- 数据分析
- 数据治理
- 产品解决方案
- 行业解决方案
- 案例
- 数据资产入表
- 赋能中心
- 伙伴
- 关于
时间：2023-11-03来源：互联网浏览数：57次
在数据治理项目启动之初，我们针对全行范围进行了一次调研，对我行数据治理成熟度进行摸底，了解日常工作中数据使用时存在的主要痛点和诉求。
在不同部门、不同业务系统以及不同领域的机构间，数据缺乏流动性和共享性。
来自不同业务、不同时期的数据，在用途、结构、价值和质量水平等方面差异较大，导致数据的提取、整理、使用和分析存在困难。
目前大部分可利用的数据依然是传统业务产生的数据，而外部数据源拓展不足，缺乏更高层面的统筹协调来支持全面的数据分析和使用。
在业务快速发展的同时，日常经营活动中产生的大量数据已经逐步渗透到各个机构部门，成为一种承载组织核心业务的重要资产，因此亟需一套行之有效的治理体系，以保证数据标准及质量、提升数据管控水平、发挥数据价值，实现从“数据可用”，到“数据好用”，再到“用好数据”。
结合这一目标，我们在开展数据治理活动时将从数据治理体系建设、数据标准制定、数据质量综合提升多方面切入，结合数据管控平台的落地，以提升全行数据治理水平，在满足监管要求的同时，为我行业务创新、经营管理、风险控制等方向提供数据赋能。
搭建体系主要包括组织岗位、制度流程、评估考核、工具平台。
组织架构：简单分为决策层、管理层和执行层。
制度流程：与数据生命周期相关的各种政策、制度、细则和表单。
数据治理基本制度：本行最高层次的数据治理政策，是为指导全行数据治理、管理活动和防范数据风险的基础性政策。
数据管理专项制度：依托数据治理原则与组织架构职责，根据数据管理各专项领域的工作特点，制定各专项领域的管理办法，指导各项工作的有序开展。
数据管理细则与操作手册：以各专项管理办法为基础，进一步细化至各项工作的操作流程。指导一线工作人员按照规范化流程开展数据管理工作，为数据管理和提升奠定基础。
考核评估：将数据治理纳入全行绩效评估体系。
数据治理考核需明确其在全行考核体系中的目标与定位，确立牵头部门、辅助部门以及考核主体。考核指标体系的设计应当做到公平客观，奖惩并重和逐步推行，不仅要求“问责”，而且还要求“激励”。
数据治理工作应源于业务、价值回归业务，通过持续数据架构优化、实施数据类项目、业务部门应用数据进行分析显现成效。在全行培养数据文化，激发应用场景的创新能力，推动数据应用的设计、实施、完善与维护的过程中，数据治理工作的价值能充分体现出来。
上一篇：数据治理与数据基础制度建设...
