中小銀行數據治理做不好，是問責機制和考評績效體系的“鍋”？

作者 | 田清明

相較於國有大型銀行、股份制銀行而言，中小銀行數字化轉型成效甚微，尤其是在數據價值變現方面與大行的差距尤爲明顯；究其原因是中小銀行業務粗放發展所帶來的數據質量差的問題，導致數據不能有效成爲新生產要素髮揮關鍵作用。因此，本文將以中小銀行的視角來剖析如何有效開展數據治理工作，帶動數據質量提升，夯實數據要素作用。

隨着《銀行業保險業數字化轉型的指導意見》（如下簡稱《指導意見》）的發佈，爲中小銀行開展數字化轉型工作建立了完整的轉型框架以及轉型的主要能力建設要求。其中，數據能力建設在《指導意見》中獨佔了一個章節，而整個章節中的 3/4 都在定義對數據治理能力的具體要求，這代表了數據是數字化轉型中很重要的一個組成部分，而數據治理則是數據作爲新的生產要素是否能發揮作用的關鍵。因此，數據治理能力建設是中小銀行數字化轉型必須關注且需要重點開展的工作。

爲幫助中小銀行客觀認識、理解並有序開展數據治理能力建設工作，本文將以筆者 20 餘年在銀行信息化、數字化、數字化轉型工作中的實踐與思考，以“剝洋蔥”的方式一層層深入展開：從中小銀行數據治理能力現狀剖析入手，找出中小銀行數據治理能力成效不彰的共性關鍵問題；再對關鍵問題進行深入剖析，找出產生問題的背後原因；最後，圍繞問題產生的原因給出解決方法，即對中小銀行如何能形成數據治理體系化能力給出發展策略的建議，提升中小銀行業務規範性，夯實數據質量。

數據治理能力建設是

中小銀行數字化轉型的基礎

在開始深入剖析中小銀行數據治理能力 現狀以前，必須首先要回答銀行數字化轉型工作爲什麼會與數據治理相關，才能找出數據治理的核心關鍵點，進一步才能深入分析出中小銀行數據治理工作真正面臨的挑戰與遇到的關鍵問題。

那數據治理爲什麼會出現在《指導意見》中呢？

除了我們能馬上想到的通過數據治理提高數據質量之外，還有什麼？

筆者認爲：數據治理能力建設是推動中小銀行開展數字化轉型工作的基礎。中小銀行 在過去粗放式的發展過程中，業務辦理只要能快速完成業務全流程，類似於客戶的身份證號、地址、聯繫電話等信息統統輸入 12345，業務屬性亂選等現象反覆且經常出現。這些現象帶來的直接結果是數據“髒亂差”，數據質量低且無法使用；而這個直接結果是業務沒有按標準要求全流程辦理，業務辦理過程極不規範所導致的。因此，數據治理所要實現的數據質量提升，實際上本質是要治理業務，讓業務按標準要求規範辦理，這樣在錄入、採集業務數據的源頭纔會“乾淨”，數據質量纔會因爲業務按標準辦理所帶來的數據規範而真正持續、穩步提升；同步地，業務標準化纔有可能抽象出業務架構與模型並通過數字化手段、工具去對業務進行數字化重塑，實現業務數字化。

綜上所述，數據治理它不是一個孤立的任務，而是與業務高度相關，與銀行業務轉型高度相關。通過數據治理工作的開展，就能促進業務標準化、規範化，也就能帶來業務數字化重塑與變革。因此，數據治理能力建設必然是中小銀行數字化轉型的基礎。

中小銀行數據治理現狀與問題

數據治理既然對中小銀行數字化轉型如此重要，那中小銀行具體做得怎麼樣呢？很遺憾，大部分中小銀行並未在數據治理領域有顯著成果，實際數據治理工作進展不明顯。筆者對服務過的銀行數據治理工作進行梳理，對同業數據治理工作的調研、交流情況總結，將中小銀行數據治理共性的關鍵問題總結爲如下三點：一是數據治理架構不完整；二是數據質量管控體系不健全；三是數據標準管理不規範。具體問題表現如下。

（一）數據治理架構不完整

22 號文第三條要求建立組織架構，將數據治理工作納入董事會、監事會、高管層及內設部門的職責中，同時要求將數據治理納入公司治理範疇，建立自上而下的數據治理體系。中小銀行基本都建立了數據治理委員會及下設辦公室，但在實際工作中，委員會未能發揮作用，行領導並不重視數據治理工作的開展；而辦公室則往往是由科技條線在主導與驅動工作開展，未能建立起完整的多層次、相互銜接的運行機制。另外，業務部門作爲本業務領域數據治理工作的主責部門“名不副實”，實際工作中則由科技部或計財部牽頭，進一步暴露了全行數據治理崗位與人員不匹配、制度缺失等問題。

（二）數據質量控制體系不健全

22 號文第二十八條要求建立數據質量控制的問責機制，以及對應的數據質量考覈評價體系，將考覈結果納入本機構績效考覈體系中。不少中小銀行並未明確各類數據的屬主部門，無法建立數據質量控制的配套對高管層及業務部門的問責機制，數據質量控制工作仍只能停留在出現數據質量問題後，科技部門被動“打補丁”的階段；同時，由於數據質量控制的問責機制未建立起來，對應的數據質量考評體系與績效考覈體系就會缺失，數據質量存在着不穩定的風險。

（三）數據標準管理不規範

22 號文第二十條要求建立覆蓋全部數據的標準化規劃，遵循統一的業務規範和技術標準。數據標準應當符合國家標準化政策及監管規定，並確保被有效執行。中小銀行雖然基本都建立了全行的基礎數據標準，但由於沒有數據標準的屬主部門，基礎數據標準得不到維護與管理，僅由科技部門的數據團隊根據其認爲的數據標準在做日常的貫標工作，存在數據標準不被業務部門認可、理解的問題；另外，指標數據標準也是各中小銀行的“重災區”，由於指標的屬主管理缺失，導致指標的統計口徑會由於不同報表、不同部門、不同週期的要求呈現“百花齊放”的狀態。

中小銀行數據治理

關鍵問題產生的原因

中小銀行上述數據治理問題的產生，筆者認爲主要是如下幾方面的原因。

一是中小銀行普遍欠缺對數據治理在戰略層面的思考與認識，即沒有意識到數據治理與業務在數字化時代可持續高質量發展的密切關係，仍是以傳統的慣性思維將數據治理“天然地”歸爲了監管報送，僅與計財部、科技部相關，那麼對其投入的資源與關注度就只會在具體的數據治理系統、工具建設上，以提升監管報送的質量與效率，減少被監管在報送工作方面的約談與處罰。這樣處理的結果就是由於沒有從業務源頭去解決問題，根本的業務問題從未被解決，導致數據質量穩定性差，相同數據質量的問題會反覆出現，數據治理系統、工具能發揮的作用越來越有限。

二是當粗放的發展業務仍可以讓中小銀行的經營業績保持增長，數據質量不佳所暴露的業務不規範問題，通常較難得到全行上下，尤其是經營管理層的重視，導致數據治理工作成爲了“面上的工程”。當經營管理層面臨“是要最近三年的業績增長，業務繼續粗放發展，還是要銀行將來 5-10 年可能的持續發展，從現在開始推動業務規範辦理來正向促進數據質量的提高並讓數據形成有效數據資產爲業務高質量發展賦能”這一選擇的時候，中小銀行普遍會選擇前者，因爲在最擅長與可控的範圍內開展工作是當前最保險且有效果的，變革通常意味着風險以及不可預知的未來。

中小銀行數據治理能力提升策略建議

我們將中小銀行數據治理問題產生的原因再深入去分析就可以發現：無論是對數據治理的戰略高度還是重視程度，其根源均是對數據治理的整體認知不足，即對本文前文所提到的數據治理與數字化轉型的關係認知嚴重不足。因此，筆者建議中小銀行提升本行數據治理能力的策略是：以統一認知爲出發點，在全行達成共識的前提下尋找方法對上述三個關鍵問題進行解決，以此逐步建設數據治理能力，提升全行數據質量，推動全行數字化轉型。

（一）達成全行對數據治理的統一認知

2018 年 5 月，原銀保監會針對數據治理工作下發了 22 號文，即《中國銀行保險監督管理委員會關於印發銀行業金融機構數據治理指引的通知》（如下簡稱《數據治理指引》），共 7 章 55 條主要將治理的組織架構、數據管理、數據質量控制、數據價值實現等 4 個方面做了較爲詳細的要求，同時也指明瞭數據治理工作的思路與路徑。作爲監管機構對銀行業數據治理的完整指引文件，既有權威性又有專業性，該文件對中小銀行而言是可以作爲全行達成數據治理統一認知的重要依據。

因此，中小銀行 需要充分重視該份文件，將該份文件在不同管理層級做深入的解讀，自上而下均既能深刻地理解數據治理的定義，也能對數據治理工作的範圍、具體到部門的職責有框架性認識。例如，爲使全行上下對《數據治理指引》更容易理解，準確把握與數字化轉型的關係，驅動全行均能深入理解數據治理工作，可將其與《指導意見》放在一起來做解讀。

首先，《數據治理指引》可抽象出來如下 5 個重要的要素域來形成數據治理工作的邏輯框架：一是組織架構，定義了以數據治理的組織架構與部門職責要求（指引中的第 8-13 條）；二是人才，要求建設專業數據團隊與數據文化建設要求（指引中的第 14-16 條）；三是業務，利用數據做好業務能力提升、流程評估等要求（指引中的第 21 條、第 38-47，49 條）；四是數據，數據管理、數據質量等的具體要求（指引中的第 17-28 條，第 29-37 條）；五是技術，明確提出要依靠先進的技術（指引中的第 48 條）。

其次，《指導意見》中明確提出了組織（含人才）、業務、數據、技術是數字化轉型工作的框架（本文是圍繞數據治理而展開，《指導意見》的內容就不在本文展開，有興趣的朋友可自行網絡搜索《指導意見》做詳細對比）。

最後，我們立即就能有結論：數據治理的框架與數字化轉型的框架是一致的。那麼我們就可用此思路對數據治理、數據治理與數字化轉型的關係等在全行管理層中進行系統性地解讀與宣貫，以讓大部分管理層對數據治理工作有較爲清晰、正確的統一認識。

（二）基於統一認知解決關鍵問題

在全行管理層基本對數據治理工作達成統一認知的基礎上，以《數據治理指引》、《指導意見》兩份文件爲依據，自上而下開展如下三方面工作，以此解決上述的三個關鍵問題，以達成數據治理對數字化轉型的重要推動作用。

1. 優化數據治理架構

《指導意見》中對於數據能力建設的要求中，再次明確了數據治理工作的重要性：數據治理是數字化轉型的基礎。筆者建議依據《指導意見》中“建立數字化戰略委員會”的要求，在建立數字化戰略委員會的同時，將數據治理委員會調整放於數字化戰略委員會下，並將數據治理工作納入數字化戰略委員會的常態化議事議程中。另外，建議新設一級部門做爲數字化轉型辦公室的落地部門，其工作職責中需包含數據治理的日常工作統籌推進職能以及考覈職能，以數字化轉型的整體要求明確數據歸口管理的問題。

2. 數據質量控制重塑

以《數據治理指引》文件爲依據，確認各類基礎數據的屬主部門，明確數據質量問題整改的主體部門，並依此建立對屬主部門及分管行領導的問責機制。按數據所屬的業務屬性分類，對不同的數據定義其屬主部門，如對公客戶數據、個人客戶數據、賬戶數據、合同數據等按不同數據的業務屬性形成數據分類，對應不同的數據屬主部門，如：公司部、個金部、運營管理部、信貸管理部等，並建立對應的數據歸屬關係清單與歸屬關係明細，由各數據屬主部門主動開展對其相關數據進行數據質量的日常管控工作。對數據的屬主部門及部門的分管行領導建立其管控數據的數據質量問責機制：即發生數據質量問題時，數據屬主部門與分管行領導需要配合數據歸口管理部門（建議一中提到的新設部門）完成數據質量問題的解決的全過程；如出現由於數據屬主部門配合出現問題，以及引發其他問題時，需要對數據屬主部門與分管行領導進行問責。

以問責機制爲基礎，對數據屬主部門建立配套的數據質量考評體系以及績效體系，推動數據質量持續提升。建立在數據屬主部門數據質量問題整改情況的考評體系是推動數據治理工作的有效起點，建議對主要的數據屬主部門按年進行數據質量問題整改率的考評，並納入績效體系中，即：

部門數據質量問題整改率 = 當年數據屬主部門整改的數據質量問題總數 / 數據屬主部門相關的數據當年所產生的所有數據質量問題總數

同時在部門年終考評中，拿出一定分數考覈分作爲數據質量問題整改率是否達標的考覈得分，制定每個部門數據質量問題整改率達標率作爲考覈指標，操作達標率即能得分，不達標則該項考覈得分爲 0。數據治理的考覈分差距應能對部門年終考覈帶來巨大挑戰，各部門纔會真正重視數據質量的工作。

3. 完善數據標準管理

確認基礎數據標準、指標數據標準的屬主部門，明確數據管理的主體部門，並依此建立對屬主部門及分管行領導的問責機制。梳理全行基礎數據標準、主要的業務指標與口徑，明確標準以及對應的屬主部門，以此建立數據標準管理的問責機制，即數據標準的屬主部門需要對數據的命名、類型、長度、計算口徑等進行統一管理（包含數據標準的定義、修訂、發佈等），如發生數據標準問題則由屬主部門負責。根據全行的管理能力與水平，擇機建立數據標準管理、元數據管理平臺，實現對本行數據資產的數字化高效管理。

總 結

由上述數據治理的工作建議可知，都是實實在在要乾的事情，方法論與路徑都很清晰，沒有捷徑可走，也沒有花裡胡哨、高大上的內容。能不能做好數據治理工作的關鍵就是要解決思想認識的問題，然後認認真真去落實上述工作，逐步持續推進數據治理工作，持續下去以達成從量變到質變的突破。

文末，筆者再多總結一句：數據治理是一項很龐雜、體系化的工作，不能通過一篇文章的幾千字，就能全貌性、顯現地爲大家帶來完整、體系、全面的內容，此文僅是以“問題 - 原因 - 解法”的思路對數據治理做一次拋磚引玉的介紹，希望此文能對您的工作有一定幫助。

作者介紹

田清明，23 年銀行業信息化、數字化相關工作經驗，以國內知名解決方案廠商、銀行甲方、諮詢方等不同身份長期服務於中國銀行業，在銀行數字化轉型的規劃、業務、科技、數據等領域具有豐富的理論與實踐經驗；基於豐富的實踐經驗，梳理創設了區域性銀行數字化轉型的方法論體系，獨著《區域性銀行數字化轉型：方法論與實踐》一書，不僅得到了行業內衆多銀行機構的高度認可，還多次受多所 985 高校邀請，爲在校研究生、金融機構培訓學員等授課“銀行數字化轉型”的課程，並多次帶領課題組對監管部門等機構安排的課題開展研究工作。

福利通道

關注「InfoQ 數字化經緯」公衆號，回覆「案例」領取 《行知數字中國數字化轉型案例集錦》。

關注「InfoQ 數字化經緯」公衆號，回覆「進羣」加入數字化讀者羣交流。

關注「InfoQ 數字化經緯」公衆號，回覆「抽獎」可以參與本週活動，有機會獲得精美禮品。