数据治理连载漫画：什么是数据质量？（下）
为什么要提高数据质量
01
为了发展健康的社会经济，
政府对数据质量的要求日益严格。
2018年银保监会发布
《银行业金融机构数据治理指引》
意在引导银行业
加强数据治理，提高数据质量，
发挥数据价值，提升经营管理水平。
02
应对经营管理，数据洞察力成为银行核心竞争力。
数据管控是和数据整合、数据应用并行的重要工作。
数据仓库是形成数据洞察力的重要技术组件，
是企业信息框架中的关键一环。
但企业可持续的数据能力与良好的数据标准
密不可分。
数据质量的问题有哪些
01
省联社各级机构较多，岗位分工繁杂，
缺乏数据质量预防的意识。
因而在数据“生产”过程中，
未能按照标准规范去填写，
这些“脏”数据不断地被加工使用，
整个过程中又缺乏数据质量管理，
引发大量数据质量问题。
02
在金融创新进程的不断深入，
金融产品也日趋丰富，
各类业务呈现出复杂的管理关系。
一些业务难以界定牵头管理部门，
导致跨部门的数据质量问题解决慢、效率低。
严重影响了监管当局的要求，
也无法适应快速变化的业务需求。
03
数据高度集中的一些管理系统、
数据平台或报表集市，
其数据源众多．加工流程复杂，
随着新业务产生和上游系统的不断变化，
数据质量存在波动。
银行数据质量如何应对解决
01
事前原则
以监管政策为抓手，宣贯治理文化。
省联社在高级管理层下成立了
“数据治理工作领导小组”
形成了跨部门协作的数据治理问题沟通解决机制。
依托于省联社数据标准管理办法，
应重点关注IT系统的建设开发、
架构管理主数据标准管理几方面，
主数据这一点上更多应关注数据存在哪里，
怎么避免重复，怎样避免数据多头维护等问题。
同时各业务系统方应参照执行
已制定的数据标准规范，
从事前行为做好数据质量管控工作。
02
事中原则
在IT系统建设投入使用时，
应当根据《xx系统用户使用流程手册》
对基层业务人员进行知识培训，
可避免数据部分信息缺失、数据存在异常值等情况，
在数据录入环节避免产生“脏”数据。
03
事后原则
关注管控平台的检核规则持续提炼。
对各类数据问题进行梳理分析，
形成《数据问题信息清单》，
制定解决方案和计划并定期维护此清单。
通过收集->定位->执行解决->反馈这个流程
应用到实际的工作当中去。
04
持续性保障
将治理文化融入信息系统开发流程。
数据生命周期是数据质量提升的切入点。
通过《山西农信软件开发管理细则》，
确保项目团队在数据质量的源头、过程中
得到有效保障，
解决过去数据治理工作中出现的
边“建设”、边“污染”、后治理的模式。
数据治理连载漫画系列文章，欢迎点击阅读：
本文来源山西农信 点击文末阅读原文，获取更多干货好文 觉得本文有用，欢迎转发分享，谢谢
<END>
2、数据质量专项治理在政务大数据中的应用实践3、主数据管理（MDM）项目建设落地方案
4、数据中台建设方案（PPT）
5、普华永道：企业如何构建数据资产价值管理体系？（附下载）6、企业级数据治理解决方案（PPT）7、别刷快手了，快来看看它的数据中台是怎么建设的8、华为数字化转型与数据管理实践（PPT）
9、阿里数据中台解决方案（PPT）10、建设大数据平台，从数据治理谈起11、数据资产盘点+数据治理+数据价值实现=数据资产管理运营12、京东全域大数据平台的演进与治理历程（PPT）13、万字长文详解数据仓库架构和建设方法论14、数据治理已成为数据中台的必争之地15、数据被污染很可怕？看看蚂蚁金服的数据治理之道
数据学堂