隨著中國金融市場的快速發(fā)展，互聯網金融對傳統金融行業(yè)的競爭，以及監(jiān)管力度的不斷加強，IT咨詢服務公司對金融企業(yè)的商業(yè)智能方案也面臨不斷創(chuàng)新。如何提升金融機構在管理、盈利、風險控等多方位的能力？如何將國際經驗更好的為中國市場服務？如何通過解決方案將海量數據轉化為對經營決策有價值的信息之路？如何將客戶智能分析成果行之有效地運用于服務渠道，并最終轉換為銷售業(yè)績？為解決中國金融機構在發(fā)展中所面臨的新問題，文思海輝在西安、蘇州、北京、成都、深圳五地舉辦了6場“乘數據之舟，達價值彼岸”系列活動。

　　在主題為“乘數據之舟，達價值彼岸”的文思海輝商業(yè)智能解決方案系列研討會蘇州站現場，文思海輝金融事業(yè)群商業(yè)智能部副總裁賈丕星分享數據管控與治理方面的實踐。

文思海輝金融事業(yè)群商業(yè)智能部副總裁 賈丕星

　　以下為演講實錄：

　　非常感謝大家，下面我來講一下數據管控治理，其實這些年我們所組織的一系列的活動每次都是按照當前這個階段我們在市場上我們在主要做的一些業(yè)務，以及跟客戶主要訴求的熱點去做了一些匹配，以前我們都是把數據倉庫放在第一場去講，今年我們做了一些調整，其實文思海輝在整個數據倉庫上的能力已經是充分被認可了，我們在數據倉庫整體方法論的成熟度達到了一定水平。今年我們把整個自己業(yè)務發(fā)展的重點和新的突破都放在了數據管控和治理，為什么放在這個領域，其實有很大的原因。

　　在講數據管控之前，我們先簡單的通過這幅圖來分享一些東西，這幅圖是關于一個技術程度度的一個圖，也就是一個技術從它被發(fā)現上升到高度，炒作到一定的階段，隨著泡沫的破滅開始走低谷，在實踐的過程中逐步被認可和挖掘價值的一個完整的過程。這個圖我們可以看一下，其中企業(yè)級數據管控治理已經被炒到了一定高度逐步走下坡路這么一個過程，其實一個技術在某一個行業(yè)里面被認可是一個過程，跟一個技術在一個客戶端被認可的過程是一樣的。也就是說我們在看一個客戶他自身做數據管控治理的時候你會發(fā)現，它一開始也是不停的在講很重要很重要，但是當我們開始投入去做一些事情的時候，做到一定階段你會發(fā)現，它覺得這個東西達到它預想的價值，然后選擇去方向。其實上是在你選擇放棄的時候，逐步開始被業(yè)務和進行接洽，開始被認可，然后逐步的又在你的整個的技術管理和業(yè)務管理的過程中，被認可的過程中再去慢慢發(fā)現價值。其實數據倉庫也走過同樣的一條路，也就是說它在發(fā)展的過程中存在過被炒到一定高度，又被大家不認可價值，然后逐步在支撐銀行的整個從風險管理、客戶關系管理等等，每個領域的應用過程中又逐步發(fā)生價值的一個過程。

　　為什么這么講呢，其實我們在主導這兩塊業(yè)務的時候我們都在這么講，數據管控和治理以及數據倉庫是企業(yè)里面數據領域的兩個基礎工程，什么叫基礎工程，基礎工程就是你前期投入會大，大家它的產出ROI回報見效會稍微慢一些。所謂基礎工程就是一定要從高層領導去重視，因為它不是一個簡簡單單的一期項目，而是一個Team性的工程，而是在業(yè)務和技術都在積極的投入和參與下的一個系統性工程，這樣的工程我們把它當做基礎工程來對待的話，我們必須有一套健全的方法論，我們必須有一個正確的態(tài)度去對待它，這是數據管控治理和數據倉庫，我們看到的兩個業(yè)務領域。很不巧我們團隊一直在這兩個領域里一直在很艱苦的耕耘著，其實我們回過頭來看這個問題，你覺得這份堅持和這份耕耘值不值，從我們團隊11年底大概有200人的團隊規(guī)模發(fā)展到現在，能看出來其實客戶對它的認可度是在逐步增加的，從這個圖我們再看一個點，包括數據管控與治理，以及未來傳統的關系數據庫和大數據融合，其實它處于類似相同的領域，而且這兩個領域逐步發(fā)揮價值，下面給出了評價就是5到10年，這代表了這個技術在行業(yè)里面走向成熟的一個過程，一個期限。同時也代表了這兩個技術其實在某一個客戶端開始被采納到它真正的大規(guī)模發(fā)揮價值的過程。其實這個過程比較漫長，5到10年。

　　為什么今年我們開始把數據管控治理放到第一位來談，其實有很重要的原因，我大概是從07年、08年做完農行和建行的數倉之后開始探討數據管控和治理，但是當時在這個點上很少有人會大規(guī)模的重視，而且我們所謂理論的成熟和平臺的成熟也是隨著在跟客戶逐步探討的過程中衍生出來的，不是說平白無故的有了這么一個平臺。這些年來特別是從09年和10年之后，你會發(fā)現數據管控和治理大規(guī)模的被銀行業(yè)去探討，特別是10年銀行業(yè)開始談，整個從人民銀行推動的金標工程和銀標工程，我今年年初跟人民銀行做過一次交流，人民銀行的信息中心談一個什么呢，國家給它一個任務，一行三會的協同監(jiān)管，其實一個商業(yè)銀行體系跟一家商業(yè)銀行來看待數據上他們遇到的問題是一樣的。也就是說當人民銀行被賦予這個責任去派一行三會協同監(jiān)管的時候，他才發(fā)現我不要說證券和保險，我連銀行業(yè)自身的數據都沒有搞清楚，我們有的只是一個一個獨立的中心，比如說征信、反洗錢等等，它按照統計結果得到一些數據而已，能夠解決在這種突發(fā)事件問題下和整個系統經營風險的問題下，我們針對整個銀行體系的風險評估嗎，解決不了。我們能夠把各家商業(yè)銀行報上來的一些數據簡簡單單做整合加工嗎，也解決不了。

　　剛才講了全行業(yè)推動數據管控治理，今年年初人民銀行找我聊了一次，說南海副總理去人民銀行檢查的時候給了一個口號，說要由人民銀行牽頭做一行三會的協同監(jiān)管，這個時候其實四家機構都抓瞎了，為什么？因為他們自身的數據整合做的不好，更不要談一行三會協同的監(jiān)管，所以在這個點上，我們會發(fā)現人民銀行還在全力推金融標準化工程，今天早上我接到一個電話，說銀監(jiān)會要求行業(yè)協會組織去論證行業(yè)及大數據平臺的構建，證監(jiān)會從今年年初開始做大的行業(yè)監(jiān)管數據平臺，才啟動行業(yè)及數據模型和數據標準的梳理，下周被約了一場去保險行業(yè)協會下面的信息公司去談保險業(yè)的行業(yè)數據整合事情，所以這個時候你會發(fā)現，當監(jiān)管機構對管理信息的上收，面向風險和監(jiān)控領域的數據的上收有要求的情況下，其實各個商業(yè)銀行會被要求，所以我們講第一塊要求完全來自于監(jiān)管部門，而且這個推動的力度，在未來相當長一段時間內會非常非常大。

　　第二塊是內部決策分析，商業(yè)銀行的內部決策分析確確實實遇到了很多問題，我們做CRM的時候，無法做客戶的整合，我們做管理會計時，找不到那些所有分攤規(guī)則的被搭建的關系，也就是這個交易通過什么渠道發(fā)生，哪個系統支撐，這些關系我們沒有，我們怎么做費用分攤呢？做不到。風險領域做計量的時候，早期給工行做平臺，整個企業(yè)財務報表里面，對客戶錄入的前三財務報表很多信息是錯誤的，不真實的，包括表間的勾兌關系都不匹配，你怎么能做對功課呢？因為你拿不到他準確的資產負債比和償還率，這是最基本的指標。我們在這個領域里面，確確實實也遇到了很多問題。

　　第三個領域是系統建設，系統領域確確實實大規(guī)模在做，而且很多城商行現在開始考慮新一代核心系統的構建，也有一些銀行在走，走在前面，但是回過頭來看，股份制層面在做這個過程中有什么樣的體會，會發(fā)現真正系統是推上去了，成立了產品工廠費用工廠類似于這種概念的定義，但是產品真的被定義出來了嗎？上了一個新核心，真正的解決了與系統之間功用代碼一致性的問題嗎？我們在推動新一代核心建設之前，我們針對自己數據在產生點應該被規(guī)范化的訴求，是不是可以，其實都沒有，因此我們會發(fā)現，當我們系統建好之后，無論是數據移型還是后續(xù)業(yè)務又產生了新的數據，放到數據平臺里面還是不滿足統計分析的訴求。

　　所以在這種情況下其實我們認為數據管控治理體系是應該被做，數據管控治理理論上是軟科學，是屬于管理學科和信息學科的交叉學科，這個東西我們?yōu)槭裁窗阉�這兩個點都放在前面，確確實實是我們整個解決方案最重要的兩步，但是我們一般在講這兩個解決方案時，都很難為什么？因為我們講書記平臺構建也好，數據管控治理體系也好，都屬于企業(yè)的基礎建設，所謂基礎建設就是沒有最晚，只有更晚，我隨時啟動都可以，我越啟動前面留下來的歷史包袱越重，但是我當時不啟動也沒問題，每一個應用都可以基于原系統直接抽出去建設，都可以，所以這個數據管控治理是一個管理類的學科，它是一個基礎性的工作，因此不是太好做。

　　在這個領域我剛才講了我們的業(yè)務拓展，在這個領域里面有一個比較好的最佳實踐是廣東發(fā)展銀行，他們也是多次受銀監(jiān)會表彰的一家企業(yè)，在這個領域，他們記材上面成立了專門的數據管控部門，數據管理中心，我們從2010年跟他做合作，從前期的管控咨詢開始，去構建數據管控的組織架構和流程，到數據標準一期的定義，一般商業(yè)銀行在數據標準一期里面都會選擇客戶公眾代碼這樣的主題，當然另外一些主題也可以被選擇，到二期數據標準的咨詢。

　　然后我們幫他構建了基于原數據管理，數據質量管理，數據標準管理，數據需求管理一維一體整合在一起的數據管理平臺，去支撐上面定義的組織流程的實現，到后續(xù)我們從2012年6月份開始啟動數據專項治理，到目前為止我們長期有一個團隊幫廣發(fā)做一項一項數據質量問題原因的分析以及治理推動，這四件事情構成了我們在廣發(fā)在數據管控領域的最佳實踐，我們目前在其它銀行推動的這個領域最佳實踐也是沿著這個思路做的，也是由前面三個體系的打造去支持最后一件事情。

　　當然我們談到數據管控治理的時候，先談第一件事情，就是管控的組織架構體系，對于一個國家來講，社會來講，政府機構部門來講，我們要把環(huán)境治理的非常好，其實有的是像環(huán)保局這兒一個政府組織機構，它承擔的是環(huán)境領域的綜合體系的評價以及一個一個環(huán)境治理項目的推動，同時它還要達到針對持續(xù)性的監(jiān)測以及后續(xù)防范的體系，也就是對我們看數據的角度來講，跟環(huán)境治理是一模一樣的，我們希望有的是前期的綜合評價，組織架構的梳理和流程的梳理，推動一件一件事情，同時也要做一個長期監(jiān)控的體系，以及防范與未然的體系，因此我們構建管控的組織架構有點像管理類的職能部門，從管控被咨詢的組織架構角度講，整個管控咨詢我們沿著關于數據管控類的組織框架，這個里面首先我們會定義數據管控的目標和原則，大家知道這兩天開四中全會法治社會，包括這兩天我也特別喜歡看一本書，看一個電影，那個電視叫《大秦帝國》其實它談的商鞅變法的第一步是法治。

　　這次四中全會里面有一句話“憲法為綱要”，也就是我們做數據管控治理首先要定義的也是我們的綱要，就是我們做數據管控治理的目標是什么，我們的戰(zhàn)略規(guī)劃以及原則是什么，接下來要構建的其實是多維度的數據管控體系，我們先看這兩個角度，其實它談的就是中國人理論上講的三定，定組織，定崗位，定職能，這一部分是我們說的整個活動環(huán)節(jié)的定義，制度與流程，有了這部分定義以外，接下來就是工具支撐以及在管控領域要用同業(yè)的最佳實踐，告訴你別人是怎么做這件事情的，我們應該借鑒別人好的地方，吸取他的教訓。所以這是管控咨詢的一些基本框架。

　　然后我們再來看管控組織架構的思考，管控組織架構我們在很多次跟大家講的過程中，數據管控絕對不是科技部門一方的事情，也不是記財一方的事情，我們希望管控有層次化的組織架構體系，這個組織架構體系要有整體的治理委員會，要協同業(yè)務、科技、運營管理多部門能力的管控委員的構建，中間要有實體化的部門，下面應該有具體的每一個崗位職能的設定。這是一個管控組織架構案例的參考，大家每家企業(yè)針對自身的管控組織架構定義出來，跟另外一家企業(yè)會有差異性，我們通常來看國內企業(yè)在管控組織架構設立里面，無非三種模式，一個科技下面的獨立二級部門，一個是記財下面的二級部門，還有中間一個一級部門，這三種模式各也利弊，應該根據每個企業(yè)歷史上的一些延續(xù)特征選擇性的構建，但是你要講實際來說，數據管控既不是純技術的事，更不是純業(yè)務的事，它是一個技術和業(yè)務交叉，又有很多數據管理方法在里面的一件事情。

　　我們看第二部分方法流程和模板，我們在談流程制度的時候，我們會這樣思考問題，首先我們要想清楚這件事情怎么做，也就是方法論的問題，管理辦法，包括數據在各個領域的管理辦法，應該先討論清楚，第二個管理流程和制度，依托以管理辦法我們開始制定流程，管控流程，管控流程應該有一系列的技術規(guī)范和模板支持他做實現，所以這是制定整個數據管控流程的完整過程，包括這三部分，先談方法，再定流程最后做實現。

　　但是這個里面我們也有一些教訓，我跟國內某家股份制銀行接觸時，他們應該是四大幫他做了一個資訊，在這個里面遇到了一個很大的問題，他們前期梳理了一堆的管理辦法，后期發(fā)現基本上都很難落地，因此在這個領域我從來不建議客戶，你應該定義十個，八個管理辦法，而是根據你當前在執(zhí)行過程中最有問題的點制定一部分管理辦法，沿著這些管理辦法選擇性的做推動，我們做事情的時候，永遠花20%的力量解決80%通用性的問題，而不是花80%的經歷解決20%最難解決的問題，所以管控從制度建設上有一個循序漸進的過程，只有把一個流程完完整整走順了，才會發(fā)現其實每一個流程執(zhí)行都挺難，因為站在中國人的立場上，管理的東西是需要協調的，需要大量的協調性工作，需要這個數據管理部門有協調技術和業(yè)務的全方面能力，這個真的不是一件很好做的事，所以在管控制定上一定不要追求量，而是追求質的問題。

　　這是一些樣例我們就不再講。接下來講管控領域的三個最重要的概念，第一個概念數據標準，數據標準我們認為它是解決數據領域的度量衡的問題，換句話說我們說這個企業(yè)數據質量好與不好，其實有尺度衡量，我們做數據質量的治理最終也有目標，其實標準就是解決這個問題，是數據的度量衡，但是在這個里面講一段話，什么叫度量衡，其實秦始皇統一了中國的度量衡，我們目前用的也不是秦始皇統一的度量衡，我們用的是國際頒布的一個標準，為什么在秦始皇那個點上制定的是中國范圍內的度量衡，而我們用的是國際范圍內，也就是標準其實在一定范圍內被大家認可達成共識的東西，本身并不是標準，只是達成共識了，在銀行定義數據標準的過程中，在于我們把技術和業(yè)務針對數據發(fā)生點它的真實的含義以及它應該具有的屬性狀態(tài)被定義出來，大家達成共識的過程。也就是說我們無論給任何一個企業(yè)定義數據標準很容易，為什么？把給別的企業(yè)定義好的樣板拿過來給你，80%、90%可用，但是少了一個大家達成共識的過程，所以標準應該是咨詢的產出，我隨便拿一個東西你照樣可用，但是推不下去，這是客戶標準的樣例，這個今天不展開講了。

　　標準里面除了基礎數據標準化以外，還有指標數據標準化，關于指標數據標準化，我們要強調一點，目前我們看到指標數據標準化，確確實實能夠在銀行的統一報表平臺，統一監(jiān)管報送體系還有面對機構的KPI管理，這些領域備用的一個點，所以這一塊我們一般會構建指標體系去基于數據倉庫支持指標的構件，依托于指標部去支持各個領域。

　　我們接下來看一下標準管理的系統實現，其實標準管理我們講它是一個極其簡單的系統，從開發(fā)上也不復雜，只解決一個問題，也就是我們定義完數據標準之后，我們需要有針對數據標準的增刪改查的功能，然后我們定期要管理我們所定義好的數據標準在真實的系統里面被影射，在采納，被使用的過程，所以這個東西就是標準管理平臺該做的。

　　我們再看管控里面的下一個題目，就是千奇百怪的數據質量問題，我可以舉行八個十個例子，但是產生的原因都不一樣，比如我們最早幫光大銀行定義為客戶主題數據標準化的時候，關于客戶被識別的三要素證件類別代碼，證件號和姓名，其實在光大銀行的十大個人系統里面，關于證件類別代碼的定義都是不統一的，如何把這些東西能夠統一做，有統一的定義被執(zhí)行，支持你單一客戶的整合，他只這一個代碼的治理大概花了幾十個人員的時間，這就是一個典型的數據質量問題。所以數據質量其實是特別不好解決的問題，等會兒我講數據質量專項的時候大家會發(fā)現，依托于我們定義的數據管控的整體框架我們去推動數據質量治理的過程，其實是一個一個問題獨立的被分析，找解決方案，推動治理的過程，這個需要做的是長效，這個里面我們會提兩個點，第一個點關于數據質量的KPI，說數據質量會提一致性問題、準確性問題，及時性的問題，有效性的問題，這些所謂數據質量的一個個緯度，其實都可以被這個領域內的一系列數據質量規(guī)則去支撐，比如說我認為一致性的問題，我們垮系統之間的數據一致性，更多反應在主數據編碼以及功用代碼體系的一致性，我就可以把銀行這個領域的一個一個的數據質量規(guī)則拿出來統計一個指標，這就是數據質量一致性的指標，這樣的話我們可以構建一個數據質量的KPI，這是講的第一，因為構建數據質量的KPI體系是量化你數據質量的過程。

　　第二點任何一個數據質量在被治理的過程中都應該有一個目標，當然標準是理想目標，但是你達到標準到底是70%就可以滿足業(yè)務分析還是達到90%才能滿足業(yè)務分析，這需要被定義，這是質量里面我們要關注的兩個點。

　　這是我們在廣發(fā)做的典型數據質量問題，大家可以看出來，基本上所有數據質量問題，包括檢查出來的，還是銀行統計出來的，都會沿著產生問題原因的分析治理的進展，包括錯誤代碼錄入的修復還有系統設計層面的問題，逐一的被分析和整治。

　　下面在談管控領域的另外一個概念叫原數據管理，這解決什么問題？其實在企業(yè)里面解決兩個問題，第一個問題是關于企業(yè)整體數據資產的信息瀏覽和查看的問題，也就是你每一類數據資產到底在哪兒如何被定義，如何被存儲，可以由原數據來做管理，第二點解決整個數據加工鏈條管理的問題，從原系統的數據產生抽取加工實現報表，它有一個完整的數據鏈，加工鏈，這個鏈條應該被管理，因為原系統一旦發(fā)生改動之后，會對一系列的下游產生影響，而這個影響過程是持續(xù)性的，而且是長期大量存在的問題，我們跟很多商業(yè)銀行一開始在構建數據平臺的時候，都會談一個問題，ODS特別辛苦，特別難，為什么？稍微不告訴我它變了，我們天天在生產上加班，修復，去改大的，去修復這些已經產生的，被加工過錯誤的數據質量問題，這是很平常的問題，然后他們被告知說我們上原數據管理，只要能上原數據管理這個問題就解了。

　　這個問題是不對的，為什么？不是不對，但是我認為欠妥，我個人的主張從來不建議一上來就上原數據管理，因為當你沒有把企業(yè)及原始業(yè)務數據字典以及在加工過程中通過開發(fā)的規(guī)范化管理產生的原數據，被記錄和被管理下來，你其實做原數據管理一點都無項，是因為你是可以構建一個平臺，但是你沒辦法持續(xù)性的對它做管理。

　　所以我們在原數據管理領域里面，更愿意推動在構建的初期，我們做一些規(guī)范化的梳理，去約束你的數據字典定義，約束你的模型設計，約束你的影射，約束系統投產的過程，通過這個東西達到原數據原始產生點的一致性和規(guī)范性，然后等人工流程能夠實現的情況下，我們再借助于系統，這樣你原數據管理系統會走的特別順暢，因此我們不要做前期馬馬虎虎上系統，然后把它扔掉，我們拍腦袋又說，說原數據其實壓根沒用，其實不是這么回事，我從2007年工行開始建原數據管理系統，首先構建的是數據倉的原數據管理，又跟他原系統企業(yè)級原數據管理做對接，去真正打造了企業(yè)級的原數據管理，而工行這個項目是2013年才拿出來去銀監(jiān)會銀行體系評價，他走了多少年的路，而且我認為工行的IT領域在國內是走在最前面的。所以這個領域我們一定要嘗試的是，管理制度流程和規(guī)范的梳理，先推動然后再構建系統，千萬不要急于上系統，這是原數據的一些影響性分析和分析鑒定。

　　最后想強調一點是整個數據管控體系其實跟IT管控體系是不可剝離的，因為數據管控要依托于系統去實現，同時它要實現的是對你系統產生的管理過程，而這個系統其實是由IT管控體系去約束和控制，所以這兩個體系其實不能剝離，而是應該逐步的走向融合，所以這是為什么我們講有很多企業(yè)把數據管理部門構建在IT部門的原因，完全可以做，但是需要在業(yè)務管理上更好的對話，當然同樣設立在業(yè)務部門內的數據管理部門，同樣應該由科技管理崗跟科技事先有很多對接，而且坦帥的說早期的數據管控與治理有時候從科技角度逐步推動解決一些問題，從系統基礎建設解決信息問題，反而會更加有效。

　　最后借助于剛才陳述的評估圖，我把前面的東西跟大家做簡單介紹。前面我們講了平臺建設、管控與治理，其實整個企業(yè)級數據治理，從數據倉庫的構建這兩個緯度來看問題，我們去看這條曲線它是如何定義的，這條曲線我們稱為技術成熟度曲線，同時我們又把它叫做硅谷曲線，它講的是一個技術當它被發(fā)現的時候，大家會瘋狂的炒作，讓它達到一個高度，當達到一定高度的時候，我們又開始冷下來了，我們去擠泡沫覺得這個技術沒用，我們逐步再放棄，有些客戶在這個過程說這個技術沒用，我選擇放棄，有些客戶會沿著這個過程中堅持，堅持完了之后，其實這條走到這兒之后，逐步開始發(fā)揮作用，舉一個典型的例子，早年我們在銀行講的SOA架構就經歷過這個曲線的發(fā)展，因為SOA一開始提出來的時候，大規(guī)模的炒作，其實商業(yè)銀行很多都沒用，逐步不炒的時候，我們現在做系統構建過程中，是不是基本上都考慮SOA的架構呢？應該是這樣，所以我們講企業(yè)數據治理也好，還是那句話，它是兩個基礎工程，應該被堅持，基礎性的工程都是前期投入大，產出小，后期你會逐步看到它產生的效果。講完這個其實最終跟大家強調一點，我們今天為什么把管控治理這個專題放在了第一場來講，是因為確確實實我們從商業(yè)銀行當前的實踐中來看，無論是外部的監(jiān)管報送的壓力，以及商業(yè)銀行真正的從ED市場化和互聯網金融沖擊下，從粗礦式發(fā)展走向經濟化經營管理過程中其實數據的質量問題真正影響到了你，所以你不得不解決數據質量的問題，解決數據質量的問題靠什么，靠管理治理，謝謝大家。