6000字融資租賃公司數據治理研究
基于人行二代企業征信數據標準的
融資租賃公司數據治理研究
2020年初，隨著征信中心二代征信系統的切換上線，之前已接入一代征信的融資租賃公司也陸續進行基于二代征信標準的系統改造及數據治理工作。與一代征信系統相比，二代征信系統在數據結構方面更加清晰，數據維度方面更為豐富，同時也給融資租賃公司數據治理提出了更高的要求。
本文以人行二代企業征信數據標準為例，提出融資租賃公司數據治理建設的思路、方法及實施內容要點，并總結近期研究的DAMA-DMBOK數據管理知識框架體系，針對融資租賃公司開展全面數據治理時遇到的困境，提出相關建議。
1、信息段與數據類型
二代征信數據標準本質上是一個數據集，數據集按照數據間的相關性和業務邏輯分層次組成。對于融資租賃公司來說，需上報的信息段包括客戶信息段、財報信息段、業務信息段3大類，其中業務信息段分為借貸賬戶信息、授信信息、抵質押合同信息3種數據類型，其它兩個段只有1種數據類型。
2、數據類型明細與數據項
數據類型明細共計20個，其中借貸賬戶信息（8個），授信信息（2個），抵質押合同信息（5個），機構信息（2個），財務報表信息（3個）。數據項方面共計353個，其中必報項為203個，選報項為150個。
3、與一代企業征信數據標準比較
優化了數據結構，同時也豐富了數據維度，比如取消銀行傳統借貸結構的借據段，改為還款計劃報送，并與還款明細相對應；更新了部分采集的數據項碼值，如行政區劃、行業分類更新為2017年國標等；進一步優化上報結構，如五級分類信息單獨建表報送。
首先，對于數據治理的定義，融資租賃公司各相關人員需要有清晰的認識及理解。數據治理并不是簡簡單單的發現系統數據質量問題，通過前臺或后臺方式進行數據的補錄或修正。數據治理是一項基礎工作，在很多人眼中是一項苦活累活，但越是這樣的工作，越是不能忽視，基礎打扎實了，上層建筑才會更穩固。
數據治理的官方定義為：組織中涉及數據使用的一整套管理行為，由企業數據治理部門發起并推行，關于如何制定和實施針對整個企業內部數據的商業應用和技術管理的一系列政策和流程。可以看出，數據治理不是一個動作，而是一個持續的對數據獲取、處理、使用進行監管的管理體系，包括運用組織、制度、流程、工具等方式。數據治理是企業實現數字戰略的基礎，其最終目標是提升數據的價值。
其次，以人行二代企業征信數據標準為主題及治理范圍，采用的實施路徑為“典型主題式”數據治理模式。遵循數據質量管理的閉環原則來開展數據治理工作，通常包括數據項范圍確定、檢核規則制定、數據質量監測、質量問題分析及質量問題整改方案的建議實施等，最終形成數據質量管理的閉環流程。
數據治理項目的具體工作執行步驟如下：
1、 深入解讀人行二代企業征信353個數據標準項；
2、 各數據項落標核心業務系統，同時開展流程治理，做到全部業務操作線上化，從源頭進行治理；
3、 制定數據質量檢核規則；
4、 監測數據質量；
5、 執行數據質量問題分析；
6、 提出數據質量問題整改方案；
7、 整改數據質量問題。
最后，通過“典型主題式”數據治理項目的實施，總結數據治理經驗，為下一步開展全面數據治理做準備，進一步提升公司數據的價值。
數據治理方法分為事前預防以及事后控制，事前預防為源頭治理，事后控制為數據質量控制。其中源頭治理是從根源上解決數據錄入不準確、不完整、不及時的問題，通常進行業務層面的流程治理；數據質量控制為設定標準的質量檢核規則，對數據質量進行監控，根據數據質量檢核結果經常性的進行數據校準，從而進一步提升數據質量。
1、流程治理方法
1) 流程全線上化：針對于人行二代征信必報項，而流程還在線下執行，未走線上或未約束需及時在線上操作等情形，通過流程治理，修改相應制度及管理辦法，使之要求全員將業務主流程及變更類操作線上化。
2) 制定并確認新流程或規則：針對于人行征信數據標準項，而業務上暫未建立流程的，如提前部分還款等，或未確認規范的相關邏輯標準，如起租規則、合同類變更計算規則等，通過流程治理進行公司內部規則的制定及確認相關管理辦法。
3) 優化現有流程：針對于人行二代征信上報的T+1時間要求，梳理并優化現有業務流程，加快業務流程操作效率，如合同起租流程的優化等，以保證未來數據上報的及時性。
2、數據質量問題分析方法
數據質量是否滿足業務運行與管理、決策的制定，一般衡量標準包括準確性、完整性、有效性、一致性、唯一性和及時性。
針對數據治理，可運用如下方法進行數據檢測：
① 數據完整性校驗
② 數據唯一性校驗
③ 數據一致性校驗
④ 數據準確性校驗
⑤ 數據有效性校驗
各項數據校驗設計了如下主要校驗規則：
檢核規則 | 規則描述 |
數據完整性校驗 | 空值檢核 |
關聯性校驗 | |
數據有效性校驗 | 校驗碼值是否在設定范圍內 |
數據一致性校驗 | 校驗多表同一信息一致性 |
數據正確性校驗 | 校驗數據取值是否正確 |
數據唯一性校驗 | 非主鍵信息的唯一性校驗 |
實施內容要點可拆解為三個項目，一是與人行征信上報系統的供應商開展征信上報系統建設項目，二是與核心業務系統的供應商開展業務系統二代征信標準改造項目，三是與數據治理咨詢公司或軟件公司開展二代征信標準數據治理咨詢項目。三個項目建議并行開始，各項任務建立前置條件，制定好項目詳細實施計劃。
1、啟動人行征信上報系統項目
1) 項目范圍：人行二代征信上報系統實施及取數開發。
2) 項目實施計劃：總體上分為項目啟動、接口差異分析、測試環境部署、取數邏輯開發、數據驗證測試、人行驗收、系統上線7個階段。
3) 項目實施內容：
i. 業務解釋：供應商安排專家對人行二代數據標準進行業務解釋，對象為租賃公司信息科技部人員及業務系統供應商、數據治理咨詢公司項目組；
ii. 差異分析：分析人行二代標準與現有業務系統數據庫數據項差異，并形成《征信上報數據差異性報告》；
iii. 測試環境部署：搭建征信上報測試環境；
iv. 取數邏輯開發：取數邏輯開發完成后，可進行接口的第一輪取數，以及根據數據校驗規則形成現有數據問題清單，并安排進行內部數據治理。
v. 數據測試：數據治理完成后，可進行征信數據的存量數據測試及增量數據測試；
vi. 人行驗收：供應商配合租賃公司進行驗收，提供存量報文、增量報文及其他材料；
vii. 系統上線：切換生產環境及報送存量數據、知識轉移及培訓。
4) 項目交付物：
i. 系統驗收文檔：《人行征信上報系統項目總體計劃》、《人行征信上報數據差異性報告》、《人行征信上報系統功能說明書》、《人行征信上報系統部署方案》、《征信上報系統操作手冊》等；
ii. 系統部署程序包；
iii. 完整可正常運行的人行征信上報系統。
2、啟動核心業務系統二代征信標準改造項目
1) 項目范圍：針對于人行二代征信上報系統供應商輸出的《征信上報數據差異性報告》，與現有核心業務系統進行現狀差異分析，形成業務系統改造范圍，進行系統改造，并配合數據治理咨詢公司項目組進行數據治理。
2) 項目實施計劃：總體上分為項目啟動、差異分析、方案設計、系統開發、系統測試、數據治理、系統上線7個階段。
3) 項目實施內容：
i. 差異分析：差異分析的結果輸出系統功能的改造點，包含現有功能新增字段及數據校驗邏輯、新增功能、調整現有功能邏輯等；
ii. 方案設計：針對于分析梳理完成的系統功能改造點，設計系統改造詳細方案；
iii. 系統開發：針對于雙方確認后的系統改造詳細方案，進行系統開發工作；
iv. 系統測試：包括單體測試、接口聯調測試，其中聯調測試最為關鍵，需多次檢查并修正數據質量問題；
v. 數據治理：將業務補錄上來的excel數據形成腳本，待系統上線時進行數據補錄及修正；
vi. 系統上線：系統測試通過，并且數據質量檢查通過后，可進行系統上線；
vii. 上線推廣：二代征信改造涉及業務系統內租前、租中、租后全業務流程，需進行內部宣貫及進行關鍵用戶培訓。
4) 項目交付物：
i. 系統驗收文檔：《二代征信業務系統改造項目實施總體計劃》、《二代征信業務系統改造項目詳細解決方案》、《二代征信業務系統改造項目測試腳本》、《二代征信業務系統改造項目數據字典》、《二代征信業務系統改造項目數據治理腳本》、《二代征信業務系統改造項目操作手冊》等；
ii. 二次開發程序包；
iii. 完整可正常運行的業務系統各項征信相關功能。
3、啟動二代征信標準數據治理咨詢項目
1) 項目范圍：根據二代征信數據標準，與相關系統供應商共同配合下，運用數據治理方法論，形成數據治理方案，包含數據標準、數據質量問題問題清單及解決方案等，并最后完整解決二代征信數據標準下的數據質量問題。
2) 項目實施計劃：總體上分為項目啟動、二代數據標準及數據質量分析、數據治理方案設計、數據質量測試、項目驗收5個階段。
3) 項目實施內容：
i. 二代數據標準及數據質量分析：根據二代征信標準，與現有核心業務系統數據標準進行比較分析，并通過相關工具進行數據質量分析；
ii. 數據治理方案設計：建立數據標準清單，根據數據質量檢核方法，在系統供應商共同配合下，設計數據治理完整可落地方案；
iii. 數據質量測試：測試系統供應商的數據腳本，并要求最終測試通過；
iv. 項目驗收：驗收數據治理方案，確保數據質量最后符合征信上報的要求。
4) 項目交付物：《數據標準》、《數據治理方案》等。
2018年5月21日銀保監會頒布的《銀行業金融機構數據治理指引》，已經要求銀行業金融機構將數據治理納入公司治理范疇，建立數據質量控制機制及良好數據文化，樹立數據是銀行重要資產和數據應真實客觀的理念與準則。明確數據治理是系統工程,從下至上,應做到人人有責、層層把關。
對于融資租賃公司來說，數據治理是實現數字化的基礎，數據治理與IT規劃一樣需要做好頂層設計，搭建數據治理體系，從組織、制度、流程、系統落地層面進行數據管理?；阢y保監會數據治理指引以及DAMA-DMBOK數據管理知識框架體系，作者總結了全面數據治理“15字方針”：建組織、定標準、理流程、搭平臺、成文化。
1、 建組織：有效的組織機構是數據治理成功的有力保證，也是數據治理長效運行的基礎。數據治理組織包括決策層、管控層、執行層，其三層的組織架構支撐數據治理工作的開展和職責的落實，同時也明確數據治理組織架構與人員角色定義，明確相應的責任人和職責。
① 決策層即數據治理委員會，負責結合公司戰略，為數據治理引領方向；審批數據治理年度工作目標、數據管理制度及流程、方案和主要計劃；決策數據治理重大事項；協調各相關部門參與數據治理工作。建議由公司總經理牽頭，與各分管領導高管共同組成。
② 管控層即數據治理辦公室，負責牽頭制定數據標準、數據管理相關制度辦法及流程；制定數據治理工作年度目標及計劃，并有效分解、落實到各數據治理小組進行承接；同時牽頭組織數據治理方案設計及實施，對數據治理各小組提交的設計內容進行審議，向決策層匯報數據治理工作。建議由信息科技部負責人及相關業務部門負責人擔任主任，副主任由信息科技部副總監擔任。
③ 執行層即數據治理工作小組，主要負責數據治理的貫徹執行，負責參與數據治理工作的方案設計及具體執行，解決日常的數據問題。通?？绮块T組成，建議由以下角色組成：數據主責人、數據錄入人、數據使用人、技術支持人等，其中技術支持人可為信息科技部的數據相關崗位，如數據需求崗、數據標準崗、數據質量崗等。其中業務部門為主要參與對象，因為業務部門既是數據的生產方，也是數據的使用方，在數據治理建立的基礎上，還可不斷促進“信息科技與業務協同”，共同提升公司信息化及數據質量水平。
2、 定標準：制度體系建設是數據治理成功的重要保障，標準體系的制定包括四個方面：一是制定及發布數據標準，數據項標準要有明確數據的業務屬性（業務含義、業務規則、來源標準等）、技術屬性（數據長度、數據類型、來源表等）及管理屬性（數據標準歸口管理部門等），指標類的數據項要有明確的業務含義、統計口徑、計算公式等，并且更重要的是數據標準建立后都要落地到各個應用系統中，以及落地數據質量規則校驗；二是制定及發布數據管理標準，制定數據質量管理制度及實施細則，明確數據管理職責，定義數據管理流程；三是制定及發布數據交換標準，通常為數據采集、存儲、加工使用的技術標準、接口標準等；四是制定及發布數據安全相關制度辦法，保障數據的安全使用和共享。
3、 理流程：當數據標準建立并發布后，需建立數據標準變更流程；數據質量方面需建立數據質量規則定義流程、數據質量檢查流程、數據質量問題根因分析流程、數據質量問題整改流程、數據質量考核流程等。并在實際運行之后不斷優化流程，實現數據質量閉環管理。數據安全方面，也同樣需建立相關的數據安全管理流程。
4、 搭平臺：即搭建數據治理管控平臺，構建以元數據為基礎、數據標準為核心、數據質量提升為目標的管控平臺，管理企業數據資產。將制定的數據標準、數據質量檢核規則等落地到數據管控平臺中，總體應包括元數據管理、數據標準管理、數據質量管理等組件。
① 元數據管理：元數據是描述數據的數據，涉及業務元數據、技術元數據、管理元數據，是數據管控的基本對象。元數據管理是企業數據治理的基礎，通過平臺對元數據進行動態采集和管理，實現對多變、動態的數據進行管理。運用平臺數據分析功能，幫助用戶理解數據的加工處理過程，為用戶更好的認識數據、分析數據、挖掘數據提供基礎工具。從功能層面需包括：元數據采集服務、元數據訪問服務、元數據管理服務和元數據分析服務等。
② 數據標準管理：數據標準是保障數據的內外部使用和交換的一致性和準確性的規范性約束。數據標準管理是規范數據標準的制定和實施的一系列活動，通過線下制定的數據標準，包括數據項標準、指標類標準，嵌入數據標準管理模塊中，實現數據標準增、刪、改、查、發布、審核、修訂等各種基礎操作，其變更過程能被自動記錄，通過變更版本控制，追蹤標準歷史。通過多維度指標分析數據標準，可全面了解標準總數、生效數、失效數等。從功能層面需包括：數據標準編制、數據標準審批、數據標準發布、數據標準使用及分析等。
③ 數據質量管理：數據質量管理包括對質量規則的配置和根據規則進行數據的校驗，通過規則配置，任務配置，檢測記錄等操作，能夠評估數據質量，產生問題數據，并落地到具體應用系統中進行數據修正或功能調整，如增加相關數據校驗等。數據質量管理工具從功能上需包括：數據質量指標管理、數據質量規則管理、數據質量評估任務、數據質量評估報告等。需注意的是，輸出數據質量評估報告的前提，是已經完成了前面所提到的元數據、數據標準、數據質量規則的建設、并落標到了各個子應用系統中。
5、 成文化：即形成數據治理文化，文化是一種信念，企業文化做得好，可以把這種信念落實到日常習慣中。如果公司高層重視數據治理，就會建立“數據治理重要”的文化，從而自上而下公司全員重視數據治理工作。治理也可與企業業務融合在一起，實現業務協同及各部門協同。
近幾年數據治理已成為當今的熱議話題，銀行業等金融機構的數據治理已趨于成熟，給了融資租賃公司等行業豐富的經驗借鑒。但融資租賃公司還需根據其企業規模、組織結構、業務復雜程度，制定不同的數據治理策略。數據治理不是一蹴而就的，而是一個長期并持續的過程，需建立數據治理長效機制。只有將數據治理變成一種常態化機制，員工層面形成一種習慣，公司層面形成一種文化，才能提升數據資產價值，同時也為業務賦能，并通過數據驅動企業創造更大價值。
參考文獻：
[1] 銀保監發〔2018〕22號 《銀行業金融機構數據治理指引》
[2]《企業數據治理那些事》.段效亮. 機械工業出版社.2020
[3]《DAMA-DMBOK2數據管理知識體系指南(第2版)》
[4] 《數據治理框架解讀分析》.石秀峰