數據治理越來越受到銀行、監管機構乃至國家層面的重視。銀行已經意識到高效的管理體系、統一的數據標準、良好的數據質量纔是數據價值實現的基礎。在實踐中，國內銀行對於數據治理如何開展存在諸多的困惑，數據治理工作的落地也面臨着衆多的困難與挑戰。
數據治理實踐面臨的難點
在數字化時代背景之下，金融監管機構爲促進金融行業健康發展及風險控制，進一步提升監管數據的統計質量，通過發佈監管指引並將數據治理與監管評級掛鉤的方式來提高銀行業金融機構對數據治理工作的重視，並能夠結合自身實際，開展數據治理工作。
在ABCD（人工智能、區塊鏈、雲計算、大數據）技術的創新驅動下，越來越多的商業銀行開啓數字化轉型之路。新興金融科技逐漸應用到客戶服務、業務受理、信貸流程、運營管理、風險管理和經營決策等銀行核心業務之中。
數字化轉型的一切都圍繞着數據，包括但不限於數據的獲取、沉澱、運用和洞察：有效的數據治理體系是保障，健全統一的數據標準是基礎，不斷完善的數據質量控制是方法，持續優化的數據應用是目標。有效的數據質量控制有利於客觀的分析和決策，有效地管理數據是銀行實現數字化轉型的基礎。
雖然各銀行積極響應監管要求，開展數據治理工作，但《中小銀行金融科技發展研究報告（2019）》顯示中小銀行的數據治理基本處於萌芽期，達91%的中小銀行尚未開展有效的數據治理工作。從不同的部門從其在數據管理的角色看，面臨以下問題：
1、對各業務部門來說
數據治理絕不是“與己無關”的一項工作。數據治理工作貫穿於數據產生、使用和銷燬等全生命週期中的各個環節。作爲主要的業務數據輸入端，業務及一線部門扮演着重要的數據質量控制角色。數據質量的好壞直接影響數據分析結果的準確性，而銀行層面數據標準是否建立，各業務和管理領域的數據標準是否一致，也將影響在使用數據時需要花多大的代價來進行數據標準的統一。
2、對信息技術部門來說
數據治理的工作涉及到信息系統建設的方方面面。信息科技部門在考慮銀行整體信息系統架構的同時，還需考慮數據架構如何設計，IT領域的數據治理工作如何配套開展。例如數據管控平臺如何定位，數據管控平臺與各源系統、數據加工分析平臺之間的關係是什麼，什麼樣的信息系統建設流程是符合數據治理要求規範的。
3、對數據治理歸口管理部門來說
數據治理是一項長期的、動態的工作，而且是類似“裝修”的隱蔽工程，是一項“髒活、累活、苦活”。如何將數據治理的價值和成果顯性化、將數據治理工作拆分爲不同的模塊和任務，逐步的推進和落實，如何將數據治理從管控式理念模式向服務式理念模式轉換，是一項智慧工程。
4、對合規和審計部門來說
如何規範化標準化地開展數據治理評估與審計工作是一個新的課題。從哪些方面進行評估，評估的維度有哪些，評估的標準如何定義，評估的範圍如何選擇，都急需業內專家共同探討，逐步細化，明確標準。
總體來說，一般銀行在數據治理實踐過程中主要面臨的難點：
-
數據管理各項工作龐雜，如何體系化的規劃開展？
-
數據治理組織架構如何有效運行和落地？
-
如何通過數據資產的盤點工作開展數據認責？
-
如何通過系統化工具減少數據管理的手工工作？
-
如何通過內控和審計促進數據治理工作的開展？
銀行數據治理的應對方式
1、體系規劃
銀行需要充分結合自身發展戰略的要求來制定數據戰略，例如一家旨在發展零售業務的銀行，其數據戰略應圍繞零售業務進行開展：統一零售客戶數據，提升零售客戶服務水平，從而建立對零售客戶做精準營銷、行爲預測等等一系列的能力，結合這些內容再對數據戰略進行思考；一家將金融科技作爲戰略的銀行，則需要將開放能力、服務生態的數據基礎作爲數據戰略的要點進行定義。
銀行應結合戰略發展，體系化的設計數據治理各項工作，通過搭建完整的數據治理體系框架，整合聯動數據管理各項工作，服務業務，實現數據價值。體系化的建設內容可以包括四個層面。
-
數據治理層面：數據治理的模型，管理的組織架構，崗位要求，制度辦法，管理流程等；
-
數據管理層面：數據架構與共享，數據模型管理，數據標準管理，數據質量管理，數據安全管理，主數據管理，元數據管理等；
-
數據應用層面：數據與應用開發管理，數據需求管理等；
-
技術工具層面：管理流程工具。
2、頂層設計
有效的組織架構是數據治理成功與否的有力保證，爲達到數據戰略目標，建立體系化的組織架構、明確職責的分工是非常必要的。
銀行根據數據戰略、自身組織架構特徵，構建數據治理組織架構，不同的方式其數據管理分散和集中程度各有不同。組織管理分散且數據需求較少或複雜程度較低的銀行，一般採用“分散模式”，各部門負責本領域的數據管理和應用；數據需求較多且複雜程度較高的銀行，可採用“歸口管理模式”、“集中+派駐模式”、“全集中模式”。具體選擇哪種方式，取決於銀行數據發展的階段，同時也取決於歸口管理部門的人力投入與專業能力。專業能力主要涉及組織溝通、業務理解、技術開發等方面。
從銀行發展的一般趨勢來看，伴隨銀行數據積累及數據需求的增加，數據分散管理模式逐漸變得不能滿足用數需求，數據質量問題頻發、未得到有效解決，銀行需要從全行整合資源投入，更爲有效地改善數據管理局面。因此，銀行在數據相關工作的早期形成了“數據管理工作小組”，作爲歸口管理的形式，由相關業務部門骨幹和IT人員組成，按需召集會議，共同討論解決方案並呈報管理層決策。無論出於自身發展所需還是應對外部監管壓力，小組議事形式固有的部門間推諉和資源投入不均/不足等弊端不斷顯現，其效力和效率已均不能滿足數據管理的急切需要。獨立統一的“歸口管理部門”應運而生，作爲全行數據治理的牽頭部門，明確並落實其職責，要求其牽頭實施數據治理體系、協調落實運行、組織推動工作。
由哪個部門作爲歸口管理部門是業界關注的熱點與話題。各家銀行根據自己的實際情況進行考量，確定的部門也各有不同。從銀行實踐來看，因爲巴塞爾協議三的實施，有從風險出發歸口風險管理部門的；也有因監管統計報送、《銀行監管統計數據質量管理良好標準》實施而歸口在計劃財務部門的；還有因爲考慮科技屬性較強，與各信息系統強相關而歸口在信息科技部門的；此外有越來越多的銀行獨立一個數據部門來對數據相關的工作進行歸口管理；當然還有一些由業務部門和技術部門共同作爲“歸口管理部門”也是銀行的實踐方式之一。
不同的設計方式下優劣勢也各有不同，銀行根據自己實際情況權衡利弊、得出最優解決方案。一般來說，歸口管理部門設置的課題均需要多長的決策過程與時間，很大程度上取決於決策層對於數據治理的決心。
3、釐清家底
銀行已經認識到將數據作爲資產管理的重要性。部分銀行提出要樹立“數據作爲資產，資產主動管理，管理產生價值”的理念。逐步改善銀行對數據缺乏主動管理的現狀。要將數據作爲資產管理的第一步是需要釐清銀行究竟有哪些數據。
一般來講，銀行可以從業務和技術兩個不同的視角分頭開展梳理盤點工作。業務視角是自上而下的演繹，包括從業務價值鏈，數據應用場景進行業務說數據的梳理分析。技術視角則是自下而上歸納，以銀行現有信息系統爲基礎，整理相關信息表和信息項的情況。最終兩者整合，形成銀行的數據資產清單目錄。
釐清了數據資產清單以後，還有很重要的步驟：數據認責。數據管理職責認定在實際操作和應對過程中可以通過對業務流程的責任進行拆解。如根據不同流程節點，對應不同業務部門對信息項的新增或者修改時，從而確定該業務部門對數據資產信息項的歸口管理。此外，也可根據數據錄入部門、數據需求提出部門、數據標準管理部門、信息系統業務主管部門等不同的方式進行依次認責，保障所有的數據都可以認責到部門。
4、工具落地
高效的數據管理系統化工具，是數據治理工作落地開展的保障。數據管理工作內容覆蓋全行的方方面面，無論是新產品建設，信息系統改造，都會涉及到相關的數據管理工作。一般來講數據管理工具會有以下的三種建設方式：
1）整合數據門戶建設，統一數據入口。該方式整合數據應用，數據分析工具入口，將數據管理的內容作爲服務提供給業務部門，同時在應用中嵌入管理的要求。
2）構建社區論壇，倡導數據文化建設。基於數據資產和數據管理的各項成果，採用全行數據社區化管理，引入社交的方式，用戶可對內容進行點贊，點評和討論。
3）數據流程管控，強調績效考覈。該方式關注流程落地，關注績效數據，通過報表平臺化的方式管理標準落標，質量水平，問題整改情況等。
5、審計評價
基於監管機構的最新指引和銀行數據管理制度要求，銀行內部應開展數據治理審計工作，識別數據治理違規、薄弱的控制環節與執行缺陷。
審計作爲銀行數據管理工作的第三道防線，應構建銀行的數據治理審計框架，通過審計促進數據治理工作的開展，保障數據價值的實現。審計的過程中，除了關注數據管理的各項流程之外還應關注和檢查“數據”本身。需要根據數據與流程現狀，以銀行的管理目標，風險導向的方式確定審計框架，保障審計內容的覆蓋面。
除了三道防線的建設，銀行還應在二道防線上開展數據治理自評或他評的工作。例如定期開展數據治理各項工作的評估，建立評估機制，落實評估程序，積極對評估過程中的不足進行改進。銀行高層應對評估結果採取積極的措施，推進問題整改。
數據治理是一項長期動態的過程，銀行不應抱有“畢其功於一役”的想法與態度，而應從戰略指導、組織架構、管理流程等從上到下的思想轉變，合理規劃，穩紮穩打，同時也不能畏難而止步不前。