完善数据治理体系  加速释放数据要素红利

随着数字技术的快速发展，数字能力建设加速凸显，其中提升数据治理能力已成为商业银行数字化转型新阶段的实践共识和数字化转型的重要驱动力。2018年5月，原银保监会发布《银行业金融机构数据治理指引》，贵州农信积极开展系统性数据治理工作，聚焦组织、制度、流程和技术等环节，实施元数据、数据标准、数据质量、数据安全以及数据运用等建设，构建适应自身发展的数据治理体系，积极发挥两级法人结构下的数据治理协调机制作用，有效支撑数字化转型战略要求，助推全省农信高质量发展。

战略引领 构建协调一致的数据治理体系

2021年以来，贵州农信加快推进大零售和数字化转型，基于业务战略，围绕面向营销、面向管理、面向决策三方面制定数据战略，以打造数字普惠金融区域引领者为目标，着力构建数据赋能能力、数据资产化能力和数据治理能力三大核心能力。从数据应用场景出发，构建数据服务平台，提高数据应用能力，建立省联社与成员行社两级数据整合平台，实现全域数据的统一管理、集中开发和融合共享，同步健全数据治理体系，形成以数据认责为基础的数据质量控制机制，推动数字化转型。

在数据治理组织体系方面，贵州农信采取“归口管理模式”构建有效的数据治理组织架构。决策层由高级管理层专门成立的数据管理委员会担任，省联社主任担任委员会主任、关键业务部门总经理作为委员，通过定期召开委员会会议形式讨论、审议数据治理重要事项，并授权执行层履行数据管理委员会的日常数据管理决策职责。执行层成立一级部门数据管理部归口管理，负责牵头实施数据治理体系建设，并联合各业务部门组建数据管理专员团队，组织、协调、推动全省农信数据治理工作。地区审计中心及县级法人行社参照省联社模式成立对应的数据治理组织架构，落实数据治理各项工作。

在制度流程体系方面，贵州农信采取“一办法+N规程”的模式构建数据治理制度和操作协同机制，制定数据治理管理办法，明确各领域治理工作的责任部门及基本管理原则，在分领域制定元数据管理规程、数据标准管理规程、数据质量管理规程及数据安全管理规程等操作性文件，搭建完善的数据治理体系框架。

在考核评价体系方面，贵州农信采取“任务考核”的模式构建有效的数据治理考核评价体系，聚焦组织架构、制度流程、核心领域建设及监督管理等方面，定期制定和发布各级机构数据治理的工作任务，将任务原子化，明确任务责任部门、完成时限和完成标准，按年度工作完成情况实施考核，真正做到以“胡萝卜”+“大棒”的方式，切实推动全行数据治理工作。

健全标准 实现数据“车同轨、书同文”

贵州农信本着“质量提升、标准先行”的理念，通过对业务、技术、管理属性的规范化，推动数据标准的建立和落标。

建立健全全行级基础数据标准。贵州农信初期采取自上而下定义数据主题、细化分类的方法，发布了一版基础数据标准和指标类数据标准，但在具体实践中，容易形成“空中楼阁”，难以有效落地执行。随着实践的深入，开始定期评估适用性，推进数据标准的更新完善，基于自身业务需求，参考外部监管要求，自下而上梳理信息系统中的数据情况，修订完善新一版数据标准，数据标准合规遵从性、可落地性和业务支撑性得到大幅提升，真正建设成有“生命力”的数据标准。

有效推动基础数据标准执行。采取“新建系统全面执行、存量系统参照执行、产品包系统推荐执行、下游数据平台严格转换落标”策略，逐步将数据标准的执行嵌入系统开发流程，在业务需求编写、需求评审、系统开发和系统上线后四个阶段嵌入数据标准的审核、审批、检查机制，把握落标契机，按照“试点先行、逐步推进”的方式，实现信贷系统、ECIF系统全面落标。数据标准的落地不仅满足了各监管机构海量数据、高频次、更新频繁的报送要求，同时也提升了数据质量，促进了跨业务部门的数据共享。

强化指标标准管理。针对指标口径不统一、指标体系不完整、指标问题追溯难等问题，贵州农信将监管指标全面纳入指标体系管理，组建数据标准评审小组，建立归口管理部门、业务主管部门和技术部门的协同机制，共同确定指标数据的使用部门、基础属性、业务含义、业务口径和技术口径等标准，定期召开指标评审会议，从必要性、合理性、准确性三个方面开展指标评审，保障各业务部门对指标在不同应用场景下的业务口径有完整、直观、清晰的理解，提升指标在不同应用场景下的准确度，降低口径理解不一致造成的统计差异。

监管驱动 加强数据质量的全方位管理

贵州农信牢牢抓住“监管驱动”这个牛鼻子，以监管数据治理带动全行数据治理，构建起数据质量问题发现、分析、整改、评价全链路闭环机制。

“监管数据治理”与“全行数据治理”相互增益促进。以监管数据治理为切入点，以问题为导向，推进监管数据质量问题整改，将监管数据质量问题穿透至源端管控，全面带动企业级数据质量问题整改。

“标准规范遵循”与“监管合规管理”双项目标并举。数据层面，在规范报送数据的同时，将监管数据标准规范嵌入数据治理的数据标准中，分析业务系统和采集规范，推动源端落地数据标准，从根本上解决数据质量问题，夯实数据基础。合规层面，监管数据是监管经验的凝练和监管意图的传导，在标准规范和数据检核规则的基础上进一步提炼业务检核规则，强化报送数据在业务逻辑方面的校验能力。

“短期问题导向”与“长效治理体系”协同有效推进。在短期分析问题、解决问题的同时，基于实践经验，提炼和固化能够支撑监管数据长效管理的治理体系，逐步形成“事前解读分析、事中校验核对、事后监督整改”的长效流程机制。

严守底线 筑牢数据安全防护盾

数据安全是银行业金融机构稳健经营的重要因素，贵州农信围绕“让数据使用更安全”的核心目标，以数据分类分级及相关应用为抓手，重点关注数据的使用权限和应用场景，建立数据安全管理体系，构建数据差异化管控能力，筑牢数据安全防护底线。通过制定数据安全蓝图规划，明确数据安全建设目标和实施路径，开展专项数据安全识别、评估和问题整改，对核心数据资产进行分类分级，建立健全数据分类分级、全生命周期管理、应急管理等数据安全制度体系，逐步完善权限管理和数据安全评估等管控流程，严格执行数据日志内部审计和安全备份等制度，开展数据安全理念宣贯，提升安全团队专业化能力，逐步构建数据安全文化，助推数据资产价值不断提升。

深化应用 释放数据治理的内生价值

贵州农信坚持“以用带治、以治促用”的理念，逐步从“被动治理”转向“主动治理”，通过不断丰富“用”的场景释放数据价值，解决数据治理主动性不强、内生动力不足等问题，在推进数据应用过程中，发现数据质量短板，反向驱动数据治理，不断构建和完善闭环的数据治理体系。

面向监管，建设统一报送平台。将分散化的统计、明细、专项监管报送任务全面整合，优化数据采集、汇总、校验、审核等工作流程，实现统一登录、统一管理、统一报送、流程控制等功能，有效满足监管统计工作要求。

面向产品，整合内外部数据。构建数字化信用中心和风控模型，推出数字化信贷产品，有效提升贷款授信效率和风险管理能力。

面向管理决策，建设数据分析系统。基于大数据平台，打造以数据分析、实时推送和决策分析为主的“自主用数、自助分析”平台，定期编撰数据洞察报告，提供高价值高密度决策信息，有效赋能经营决策。