务部门负责本业务领域的数据治理，管理业务条线数据源，确保准确记录和及时维护，落实数据质量控制机制，执行监管数据相关工作要求，加强数据应用，实现数据价值。银行在数据治理归口管理部门设立专职岗位、在其他相关业务部门设置专职或兼职岗位，建立一支满足数据治理工作需要的专业队伍。
归口管理形式的演变
伴随银行数据积累及数据需求的增加，原先数据分散管理已不能满足用数需求，数据质量问题也频发、未得到有效解决，银行需要从全行整合资源投入，以更为有效地改善数据管理局面。因此，银行在早期形成了“数据管理工作小组”，作为归口管理的形式，由相关业务部门骨干和IT人员作为成员，按需召集会议，共同讨论解决方案并呈报管理层决策。无论出于自身发展需要还是外部监管压力，小组议事形式固有的部门间推诿和资源投入不均/不足等弊端不断显现，其效力和效率已均不能满足数据管理的急切需要。独立统一的“归口管理部门”应运而生，作为全行数据治理的牵头部门，明确并落实其职责，要求其牵头实施数据治理体系、协调落实运行、组织推动工作。
归口管理形式的设置
由哪个部门作为归口管理部门是业界关注的热点与话题。各家银行根据自己的实际情况进行考量，确定的部门也各有不同。从银行实践来看，因为巴三实施，从风险出发的而归口风险管理部门的；也有因监管统计报送，《银行监管统计数据质量管理良好标准》实施而归口在计划财务部门的；还有因为考虑科技属性较强，与各信息系统强相关而归口在信息科技部门的；此外我们还看到越来越多的银行独立一个数据部门来对数据相关的工作进行归口管理；当然还有一些由业务部门和技术部门共同作为“归口管理部门”也是银行实践方式之一。
不同的设计方式下优劣势也各有不同，银行均在自己实际情况中权衡利弊、得出最优解决方案。一般来说，归口管理部门设置的课题均需要多长的决策过程与时间，很大程度上取决于决策层对于数据治理的决心。
图：归口管理部门设计方式的优劣分析业务部门的专职或兼职人员的设置，除了上述提到的集中+派驻的模式，较理想化的是采用专职人员。一些中小银行考虑岗位编制等问题，在短期内采用兼岗的方式设置本部门的数据管理人员。而该人员的设置是需要保持与数据治理归口管理沟通之外，还需要负责本部门数据管理各项工作的宣贯，跟踪解决本部门的数据质量问题，对本部门的数据标准进行定义确认。为此需要对本部门的业务和信息系统都有一定了解的复合型人才，一般可以从原有的统计岗、信息系统管理员、业务需求管理员等相应的角色进行转换培养。
即使是成立一级部门，我们看到不同银行的设置方式也不尽相同，某银行总行成立一级部门，负责组织、推动、协调全行数据治理相关工作，并按照数据管理职责分工细化设置不同的二级部门，分别负责数据标准、数据质量、数据应用、数据平台等专职工作，充分运用其专精知识与技术开展数据治理工作。另外，银行在总行各部门和各分行均设立数据管理岗，作为归口管理部门的窗口，组织、推动、协调本机构内的数据治理工作。
结语
各家银行的业务重点、经营理念决定了数据战略的方向，结合现有组织架构建设出保障战略有效落实的组织架构，尽管各有不同，但战略的指导作用、组织架构的保障要求都是相同的。本文作为数据治理顶层设计的第一篇，探讨数据战略、组织架构各领域在银行实践过程中的要点与热点，希望能够带来启发与思考。后续我们将分享银行在数据治理建章立制领域实践，探讨如何通过数据管理制度流程的建设，将数据管理的理念与工作内容融入银行现有的管理体系，以激发组织活力，保障数据管理工作的长效运转。