对数据治理方法论的几点思考

说起该指引的前世今生，就不能不提整个银行业机构统计与数据分析的发展历程。借鉴熊彼特《经济分析史》的方法论，我想谈以下几点：

问题1.如何理解数据、信息、数据管理、数据治理、数据质量等基本概念之间的逻辑关系。
问题2.数据治理的难点与目前策略。
问题3.数据价值的实现路径。

01

数据治理相关概念梳理

1.数据是承载信息的物理符号，用于记录特定分析对象的行为与结果，对于金融数据挖掘来讲，这一对象就是银行业金融机构的经营管理行为与结果，以及金融消费者的用户基础信息、财务信息、交易流水、信用状况等。
2.数据的表现形式主要有文字图表、音频视频、图片等，采集方式有手写、输入（鼠标+键盘）、录音、双录（录音+录像）、自动化（传感器）等，依照非线性编缉精准程度（跳着精准查找与编辑，或者一盘磁带从头到尾翻）可分为流数据（磁带上的一首歌，一张电子相片）与离散数据（纸上手写文字，打字机打字，word文档，电子表格）。依照信息提取与加工难度可分为非结构化数据（流数据、一份文稿）、半结构化数据（电子邮件）、结构化数据（电子表格、数据库）。
3.数据存储介质从古至今种类繁多，有岩石（刻石——石碑）、泥土（泥板——古巴比伦楔形文字）、金属（青铜器）、竹木（简）、帛、纸等，现代发展到了磁介质（磁带、磁盘）、塑料（光盘）、集成电路（闪存）。当然，不同介质的数据记录、复制、传播、分析的操作难度与效率也不同，现在大量高活性数据采取的是磁介质、闪存（U盘），一是因为其数据存储能力强、传输快、易复制，二是因为其易查询、易分析、低时滞，十分适应金融数据挖掘的客观需要。
4.数据管理是针对数据的管理活动，个人需遵循管理学的逻辑。依照哈罗德.孔茨以及其它管理学者的定义，管理是人所从事的计划、组织、领导、控制与激励活动。因此，在数据管理活动中，就需分析数据全生命周期涉及的各类角色及其职责。除了法人层面董监高的管理与审计监督职责外，某大行的《数据管理基本制度》就提出，应区分数据采集部门、系统主管部门、数据传输/存储部门、数据分析应用部门四类角色，这一方法从数据生态视角考虑，理清各自权利义务，我以为值得借鉴。
5. 数据治理是强调管理活动的主动性，针对上述各层面、各环节的重难点问题，有明细目标的机制构建与流程创造活动。其目标，既可能是持续推动建立数据标准化体系、联通信息孤岛、整合数据资产、挖掘数据商业价值、创造利润与财富这样的经营性目标，也有可能是提升统计数据质量，实施风险管理与外部信披、报送监管数据等合规要求。
6.数据质量质量控制问题之所以长期存在，不能说纯粹是数据管理者的主观故意，正如徐老师所言，数据分析的需求差异、内涵漂移不是质量问题，靠治理也好、清理也好都没得解决。
需求差异就是同一个数据项，在产生的各个环节是用于满足不同的需求的，需求是有差异的，大家在生产和加工环节，都优先满足自己的需求，轻视和忽视其他主体的需求。别人要的时候，找个大概差不多的提供出去完事。在粗颗粒度和趋势性的应用里，问题不大，越精细的应用，问题就越大。
内涵漂移，是指管理变化、流程调整、核算方式变化甚至字段变动，都会使现有数据项的内涵发生变动。如果不看数据，这些变化很多是部门内部的，也就是说，数据的含义有轻微变动，其他部门基本上不可能发现。而这些变化非常频繁，累积的误差越来越多，数据项的内涵也就不断漂移了。等到漂远了再去找原因，很难分析清楚哪儿出错了，更说不上用合理的安排来解决了，多半来次数据清洗完事。
7.数据价值要想准确使用价值一词，就需区分使用价值与商业价值，以及价格。数据（信息）的使用价值，就是能让数据使用者更好地了解过去、把握现在，以有利于未来。至于这一优势是有助于节约资金成本、节省时间成本，还是获得更多经济收益，只是数据使用价值的决策后果，而非其自身。
数据的经济价值（商业价值），来源于其使用价值，但过去却常归于情报学范畴，或者“金点子”这样的商业噱头，为何？数据的取得成本（定义、采集、传输、存储、编辑、分析、展示）决定了，获得数据需要耗费大量经济资源，而使用数据时，因其有很强的外部经济性（数据复用性、非排他性与一定的非竞争性），数据拥有者（管理者）所获得的经济利益却不易量化，致使数据管理活动及其部门，长期被内部视为成本中心（必要投入、节约成本）而不是利润中心（充分投入、开拓资源），并且数据拥有者往往建立孤岛，拒绝分享，挖对方墙脚。现在，灰色利益的大数据交易潮流涌动，规范的大数据交易却很难常态化开展，因此也无法通过交易来发现公允价格，定义商业价值。
不过，虽灰色产业链中数据定价方式名目繁多，让人眼花缭乱，但是依然没有离开数据使用价值的生产与传播，必须基于数据价值的计量与交换这一基本规律。免费的就是最贵的！你作为数据消费者，之所以可以持续免费获得海量应用与数据，其实是因为你正作为数据生产者，在持续免费地向这一生态链提供着海量数据，大家都同时是数据的生产者/传播者/消费者，并共同分担着这一生态链的生产/交易成本！
8.数据安全（信息安全）因为会为使用者带来经济利益，并影响数据生产者的生活与生产行为（想想谣言的传播，或者提前得知人民币汇率定价），所以数据安全必须考虑。它包括时间（时效性）与空间（人员、层次、地域等范围）两个维度。信息安全等级也因此而有差异，对银行来说，核心账务、客户密码、贷审会等数据安全等级最高，而营销方案、理财说明书等数据安全等级最低。（当然，密密麻麻的理财协议签字稿，可能对客户的安全等级最高。）
综上所述，梳理出数据、数据管理、数据治理、质量控制、数据价值、数据安全等一系列概念的定义与逻辑关系，是我们实施有效数据治理的前提。在这一方面，《指引》似乎还需再理一下。

02

数据治理重难点与策略

1.哪些数据是治理重点？对于纸质文本上记录的数据，比如借款合同、分析报告、财报及附注，因为已有格式化文本、会计准则等前人成果可供借鉴，个人以为可不作为《指引》所规范的重点。至于管理制度、职责分工、运行机制、绩效评估、激励约束、法律责任等方面，《指引》与《监管统计管理暂行办法》、《数据质量良好标准》一脉相承，宏观框架不错，我就不画蛇添足啦。
我们需考虑的是，《指引》仅规范统计指标等结构化粗粒度数据，还是应将信息项定义、标准化流程（贷前、贷中、贷后，发起、处理、结束的前中后台，业务、管理、审计的三道防线）等半结构化（非结构化）细粒度数据渐次全部纳入？是永久保存所有数据，还是本着删除之道，分时段、定范围、精减维度，渐次遗忘从细至粗数据？这方面我觉得还需研究，《指引》可明确“最小信息集”与“数据生命周期”理念，具体操作可存而不论，待诸方实践探索的总结提炼。
2.如何取舍数据的全快准？“全面、及时、准确”，是对监管统计数据的一贯要求，也是广大数据分析人士的梦魇所在，为何？如前所述，丰富多彩（花样繁多？）的细粒度数据，记录着更加多彩的金融行为，要想完整装入横平竖直、条块明晰的统计表格，不做些削足适履的事情恐怕不行。为避免“就数字谈数字，仅分析结构性变化”，统计报表越来越多，指标越来越细，填报与勾稽越来越难（想想G12贷款迁徙与G19重点监测行业，还有G4B-a资本充足率），即使有了自动化工具，考虑到需求差异与内容漂移，全了就可能不快与准，准了就不可能快，这个“全快准”三角形维度要求，也还是得做个权衡。《指引》在此方面，建议还需明晰一下“数据可获得性”的基本原则。
3.从质量管理到主动治理个人观点，数据管理——数据治理——质量控制可能是更合理的逻辑展开。控制，也不是说仅仅是明确信息项与指标定义，然后让采集者去照虎化猫的填就行了。如果不充分开展数据调查，在理清需求差异与内涵漂移的情况下，承认各方面历史现实，找出符合各方利益的最小信息集来，科学定义与推广，而是动辄从头再来设计一套数据字典，不管治理难度与生产周期，越全越多越细越快越好，恐怕也只能让具体实施者问出“您是要一次还是持续要？是马上要还是一个月后要？是报上去的还是实际流程要用的？是内部用还是报外边的？”这类乍看无厘头其实很无奈的语句了！
主动式数据治理，基于数据标准化体系的顶层设计，整合数据孤岛，再造管理流程，清洗数据资产，挖掘数据价值，保障数据安全，循序渐进地提升数据管理水平，是应该鼓励的方向，《指引》于此应有着墨，以推动数据真正成为银行的经济资产，而不是一个只进不出的“单向数据湖”，垃圾堆。

03

数据价值的实现之道

关于如何实现数据的价值，我曾在刊物发表过《海量数据的价值发现》与《银行业数据挖掘：一般数据结构的尝试及挖掘应用策略》两文，尝试提出了一种通用银行数据结构：
维度1：客户是谁？维度2：产品（服务）是什么？（银行向客户提供）维度3：担保方式与担保物是什么？（客户给银行）维度4：每一笔业务的合同如何管理，业务流程如何操作？维度5：每一笔业务在财务会计处理中如何记录、处理？维度6：全流程管理——银行内控制度建设与执行情况。

来源于成于微言 ，作者自在星尘