农行：海量数据管理切入 提升应用水平

　　伴随着银行业务转型及精细化管理的推进和深化，高质量的数据已成为新时期“信息化银行”的核心竞争力之一。为了充分发挥和提升数据资产的价值，农业银行经过探索与实践，已形成了数据管理体系框架，并把解决具体数据问题作为切入点，与业务管理、系统建设紧密结合推进实施，系统数据质量稳步提升，数据应用水平不断提高。

　　一、农业银行数据管理的基本情况

　　经过近二十年的努力，农业银行信息化建设取得了显著的成就，建成了一批以综合应用系统(ABIS)、网上银行为代表的业务经营系统和以信贷管理系统(CMS)、核算报告系统(IFAR)为代表的管理信息系统，形成了比较完整的应用体系，有效支撑各部门的稳健运营，并完成主要系统的全国数据大集中，积累了大量的业务数据。

　　但是，早期的信息化建设普遍关注于满足各个业务领域的电子化需求，对系统内数据质量和跨系统数据整合的重要性认识不到位，缺乏配套的数据管控机制，致使系统中的数据不准确、不完善、缺乏逻辑关联， 难以满足新形势的需要。随着农业银行体制改革的深化，“以客户为中心”、“全面风险管理”、“流程银行”、“事业部制”等新的经营管理理念集中出现，对数据提出了更高要求，给农业银行信息化带来了较大冲击，有关矛盾通过数据问题突出显现出来。

　　为了从根本上解决数据问题，农业银行于2008年底成立了信息中心，并将其作为数据管理归口部门，结合“新一代核心银行系统建设工程” 启动了数据综合治理工作。工作的核心就是把数据管理作为促进业务与技术融合的桥梁，从数据问题入手，解析背后的业务管理问题和系统问题，旨在一方面完善业务制度、加强业务源头管控，另一方面优化系统功能、加强逻辑整合，从根本上保障数据质量、促进数据共享、提高数据价值。

　　二、数据管理工作思路与框架

　　解决数据问题是一项需要全行参与的长期性、基础性工作，其成效不可能立竿见影，需要依靠机制逐步完善。为此，农业银行十分重视数据管理机制体制的规划和建设，在“新一代核心银行系统建设工程”的两个咨询项目指导下，经过多年实践，探索出一套数据管理的思路方法和一个数据管理的工作框架。

　　数据是对业务过程的准确记录，数据规则是对业务进行识别、归集和评价等管控要求的反映，数据问题反映了管理问题。可以说，数据产生于业务，更新于业务，使用于业务，消亡于业务，是业务经营管理的一面镜子。数据管理与业务经营管理密不可分，仅依靠一个部门是无法完成的，需要各部门深入参与，密切协作。

　　农业银行确定了数据管理的关键思路，即把表象的数据问题追溯到源头的业务环节和数据源系统，由对口部门解决背后的业务管理问题和系统问题，形成“统筹管理、分工负责” 的数据管理职责体系(包括决策保障部门、归口管理部门、对口业务部门、系统主管部门四类部门)，促进数据管理真正融入到业务经营管理中，做到数据问题的“事前预防、事中监测、事后整改”。具体而言，主要的任务和分工如图1所示。

　　在此思路指导下，农业银行搭建了数据管理的工作框架，具体包括三个部分内容，如图2所示。一是数据管理体系，包括：一套数据标准规范体系，描述农业银行到底有哪些数据以及这些数据的属性，在全行建立起统一的语言;一套数据管理职责体系，描述各部门应承担的职责;一套数据考核评价体系，描述数据管理的考核评价手段。二是数据管理工作机制， 把具体工作、具体问题通过规范的模板分解落实到具体部门， 督促其限时完成，使数据管理体系在实际工作中能够运转起来，切实解决行内的各种数据问题，并将工作成果不断充实到数据管理体系中，形成数据管理的良性循环。三是数据管理系统平台，即依据统一的数据标准规范进行数据的集中采集、加工、发布和应用，并提供数据监测、考核的手段，及时发现数据质量问题，形成数据服务和数据管控的一体化工作平台，为数据管理体系提供有力的系统支撑。

　　三、积极推进数据管理工作

　　在整体工作框架的指导下，农业银行围绕建立数据管理体系、机制和系统，重点从以下几个方面来推进数据管理工作。

　　1 .统一数据标准规范，建立数据管理体系

　　数据标准规范是数据管理体系的核心，是落实数据管理职责和实施考核评价的依据。农业银行的数据标准规范，不仅用于统一数据定义、规则规范，还明确了创建数据的业务流程、职责分工和可信数据源，是一个大规范的概念。

　　数据问题集中表现在报表指标上，这里的报表指标是由信息项按照一定的加工规则生成的。为此，农业银行以报表指标为出发点进行数据标准规范建设，将有关监管报表解析为400多种指标、1000多个信息项。在指标层面，将指标分解到信息项，并明确了指标加工规则、对口业务部门;在信息项层面，重点梳理了信贷类信息项规范，明确了每个信息项数据产生的业务环节、信息项对口业务部门、信息项采集规范以及可信数据源系统。在此基础上，农业银行发布了组织机构标识规范、个人客户信息数据标准、法人房地产开发贷款分类及编码规范等，并建立了农业银行常用指标库，制定了各业务领域常用指标的含义、口径及加工规则等。

　　在明确标准规范的基础上，农业银行正在抓紧制定各项配套管理制度，建立覆盖总分行及各主要系统的考核评价办法，推动各部门按照所承担的数据管理职责实施数据质量的业务管控，并持续提高数据质量。

　　2 .解决重点数据问题，初步形成工作机制

　　通过不断实践， 农业银行逐步对数据管理具体任务的分解、沟通、执行、跟踪等进行体系化规范化管理， 初步形成业务、数据、技术三方面密切配合的数据管理工作机制。这一工作机制在落实监管报表报送、数据质量整改、数据标准实施等具体工作中发挥了重要作用。

　　以数据质量整改为例，农业银行已顺利推进了个人客户信息治理、机构信息清理、信贷数据整改、ABIS与CMS数据一致性研究与治理、零售内部评级数据清理等多个专题治理项目，解决了一系列重点数据问题。其中，“个人客户信息治理”项目作为农业银行“2111工程”的组成部分，优先对私人银行客户的部分重要信息项进行集中清理，有效提升了客户信息质量;“机构信息清理”项目以“构建一套全行统一管理、信息准确、完整、规范、为全行各应用系统共享使用的机构体系”为最终目标，为组织机构标识规范的落地提供重要载体;“信贷数据整改”项目依托CMS三期上线的时机，总计整改2000余万项错误数据，使全行信贷数据质量得到了明显提高。

　　3 .启动报表体系改革，完善系统支撑手段

　　为了促进数据管理工作的深入开展，农业银行2011年启动了报表体系改革工程，从监管报表入手，重新梳理优化了报表的全生命周期管理流程和职责分工，并将数据管理体系的已有成果在系统中固化，目标是实现监管数据全国集中，提升报表自动化加工水平，解放劳动力，建成“数据采集、加工、报送、监控”一体化的数据管理系统平台。

　　农业银行的报表体系改革工程涉及的系统主要包括底层的基础数据平台以及上层的信息共享平台( IDC) 、综合报表系统(RPTS)。其中，基础数据平台作为农业银行提供数据整合加工和数据管控的平台，包括数据仓库、统一数据交换、统一调度监控、数据管理服务等子系统;IDC作为农业银行数据聚集、整理和发布的平台， 按照全行统一的数据发布视图，为外部行业监管、信息披露、经营分析和决策支持提供准确、统一、全面的数据信息;RPTS作为全行统计报表的工作平台，为各类监管报表提供专业化的固定报表定制、管理和填报工具。

　　四、数据管理的难点及展望

　　数据管理是一项涉及全行，跨系统、跨部门、长期、渐进式的工作，要克服很多难题。例如，许多指标、信息项都是跨领域的，其标准规范的统一是一个相互协商、达成共识的过程，需要强有力的机制来予以保障;同时，数据管理框架的运作，需要全行各部门的深入参与和主动负责，对原有的工作格局会带来冲击，需要有主线、有抓手地逐步推进。

　　农业银行数据管理工作的下一步计划是在现有框架下，进一步细化落实职责体系，完善数据规范，加强数据质量的监测、检查与考核评价，使工作框架实现良好、可持续的运作。将继续以报表体系改革为抓手，不断固化数据管理体系的成果，构建统一的数据加工和管控平台，有效解决各部门、各级行业务管理与数据管理两张皮、重复做报表等问题。