将数据价值管理作为数据治理的目标

在实践中，技术部门和数据管理部门遇到的一大难点是各部门抱怨数据缺失、数据质量问题，并将主要责任和治理工作推给这两个部门，数据治理很难深入，数据治理成本增加，边际收益曲线快速递减。在数据仅作为一般性的统计、分析、监管报表报送的情况下，这种现象实属正常，毕竟业务部门有其各自的业务价值目标和职能分工，当数据的采集、加工、存储和质量控制成本大于其收益时，或者数据治理仅仅是质量管理活动的话，是很难得到各业务部门的真正认同的。唯有当数据给业务带来价值时，数据治理才能上升到战略层面，成为业务部门的自觉行动。因此，应清晰定义数据治理的目标，将数据价值管理而非数据质量管理作为其目标。具体有三点建议：

一是，建立数据价值评价模型。目前，大部分银行都建立了企业的主数据和数据的认责部门，在此基础上，可以再增加价值分析维度，根据数据使用频度、重要性、精准性、安全等级、监管要求等，以及数据在产品创设、客户标签、营销机会、风险技术、作业流程等应用维度进行标识和评估，实行分类管理，确定数据质量、存储、安全、调用等策略，让管理层、数据认责部门、数据管理部门和信息技术部门建立共同的数据价值判断标准，提高对数据治理活动的认识。

二是，建立数据价值分析的流程。信息技术部门和数据管理部门的数据治理工作要前置到业务活动中，分析业务活动中的数据需求，以及业务活动过程中产生的数据，与业务部门共同分析数据的使用价值和采集的必要性，在信息系统建设过程中以最合理的方式实现数据采集、数据质量控制，并最大限度集成和调用内、外部数据，支持营销、客户识别、风险控制等业务活动中的数据需求。让业务部门切实感受到数据的价值，承担起数据提供者的责任。

三是，试点建立数据经营的内部组织。从组织内部看，银行已经拥有了海量的数据，不仅数据的历史长，而且质量高，但是很多业务部门并不知道银行究竟有什么样的“宝藏”，由于用户通常是一次性使用数据，数据质量改进和价值发掘缺乏持续性，无法实现知识积累。经验表明，数据的质量是越用越好，数据的价值是越用越高，前者说的是通过数据的使用才能发现数据的质量问题，从而推动数据问题的追根朔源和改进，后者说的则是数据的特性，数据价值不会因为使用而消失，这恰恰是数据运营部门的专业价值所在；从外部看，外部数据服务逐步兴起，将外部采购的数据管理好，实现外部数据和内部数据的综合管理与应用，共同服务于企业内部的多个用户，也需要有专业管理团队。此外，对于集团性企业的法人之间也存在数据服务的需求，由于涉及到保护敏感数据安全以及数据基础设施安全的监管要求，必须对数据进行加工处理，这些职责和专业技能是技术部门或信息管理部门所不能完全覆盖的，需要有一个综合性的专业团队运营。需要说明的是，数据运营专业团队与业务条线的数据分析功能，两者不是替代关系，而是互补关系，数据运营团队的工作是为了更好地支持业务条线的数据分析和应用。