168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
开启左侧

[数据治理] 强监管下,农信社该如何开展数据治理建设?

[复制链接]
发表于 2018-12-4 17:50:01 | 显示全部楼层 |阅读模式
近年来,以农信社、农商行为代表的中小机构金融市场业务发展迅速,规模不断扩大,据统计,全国农村合作金融机构(农信社、农商行等)总资产已超过国内各大银行各自的总资产规模。成为“宇宙第一大行”后,农信体系对整个金融业的影响越来越大。
银监会很早就出台了关于做好农村合作金融机构数据质量管理良好标准评估工作的有关规定,2017年以来,中国银监会又先后组织银行业开展了三违反、三套利、四不当等专项治理工作,近日,中国人民银行、银监会、证监会、保监会、国家标准委又联合发布《金融业标准化体系建设发展规划(2016—2020年)》。在这种强监管下,农信社(农商行)该如何应对?
一、农信社应根据自身的特点开展数据治理建设
1、特点一:体制分层,数据需求分层
全国的农信社普遍都实行省、县二级法人体制。省联社的数据需求主要体现在全行数据标准的制定、全行IT系统数据的整合、数据的基础加工和应用;而地方农信的数据需求主要体现在数据细粒度的查询、数据的特色应用等。
农信需要根据省联社和地方农信的差异化需求,有针对性地进行数据治理建设。对省联社来说,需要考虑数据的全生命周期、数据标准、数据质量等多方面因素;对地方农信来说,在考虑如何配合省联社进行数据治理的同时,还要兼顾自身的数据质量管理与数据查询和应用。
2、特点二:点多面广,统一监管难
作为分支机构最多的农村金融机构,农信社几乎遍布所有的城乡,与商业银行相比,点多面广,统一监管更难。
第一,农信社需要统一各地方机构对数据治理的认识。由省联社建立专门的数据治理工作领导小组,负责全省农村信用社的实施工作的统筹管理,地方农信按照省联社的总体部署和要求制定更详尽的数据治理计划。
第二,农信社需要以点带面,推进数据治理建设。以点带面主要体现在几个方面:一是从单个到全面,针对治理发现的问题,特别是重大风险或关键问题,要深入挖掘根源,采取定期滚动排查,实施全面专项整治。二是从单点到全辖,可以采取公告等方式,在适当范围内对治理发现的问题进行通报,使问题“公开化”、“透明化”,全辖下属机构可根据通报内容,结合自身特点开展自查自纠,防止同类问题的发生。
3、特点三:存贷为主,数据仓库起步晚
农信社和农商行业务种类没有商业银行那么复杂,主要还是面向乡镇、农村的存款和贷款业务,信用卡、投资理财等额外业务较少。另外各农信在数据仓库方面的建设水平也参差不齐,很多农信机构刚做完数据仓库。
第一,因农信业务种类相对简单,数据治理建设也不至于过于复杂,农信社应将数据治理的重点放在核心业务的数据质量上,通过元数据管理系统管理核心系统之间的数据加工关系和系统调用情况,数据治理建设就会有一定成效。
另外,农信社应加快完善信息系统和数据仓库建设,逐步实现信息系统对监管统计涉及的各项基础业务和管理信息的全面覆盖。
4、特点四:规模有限,难以对数据质量绩效管理专门立项
由于目前农信社的信息化程度与大型银行还有一定差距,所以很难像大型商业银行那样只针对数据质量考核或数据标准来专门立项,需要另一种针对性的方式保证数据治理的落地。
要想解决实际的数据问题,农信社需要选择有直接补录功能的数据治理平台,在数据标准落地过程中,若发现数据质量问题,直接对数据进行整改,将数据标准与数据质量关联起来,直接在数据治理平台中操作问题数据,解决数据标准的落地难题。
二、农信社开展数据治理建设的关键点
1、 选用能满足二级体制数据需求的数据治理平台
对省联社来说,数据需求主要是集中在“管”和“看”,而对于地方农信来说,数据需求主要是集中在“找”和“用”。所以为满足二级体制数据需求,农信社需要集“管”、“看”、“找”、“用”为一身的数据治理平台。
“管”的意思是省联社要能管理海量数据,保证各地方农信数据的可靠性;“看”的意思是省联社要能通过360°视图查看各农信的数据资产情况、数据质量情况和数据标准落地情况,为满足人民银行与银监会的监管要求做准备;“找”的意思是地方农信能根据自身需求,快速从大量数据中查找到自己想要的信息;“用”的意思是通过数据治理平台,业务人员能自己用好数据。这也是普元自服务数据治理平台的几个应用场景。
2、 通过数据总线汇集各网点数据,为统一监管提供基础
面对农村经营地域广、网点分布散、规模小、运营成本增高等问题,利用信息科技建设提升自身经营能力势在必行。省级农村信用社技术部门通常都有几十个业务系统同时运行,系统之间需要进行大规模的文件交换,这正是普元ESB产品的专长。
普元ESB产品能为农信建立服务治理框架,逐步梳理、改造现有服务接口,形成组织级的服务资源库,实现全行级服务资源库的建立、治理维护与持续演化,统一管理全行服务的全生命周期,全面支持业务创新能力,为统一监管提供基础。
3、 选择自动化能力强的元数据管理工具,管理核心业务的数据质量
农信社的业务并不复杂,在数据治理上不求“大而全”,但是一定要求“少而精”,而元数据管理是数据治理的核心,农信应把元数据管理作为数据治理建设的重点。严格把控核心业务数据质量的前提是全面采集数据资产,选择一款自动化能力强的元数据管理工具来实现自动化的元数据采集,通过元数据管理系统管理核心系统之间的数据加工关系和系统调用情况,是农信数据治理成功与否的关键。
图:普元元数据管理工具的自动化采集能力
4、 在数据治理平台中落地数据标准,逐步整改数据质量问题
不同情况下有不同的解决方法,既然农信社很难像大型商业银行那样针对数据质量考核或数据标准来做运动式的整改,建设统一的数据治理平台就变得尤为重要,要能在数据治理平台中落地标准、控制质量。普元的数据治理平台能够结合元数据、数据标准、数据质量控制,让农信在系统开发阶段就做到数据质量问题的预防,发现质量问题后还能直接在数据治理平台中逐步进行整改。
三、普元在金融行业的大数据治理实践
普元自2008年就开始涉足大数据治理领域,9年来一直走在整个业界的前列。普元大数据治理平台以强自动化的元数据为核心,融合了数据标准、数据质量等多种成熟的产品和方案,旨在为企业提供从大数据治理咨询到工具支撑再到落地实施的一体化解决方案。
作为国内领先的大数据治理厂商,普元的大数据治理客户已遍布全国,目前普元大数据治理平台已经成功应用到金融、电信、制造、政府、电力等各大行业,特别是在金融行业拥有大量的大数据治理成功实施案例,其中包括国家开发银行、中信银行、北京银行、上海银行、华夏银行等国内重点金融企业。


楼主热帖
168大数据(www.bi168.cn)是国内首家系统性关注大数据科学与人工智能的社区媒体!
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2018-12-17 18:30 , Processed in 0.094003 second(s), 18 queries , Xcache On.

Powered by BI168社区

© 2012-2014 海鸥科技

快速回复 返回顶部 返回列表