英国公共账户委员会(PAC)呼吁政府向英格兰银行历时九年的核心系统替换项目学习经验。
与以往惯例不同,PAC此次将建议对象指向政府,而非被审查的英格兰银行本身。
委员会议员在3月的听证会上坦言,他们鲜少有机会审查成功的政府IT项目,因此通常将建议直接提给受审部门。
在此次听证会上,英格兰银行历时九年的IT转型项目——即实时全额结算系统(RTGS)的替换工程——被誉为一次"考古级发现",有望成为未来政府IT项目的参考蓝本。
PAC表示,此次调查结果在领导力、目标设定与采购管理方面提供了宝贵经验,同时也展示了早期现代化推进、灵活应变以及鼓励员工公开反映问题等方面的良好实践。
"政府可以从英格兰银行成功现代化英国支付基础设施这一关键环节中汲取大量经验,"PAC表示。
"鉴于此次系统现代化是公共部门数字化转型中难得一见的成功案例,PAC在报告中采取了不寻常的做法——将建议对象从英格兰银行转向政府,以便相关经验得到更广泛的借鉴。"
据英国国家审计署(NAO)评估,这项耗资4.31亿英镑的RTGS项目实现了资金价值,并展现出良好的数字化转型实践。审计署指出,项目总成本较2020年设定的3.75亿英镑预算增加了15%。
RTGS系统每日通过自动清算所自动支付系统(Chaps)和银行家自动清算服务(Bacs)等渠道处理高达8000亿英镑的支付结算,自1996年投入使用以来,始终是英国关键国家基础设施的重要组成部分,支撑着整个经济体系的资金流转。
PAC主席杰弗里·克利夫顿-布朗议员表示:"对于政府而言,我们只想说:这就是正确的做法。多年来,我们的审查工作或许给公众留下了公共部门数字化改革与转型屡屡失败的印象。但今天的报告向政府和纳税人证明,成功是完全可能实现的。"
他补充道:"我们以英格兰银行的成功经验为基础,为政府提供了一份指南,希望能避免重蹈过去的覆辙。"克利夫顿-布朗以国家储蓄与投资(NS&I)转型项目的处理方式为反面案例,指出该项目使纳税人承担了不可接受的风险。
据《Computer Weekly》此前报道,在PAC就英格兰银行项目举行的听证会上,英格兰银行副行长戴夫·拉姆斯登表示,NS&I正积极与英格兰银行首席信息官(CIO)展开合作,寻求支持以解决其持续恶化的IT转型困境。
PAC强调,政府必须切实汲取这些经验教训。"对于英格兰银行而言,则必须兑现其对这一基础系统进行持续维护和进一步升级的计划。RTGS的长期价值能否实现,取决于英格兰银行能否随着支付格局的演变,持续维护并适时调整该系统。"
Q&A
Q1:英格兰银行RTGS系统替换项目为什么被视为成功案例?
A:英格兰银行历时九年的RTGS系统替换项目被国家审计署评定为实现了资金价值,并展现出良好的数字化转型实践。项目在领导力、目标设定、采购管理等方面表现突出,同时做到了早期现代化推进、灵活应变,并鼓励员工公开反映问题。尽管总成本较预算增加了15%,达到4.31亿英镑,但整体仍被认为是公共部门数字化转型中难得一见的成功范本。
Q2:RTGS系统是做什么的,为什么如此重要?
A:RTGS即实时全额结算系统,自1996年起投入使用,每日通过Chaps和Bacs等渠道处理高达8000亿英镑的支付结算业务。它是英国关键国家基础设施的重要组成部分,直接支撑着整个经济体系的资金正常流转,一旦出现故障将对英国金融体系造成严重影响。
Q3:英国公共账户委员会为什么把建议对象从英格兰银行改为政府?
A:通常情况下,PAC会将建议直接提给被审查的部门或机构。但由于此次英格兰银行的RTGS项目是公共部门数字化转型中罕见的成功案例,PAC认为更有价值的做法是将经验提炼出来,供政府在其他IT项目中借鉴,从而避免重蹈NS&I等失败项目的覆辙。
好文章,需要你的鼓励
B&H近期对多款M5 Pro MacBook Pro机型推出300美元优惠。14英寸M5 Pro版本(48GB内存+1TB固态硬盘)现售价2299美元,较原价2599美元节省300美元,且该配置在亚马逊无法购买,折扣机会更为难得。此外,16英寸M5 Pro版本(64GB内存+1TB固态硬盘)同样享有300美元折扣。B&H在多款高配MacBook机型上的定价已低于亚马逊,是近期可找到的最优价格。
FORTIS是专门测量AI代理"越权行为"的基准测试,研究发现十款顶尖模型普遍选择远超任务需要的高权限技能,端到端成功率最高仅14.3%。
Insta360推出GO 3S复古套装,将现代4K运动相机与胶片时代美学结合。套装核心仍是仅重39克的GO 3S,新增复古取景器、胶片风格滤镜、NFC定制外壳及可延长录制时长至76分钟的电池组。复古取景器模仿老式腰平相机设计,鼓励用户放慢节奏、专注构图。相机内置11种色彩预设及负片、正片等滤镜,同时保留FlowState防抖、4K拍摄及10米防水能力,面向热衷复古影像风格的年轻创作者。
荷兰Nebius团队提出SlimSpec,通过低秩分解压缩草稿模型LM-Head的内部表示而非裁剪词汇,在保留完整词汇表的同时将LM-Head计算时间压缩至原来的五分之一,端到端推理速度超越现有方法最高达9%。