规避FB数据危机，探析银监会数据治理指引落地路线

 

　　数据资产管理五星模型从一开始就提出建立企业层面高层管理者领导下的独立数据治理组织和机构。在建立企业数据治理组织之后，从数据架构、数据治理、数据运营、数据共享、数据变现五个层次从浅入深逐步推动企业数据管理的相关工作。此外，模型最后两个阶段还强调了数据变现和价值化的重要性，提倡推动数据在企业内外的流动，让数据真正资产化，令数据保值和增值。五星模型与《指引》监管要求不谋而合，是明确数据治理架构、明确数据管理和数据质量控制、全面实现数据价值的具体落地实践。

 

　　纵观传统企业数据治理十余年的沧桑历程，数据治理首先要做的是数据架构管理。

 

　　数据架构管理，也就是数据模型及模型与模型之间的管理。数据模型管理不当，不仅对后期数据治理造成数据一致性差、准确性差的麻烦，对生产业务库也会造成性能和稳定性隐患。

 

　　因此数据模型在应用建设前期应由数据架构团队与应用团队、开发团队、数据库管理团队共同确认，在《互联网+时代的金融数据库规范运维》一文中曾写到“数据库规范化运维，不仅要让数据库活着，还要让数据库维护人员活得更好”，数据架构作为企业架构最核心的一环，规范化数据库运维能够帮助数据架构管控得更好。

 

　　规范化数据库运维是数据治理取得成功的基础，数据架构管理、数据治理和数据运营的成效进一步提高企业数据共享和数据变现的价值，增强风控管理能力，提升银行的经营管理效率。

 

　　四、笔者看法

 

　　笔者认为本次发布的《指引》只是当前IT业界数据资产管理浪潮中的一个缩影。

 

　　随着大数据纷纷在各种传统企业落地，许多传统企业也几乎同时发现了其数据管理中存在的短板，例如：数据黑盒现象、数据孤岛问题、数据质量低下、数据安全问题突出、数据无法有效互联互通等。

 

　　这些问题并非个案，笔者认为是过去20年我国企业信息化过程中所普遍存在“重建设、轻规划”，“重功能、轻管理”的粗放式的IT信息化建设所致。

 

　　近年来，笔者越来越感受到数据治理行业即将井喷的气息，包括能源、电信、制造业、金融、教育、政府等来自于全国不同行业企业和组织开始着手数据治理规划，建立自身的数据治理和管理组织，建设适合企业和组织自身的数据资产管理平台，并启动相关治理管理活动开展。

 

　　笔者所在的公司新炬网络在数据资产管理领域已经深耕多年，面对众多传统企业目前面对数据黑盒、数据孤岛、数据质量低下、数据泄露等问题，结合大数据平台、数据资产管理能力以及相关的工具，规划了一整套大数据及资产管理解决方案。

 

　　数据如何“存”?

 

　　大数据平台主要解决的是数据如何 “存”的问题，在大数据平台为核心的技术架构支持下，通过构建统一且全面的企业内外数据整合、清洗、汇总、关联和分析体系，解决海量结构化和非结构化的数据存取、处理相关问题。根据企业的特点和现状，重新规划和构建大数据平台。

 

　　大数据平台首先将来自于企业内、外部的数据采集到大数据平台中，这些数据既包括来自于各种数据库中的结构化数据，也包括如文本、音视频等非结构化数据。数据在大数据平台中经过多次不同的清洗、处理、汇总、关联等不同的数据处理操作后，存放在大数据平台中，为各种数据应用和分析做好准备。

 

　　数据如何“管”?

 

　　数据治理及安全管理解决的是数据如何“管”的问题，致力于打破数据孤岛，强化企业数据安全管理，为企业数据化运营提供安全和高质量的数据环境，更好以数据驱动业务和服务的发展。

 

　　根据大数据平台及其他应用系统构成完善的数据资产管理体系，其中的核心是元数据管理。通过元数据梳理和自动化采集，将来自于企业不同地方的元数据统一采集到数据资产管理平台中，并且在此基础上进行数据标准管理以及管控数据质量和数据安全。

 

　　数据资产管理的目的在于通过各种数据资产的管理，为企业大数据平台和数据应用场景提供一个清晰可读、高质量、以及安全可靠的数据环境，它为大数据应用的基本蓝图。

 

　　数据如何“用”?

 

　　数据分析和数据共享解决的数据如何“用”的问题，建立数据分析和共享体系，加强企业数据数据分析和应用，提升企业数据交互活动、促进数据资产的流动与增值。

 

　　大数据平台还需要提供各种强大数据探索和分析能力，包括各种BI组件，为企业运营提供业务大数据可视化分析;基于大数据的秒级检索能力，各种数据旋转透视表、机器学习算法和数据大屏让企业不同级别的数据使用者可以使用、分析和挖掘大数据平台中的数据。

 

　　数据是一种资产，只有流动起来，其价值才能不断提升。构建全面的数据共享体系，将加强数据在企业内的互联互通。数据共享促进了数据在企业内的充分应用，提供了数据活性，让数据持续保值和增值。

 

　　可以大胆推测，《指引》将银行业金融机构的数据治理/数据资产管理纳入公司治理，将数据治理评价与监管评级挂钩，是将数据资产报表作为企业第四张报表的前奏!