您的当前位置:首页银行业数据质量管理和检核规则设计研究

银行业数据质量管理和检核规则设计研究

2022-08-25 来源:乌哈旅游
银行业数据质量管理和检核规则设计研究

作者:范丽君

来源:《中国金融电脑》 2018年第2期

随着大数据时代的开启,金融业数据集中程度的加大,移动互联网技术的不断发展,银行业面临着前所未有的竞争压力。数据已成为现代银行的重要资产,并逐渐成为现代银行核心竞争力的重要组成部分,有效的数据管控工作将对银行的业务发展、精细化管理和科学决策产生革命性的影响,为银行直接创造显性业务价值。

一、银行业数据质量管理背景

1. 外部监管要求逐步增强

2016 年7 月,《中国银行业信息科技“十三五”发展规划监管指导意见 ( 征求意见稿)》明确提出:建立数据质量评估机制,强调数据采集源头的质量管理,优化数据质量问题解决方案,持续提升数据质量,加强数据共享。银监会副主席王兆星在“银行业信息科技风险管理2016 年会”上的讲话中提到,要深化数据治理,持续提升数据质量,加强数据服务。

2. 行业环境快速变化

一方面,随着国家“十三五”规划实施,“一带一路”战略、自贸区建设、精准扶贫等为金融业带来机遇和挑战,金融机构需要不断提高金融服务实体经济的效率,实现数据融合,推动普惠金融,增强风险防控能力,这些都需要大量、高质量的数据提供支撑,对银行业数据管控提出更高要求。另一方面,随着大数据、云计算、数据挖掘、移动互联、人工智能等新技术在金融领域的探索与应用,新型互联网金融服务模式不断涌现,金融机构经营和服务模式正发生深刻变革,数据管控工作将对银行的业务发展产生革命性的影响,为银行直接创造显性业务价值。

3. 银行内部经营管理和业务发展需求日趋迫切

一是加强集团一体化管理,推动资源共享和风控联动,打造“一个开行、一个客户、一套服务”的综合金融服务平台;二是服务稳增长和供给侧改革,全力打好脱贫攻坚战,开展精准信贷,加大棚改工作力度;三是积极推进国际业务,助力“一带一路”战略实施;四是完善全面风险管理体系,提高动态监测、实时预警能力。这些均需要大量的数据和技术手段提供支撑,也对数据管控工作提出了更高要求。

二、银行业数据质量问题产生的因素

银行业数据管控体系通常包含企业级数据模型、数据分布与流向、企业级元数据、数据质量、数据使用安全、数据生命周期等管控内容和规划、组织、制度技术、考核等保障机制,数据质量管理是数据管控体系的核心,数据质量的好坏是数据管控工作最直接的体现,其他数据管控内容为数据质量管理工作提供重要的支撑。数据质量问题的产生原因很多。

三、银行业数据质量检核规则设计存在的问题

在2013 年以前,各大银行数据质量检核规则的设计更侧重技术角度,主要通过查看数据库表结构、主键非空等方式设计形成检核规则库,在一定程度上满足了当时数据质量管理的要求。随着数据管控水平的不断提升,原有检核规则在落地实施过程中暴露出一些问题,如规则

种类单一、覆盖范围广度不够、与业务衔接不足等,需要探索更有效、更全面的数据质量检核规则设计方法和思路,丰富银行数据质量检核规则库,提升银行数据质量主动防御的能力。

四、基于业务流程梳理的数据质量检核规则设计探索

为了更好地发挥数据质量管理对各项数据应用的支撑效应,国家开发银行创新性地提出通过业务流程和数据流向梳理的方法来设计数据质量检核规则,在业务环节中设置数据质量检核点,及时发现数据质量问题,同时通过数据质量问题分析,发现业务流程或技术功能中存在的缺陷,推动业务流程优化和应用系统改造,更好地促进业务与科技融合。

1. 设计目标

(1)提高检核完整性

通过梳理完整的业务流程,重新审视业务,识别挂接在业务逻辑上的数据要求,全面覆盖业务运营过程中创建和使用的各类数据,提高数据质量检核范围的完整性。

(2)加强业务针对性

推动数据质量偏技术检核向业务检核方向的转变,通过梳理业务流程上的数据要求,确保设计的检核规则更加贴近业务,确保规则设计的业务引导,实现数据质量管理的业务驱动。

(3)推动质量管理前移

推动数据质量检核规则落实在需求审核和系统开发阶段,确保生产数据质量,建立和强化“事前”数据管控的能力,促进数据管理工作由“治标”向“治本”转变。

2. 业务流程梳理方法

通常情况下,从企业价值链的视角,银行业务主要包括营销支持、产品与服务、业务运营(产品运营与业务支持)、风险管控、核算报告与决策分析。业务流程梳理就是基于流程方法论对银行业务流程进行逐级分解的结果,最终形成“企业流程—流程组—流程活动—操作任务”的四层级流程结构。企业流程是按照业务领域划分形成;流程组是企业流程的组成部分,按照创造价值的资源状态变化定义不同阶段;流程活动通过实现特定业务目标、创造特定价值进行判定;操作任务表示完成某项业务活动的一系列工作,这些工作产生具体的工作成果。

以产品运营为例,结合国家开发银行业务实际和数据标准定义,划分为存款、贷款、债券发行、资金交易、支付结算、权益投资、担保承诺、受托代理等企业流程,其中信贷业务占据全量业务的80%,是业务重要度最高的领域之一,因此此项研究工作选择信贷业务作为试点。首先,结合信贷业务手册、信贷系统需求说明书等相关资料,将信贷业务分解为“规划管理、项目管理、授信管理、担保管理、合同管理和贷后管理”6 个流程组,每个流程组反映信贷业务的一个阶段。其次,通过分析各业务环节的定义和划分、系统的子功能模块设计和运行,从操作用户、操作时间和实体内容三个方面,将流程组进一步分解为一系列的流程活动,每个业务活动有明确的输入、输出,最终实现特定的业务目标。以合同管理为例,分解为“生成合同谈判—修改谈判—结束谈判—新建合同—维护合同—终止合同”6 个流程活动。最后,参考详尽的业务流程图和系统具体功能点,识别出一系列的操作任务。以新建合同为例,分解为“客户经理发起合同创建申请、录入合同信息、经过总分行不同层级的审核、客户经理落实审批意见、合同生效确认”等5 个具体操作任务。在分析确认具体操作任务的过程中,同时采集并记录相应的业务规则和数据管理要求,形成数据项及数据要求列表,为检核规则设计提供重要输入。

3. 数据质量检核规则设计思路

(1)注重检核规则设计维度的多样化

通过信贷业务流程梳理工作,进一步扩大了数据质量检核的数据集范围,丰富了对业务数据要求的积累,在检核规则设计方向上应更加关注丰富检核规则设计维度,有效提升质量问题发现的广度和深度。

一方面,对单一完整性规则升级为约束完整性。关注在一个数据项取特定值的条件下其他数据项的非空约束,确保数据的关联匹配和准确识别;另一方面,从准确性、一致性维度新增设计规则。准确性规则内涵可包括数值的等式或不等式约束、日期的比对关系等,一致性检核规则可包括同一数据项跨库表、跨系统的一致性,不同数据项的关联合理性等,加强原有规则库在这两个检核维度方面的不足。

(2)注重基础规则向复合规则方向的转变

独立检核数据库表的单一数据项通常能够得到保障数据质量的基础规则,而实际业务处理、统计分析和监管报送中通常涉及数据项之间的分类值域对应、日期对比、金额勾稽关系和跨系统对比,复合规则能够更全面、更敏锐地发掘数据背后的业务操作问题或系统技术缺陷,通过规则落地推动深度数据质量问题的发现与整改,进一步规范业务操作、优化业务运营及审批流程、改进系统功能。

五、设计成果总结

1. 信贷业务流程梳理的成果

通过梳理信贷业务流程,国家开发银行梳理形成信贷业务6 个流程组,48 个流程活动,254 个操作任务,629 个数据项及486 项数据要求。其中,56% 的数据项分布在“合同管理”、“贷后管理”等流程复杂的重要业务领域,真实地反映了业务处理对数据的需求。各级流程及数据项的分布。

2. 检核规则设计的成果

基于上述流程梳理成果,对采集的数据项及数据要求进行分析, 完成208 条检核规则设计,全部纳入《开发银行数据质量检核规则库》。

(1)检核维度丰富准确性维度的检核规则最多,达128 条,占全量规则的57%;完整性与一致性的检核规则分别为50 条和39 条,占比为22% 和17%,并新增唯一性、规范性维度的规则。各维度的规则分布。

(2)规则性质丰富共设计45 条复合规则,占全部规则的22%,在很大程度填补了基础规则对单一数据项进行独立检核的不足。规则性质分布。

3. 应用成效结合业务重要度、系统共享性、问题发生频数、整改可行性等四方面因素,已甄选48 条纳入国家开发银行分支机构数据质量专项考核规则库,并在数据管理系统中开发部署上线,进行每日监控、逐月整改,成效显著。

本文探索了一套银行业务流程梳理的方法和提高数据质量检核规则设计水平的思路,后续可以根据银行业务管理需求和数据质量现状,基于相同的方法论,逐步开展财务、资金等业务

条线或监管报送等专项领域的业务流程梳理和检核规则设计工作,丰富银行数据质量检核规则库,并推动规则在生产源端的落地,提高数据质量“事前主动防御”的能力。

因篇幅问题不能全部显示,请点此查看更多更全内容