数据治理团队建立监控预警机制，分析数据质量和异常数据，协调技术人员完善业务系统。
7、完善业务数据闭环
数据治理团队可以对整个数据治理周期流程进行整合，形成一套完整的“业务-数据-处理-存储-调取-利用-分析-可视化-预警-决策-业务”闭环流程，让数据在过程中不断优化，持续提高数据质量。
三、数据治理体系
银行数据治理体系包括数据质量管理、元数据管理、主数据管理、数据资产管理、数据安全及数据标准等内容。
1、数据质量
一般采用常用的标准来衡量数据质量的好坏：完整性、准确性、一致性和及时性。
完整性：数据的记录和信息是否完整，是否存在缺失情况。
准确性：数据汇总记录的信息和数据是否准确，是否存在异常或者错误。
一致性：多个业务数仓间的公共数据，必须在各个数据仓库中保持一致。
及时性：数据能及时产生和预警。
2、元数据管理
元数据是关于数据的组织、数据域及其关系的信息，通俗理解，元数据就是描述数据的数据。
元数据包含技术元数据和业务元数据，让数据分析人员对银行的数据情况一目了然，数据存储在哪里，如何抽取、清理、维护这些数据，血缘关系怎么样。
元数据确立数据业务含义可解释性。
提升数据整合和溯源能力，血缘关系可维护性。
建立数据质量稽核体系，分类管理监控。
3、主数据管理
银行的数据分为三部分：主数据、交易数据、指标数据。其中，主数据和交易数据合称为基础数据。主数据指银行内一致并共享的业务主体，常见的主数据比如银行的员工、客户数据、渠道数据、产品数据。
主数据还包括一些关系数据，它们描述了主数据之间的关系，比如客户与产品的关系、产品与地域的关系、客户与客户的关系、产品与产品的关系等。
4、数据资产管理
数据资产管理主要关心数据有没有被合理利用？如何产生最大价值？这些都是数据资产管理关心的核心工作，数据资产从业务角度和技术角度进行合并，输出统一的数据资产分析，向外提供统一的数据资产服务。
如何盘活数据，形成数据资产，提供完整的数据资产全景视图，让数据管理部门和业务部门全局、宏观地掌控银行资产动态。
5、数据安全
数据安全是银行数据建设必不可少的一环，我们的数据都存储在服务器中，需要对数据进行核查、敏感字段加密、访问权限控制，确保数据能够被安全地使用。
6、数据标准
数据要有统一的标准，保障数据内外部使用和交换的一致性和准确性的规范性约束，通过统一规范，消除二义性。
定制统一的数据标准平台，包括字段标准管理，码值标准管理以及字典管理，业务源数据和中台数据统一标准。
四、数据治理的几点误区
1、数据治理是否要做得大而全
不同阶段和规模的银行，数据治理的实施程度会有所不同，一般建设先根据自身的数据状况分阶段进行，避免盲目铺开规模，过程中可调整。
2、数据治理是技术部门的事吗
数据治理不仅仅是技术团队的事，而银行各部门一起协作完成，包括各业务线以及其它网点和营销点。
3、数据治理不是短期的项目
数据治理是个长期过程，随着业务发展和银行规模增长，业务系统的不断的迭代，数据治理是一个长期而持续的项目。
4、一定需要建设平台吗
前期平台不是必须的，首先要有成熟的数据治理体系和策略，自建平台和采购平台都可以，先把体系建设好。
5、数据质量问题各类原因
有业务方面的数据定义不明确，也有技术方面的数据抽取不完整。
有管理方面的岗位职责不清晰，也有执行层面的数据操作不规范。
有数据处理加工过程中出现了错误，也有数据源本身就有问题。
有数据治理系统功能有缺陷，也有系统强大但是没人用……
五、小结
数据治理是银行数据建设必不可少的一个环节。好的数据治理体系可以盘活整条数据链路，最大化保障银行数据的采集、存储、计算和使用过程的可控和可追溯。
数据治理是几乎需要所有部门参与和支持的项目，进行长期且持续的坚持才能实现成功的系统项目。
数据治理的最终目标是赋能业务，提升数据价值。这是一个持续漫长的运营过程，需要逐步完善、分步迭代，指望一步到位完成数据治理是不现实的。
项目型的数据治理，是不全面的，无延续性，能够解决一时的数据问题，但很难获得持续的数据价值。
专栏作家
汤向军，公众号：营销数字化转型（ID：Fi-），人人都是产品经理专栏作家。专注于银行数字化转型。
———END———
限 时 特 惠： 本站每日持续更新海量各大内部创业教程，永久会员只需109元，全站资源免费下载 点击查看详情
站 长 微 信： nanadh666
