加强数据质量管理　提升经营决策水平

　　“大数据时代来临”是近两年的热门词汇。在大数据时代，通过对海量信息的收集、处理、分析，原本纷繁复杂、支离破碎的人类行为变得有规律可循，而基于数据及其分析之上的决策已成为最为普遍的决策模式。

　　作为经营风险的企业，各家银行面临的一个现实问题就是：如何通过对数据的处理，找到目标客户，防范和化解风险。有效收集数据、分析数据、利用数据的前提，就是加强数据质量管理，增强整合数据的能力，真正树立“数据也是资产”理念，从根本上转变商业银行传统的经营决策模式。

　　当前商业银行数据质量中存在的问题

　　从中资银行信息系统建设的历史看，大都经历了一个从分散到集中、从局部到整体的过程，比如国有商业银行早期的系统建设大部分是以二级分行为单位开展的，到上个世纪90年代才逐渐走向统一、集中。初始系统中的数据格式、数据名称、数据标准都很不统一，通过近十多年的整合、梳理，目前才形成了较为统一的数据管理体系。城商行、农商行更是从过去多级、多头法人体制演变而来，数据质量中存在的问题更多、更明显。从评价数据质量的角度看，各银行数据质量存在的问题主要有：

　　无法满足一致性和完整性要求。一致性是指相同的指标在不同的系统中应该一致。但在各银行的现行系统中，很多数据都不一致。比如标识个人客户的“性别”，有的系统用“01”、“02”标识，有的则用“A”、“B”标识；还有标识企业经济性质的字段有的系统叫“企业性质”，有的系统又叫“公司性质”或“公司类型”。由于各系统间广泛存在的指标、字段不一致现象，使系统间的数据交换需要建立复杂的映射关系，导致数据交换、加工的困难。随着银行业务复杂性和监管要求的提高，对客户信息、业务信息的要求越来越高。比如银行在开展同业业务时，不仅需要业务本身的期限、金额、利率、起始日、到期日等信息，还需要交易对手的信息。还有在判断业务风险时，对集团客户、关联客户信息的需求越来越多。但很多银行并没有建立起相应的信息系统，对很多信息都不进行采集。甚至对一些客户的通讯地址、邮箱、手机等重要沟通信息也存在缺失的现象，这就导致客户或业务信息的不完整。

　　无法满足合规性、唯一性、有效性要求。银行作为受监管最为严格的金融企业，几乎所有的业务都有明确而且严格的监管要求，即使是一些创新业务，也会在很短的时间里出现监管规则。这就对银行信息系统的功能和适应性提出很高要求。比如近几年出现的“理财业务”，刚开始有的银行将其放在表外核算，后来有的银行只将“非保本理财”放在表外核算。但随着监管要求的提升，关于“理财产品”核算和统计也出现了新规范，要求银行必须及时适应，否则就会出现不合规的问题。在银行对客户信息及交易行为进行记录时，某个特定信息在数据集中不应该有重复值。但由于过去业务操作不规范，而且内控体系不严密，数据的唯一性无法得到保证。比如“客户号”作为客户的重要标识，在核心系统中应该是唯一的。但在实际业务中，有的客户既用身份证开户，又用户口本开户，还用护照开户，导致出现多个客户号。如果从跨系统的角度考虑这一问题，问题将更为突出。随着银行业务品种的不断增加，银行业务系统的数量也不断增加。为了确保业务数据能够在系统间进行有效处理，业务数据都应该遵守统一的数据格式。而在实际工作中，各系统建设的时间早晚有差异，有的系统是行内自主开发，而有的系统则从行外采购，遵循的数据格式各不一样。这就导致系统内数据无法进行有效的加工，从而满足分析和统计的要求。

　　无法满足及时性、可获取性、准确性要求。在银行经营管理架构中，业务系统建设通常由业务和信息技术部门负责，其重点在于业务运行正常。当国家相关部门，如标准、统计、监管等对数据标准、数据口径有新要求时，通常又由负责统计分析的部门来落实。工作目的和要求不同，导致新口径、新标准在落实中，常常滞后于相关政策的要求，这就使数据的及时性要求无法得到满足。在日常经营决策中，银行综合管理部门应该可以方便、简易地获得行内各业务系统的数据，各业务部门也应该可以方便地得到本地业务数据。但在实际工作中，由于系统数量较多，系统功能差异明显，以及人员流动等原因，行内各系统“有什么数据”和“数据在哪里”常常成为困扰管理人员的难题。另外，由于部门数据需要经过多次加工，需要整合多个系统的数据，也使数据的可得性大大下降。比如某一时间点客户的“授信使用率”，就需要整合授信管理、信贷管理、债券投资、票据贴现、国际业务等多个系统的数据，还要考虑多个币种的折算。正因为存在上述问题，对数据质量最重要的准确性要求就很难得到保证。数据准确性不高，必然导致分析的偏差和决策的错误。

　　数据质量问题对商业银行经营决策的影响

　　从近十多年全球银行业发展的趋势看，在整个经营过程中，强化数据整合能力，通过数据分析确定发展战略，全方位地推行数字化管理成为先进银行的共同选择。从最近风起云涌的互联网金融发展路径看，更是将数据积累、数据处理、数据分析的优势发挥到了极致：通过对海量数据的分析，阿里小贷可以达到日放贷10000笔的量级。可以预期的是，随着经验的积累、模型的优化、信用环境的改善、风险控制能力的提高，互联网金融公司必将对传统银行业形成重大冲击。在利率市场化不断加快、行业竞争日益激烈的背景下，数据质量问题已经成为决定商业银行生死存亡的关键因素。

　　达不到监管要求，在全球经济一体化趋势持续加快的推动化，影响一国经济金融稳定的因素越来越多。为了做好系统性风险的识别和防范，监管部门对监管统计数据质量的要求不断提高，比如对风险敞口的监测，对银行交易对手风险程度的判断，对影响银行流动性风险、信用风险相关因素的分析，还有对银行创新业务的规模等。这些监管要求对银行数据的完整性、及时性等提出了更高要求，数据质量管理工作薄弱的银行越来越难以达到监管部门的要求。

　　找不到目标客户，在利率市场化稳步加快的背景下，各银行受保护的利差收益将逐步消失。细化市场分工、突出自身优势、实施差异化经营成为银行参与竞争的必然选择。但在客户信息和交易数据积累不足的情况下，无法对客户风险度、贡献度进行度量，难以确定适合自身能力的目标客户群，也难以制订有针对性的价格体系服务客户。

　　绩效考核不到位，随着现代商业银行经营管理水平的提高，精细化管理要求各银行要通过实施管理会计实现按产品、机构、部门、渠道、员工等进行核算和评价，这就要求相关部门可以精细、准确、及时地得到银行的经营数据。这对许多银行的的数据颗粒化程度、会计科目的设置等都提出了更高的要求。

　　风险管理难以细化，且风险管理是银行经营的永恒话题。商业银行在开展业务的过程中，须对客户、行业、区域，甚至国家的风险进行量化评估，做出是否进入，及如何定价的经营决策。此外，对风险承受度评估的压力测试也对数据质量有很高的要求。在数据质量存在问题的情况下，风险管理不可能实现细化和量化。

　　影响产品创新，现代商业银行的竞争归根结底是产品的竞争，是服务能力的竞争。银行的产品创新总体上可以分成两种：一是填平补齐式的，主要解决人有我无的问题；二是独创领先式的，主要确立人无我有的优势。要提高这两种创新的针对性、有效性，都需要对产品本身的成本、风险，以及客户的需求、偏好进行分析，这就需要有大量高质量的数据做支撑。

　　加强数据质量管理的建议

　　近十年来，各商业银行对数据价值的认识不断深化，几乎所有的银行都在数据集中、信息系统建设、内部制度建设等方面加大了投入，中国人民银行、中国银监会等金融管理部门也对银行的数据质量管理提出了更高要求。从各行的实践看，全面提升数据质量，需要多管齐下，建立全方位的提升数据质量管理体系。

　　要树立“数据是资产”的理念，构建数据质量管理工作的组织体系。在传统的银行经营管理中，对贷款、投资、同业拆放等盈利性资产比较重视，后来逐渐对品牌、软件等无形资产较为重视，部分银行对抵债资产、自用及非自用不动产也非常重视。随着信息技术的发展，“数据也是资产”的理念日益得到银行的认可。从现在的发展方向看，“客户粘性”已经成为影响银行经营的一个重要因素。比如有的客户只在某家银行有笔存款或贷款，而没有其他业务，银行就无法获得其他经营信息，无从对其风险度、经营偏好进行分析，也无法持续开展新业务、增加中间业务等收入。银行的持续经营和发展，需要的是大量有“粘性”的客户，有“粘性”的客户才是银行忠实的客户，才是可以为银行带来持续收入和持续合作的客户。要提高客户的“粘性”，就要为客户创造价值，和客户同步成长。由于竞争的加剧，银行和客户的互动关系正朝着“给客户带来价值--客户粘性增加--产生大量交易数据--对数据进行分析和决策--有针对性地研发产品--进一步提升客户价值”的逻辑发展。数据质量管理工作的专业性强、涉及面广，与行内所有的业务部门都有关系，与风险管理、营运、计划财务等综合管理部门以及信息技术等部门也密切相关，要做好数据质量管理工作，必须建立归口管理明确、分工细致、团结合作的组织体系。目前有的银行是成立了专门的管理信息部，或信息中心牵头，相关部门配合，有的行则由计划财务部或信息技术部牵头，其他部门配合。无论是哪种模式，一个完善的组织体系是做好数据质量管理工作的基础条件。

　　建设数据质量检核工具，完善全流程的数据质量管理制度。评价数据质量高低，必然要从一致性、唯一性、完整性等几个角度对数据进行分析。由于目前银行业务高度复杂，一些重要数据通常涉及多个系统。比如对公客户的信息，通常在柜面业务系统、信贷系统、对公客户信息系统、国际业务系统等中都存在，部分数据项会重叠，有些数据项会不一致。由于银行系统中无论是数据项还是数据量都庞杂无比，靠人工对其质量进行筛查及检核是不可能的，必须建设功能强大的数据检核工具。数据检核工具的主体内容是数据检核规则，这些规则要体现不同的数据质量要求，比如根据合规性要求，数据口径必须符合监管要求，就要将监管要求的数据口径转化为检核规则，再运用这些规则对各系统中的数据进行检核。另外，根据唯一性原则，需要对一些重要关键信息进行跨系统检核，判断其是否唯一。从各银行情况看，部门林立、系统众多、规模庞大、业务繁杂是当前中资银行的基本特点。在这种格局中，开展数据质量管理工作必须有完善的制度作为依靠。从全行管理的角度讲，要有各部门的分工、职责等制度；从基础制度讲，要有关于数据标准、数据口径、名词解释的制度；从具体操作看，要有查询、上报、纠正、考核等制度；从系统开发与运作，要有需求讨论、系统开发、标准落地、维护升级等制度。这些制度有些偏业务，有些偏技术，有些需要二者紧密结合。总之，只有通过建立这些制度，才能形成一个有利于进行数据质量管理的制度环境。

　　加强信息系统建设的标准化建设，不断提升数据源质量。自从人类进入大工业时代后，标准化就是各个行业努力的方向，银行业也不例外。信息系统建设标准化需要从三个层次去理解，一是信息的标准化，比如银行各个系统中数据项的名称、内涵、格式要标准，不能出现同一个数据项有不同含义的现象；二是系统开发的流程要标准，这样才能保证质量和进度；三是系统的信息交流要标准，比如接口标准、数据格式、先后顺序等。只有建立完善的标准体系，各类银行业务数据、客户信息才有评价的依据。在银行业务渠道日益多元的现在，银行数据的来源也随之多元化。既有传统物理网点里柜员办理业务产生的数据，也有客户经理通过接触客户产生的数据，还有客户自助业务时通过ATM、电话银行、网上银行产生的数据，还有银行通过一定规则，批量交易产生的数据。要保证这些数据的准确性、可用性，就必须采取有区别的措施保证数据源的质量。比如对于在客户自助业务中产生的数据，要通过设置必输项、选输项等强制性地规定一些关键信息的录入，还要通过下拉菜单的形式减少客户随便输入的可能性。对于客户经理录入的数据，要通过定期的检查、有针对性的培训、有组织的补录和有条件的修改来确保数据的质量。数据源质量的高低决定了数据质量的整体水平。

　　建立成体系的数据质量监控、考核体系，制订数据质量提升规划。由于数据质量管理工作涉及银行的前台、中台甚至后台，既涉及总行部门，也与支行的柜员、客户经理有紧密联系。仅仅有操作手册、业务制度还是不能保证数据质量的，必须要建立多层次的数据质量监控、考核体系。比如董事会应该将数据质量纳入内部审计工作范围，把数据质量作为评价经营层绩效的重要方面；银行绩效考核部门应该将数据质量纳入部门、机构的绩效考核中；归口管理部门应该通过日常监管和例行检查，对相关部门和支行的数据质量管理工作进行监测和评价；支行则应将数据质量考核纳入本支行的考核方案。只有对数据质量开展有效监测，将其纳入绩效考核方案，所有制度才有可能得到执行，数据质量才有可能得到持续提升。各商业银行要在互联网时代、大数据时代争得发展先机，必然要将提升数据质量作为管理工作的重点内容。受各行信息系统建设的历程、路径各不相同，数据标准化程度也存在较大差异，制度建设和管理体制千差万别等条件的约束，提升数据质量必然是一个长期工作。各行需要通过全面评估本行的数据质量，根据不同数据对本行业务的不同影响，制订系统的提升数据质量规划，分步骤地解决数据质量问题。比如对于重要客户重要标识的唯一性问题，可能需要尽快予以解决；对于客户信息完整性问题，可能要考虑业务规模、管理模式逐步予以解决；对于标准化问题，需要按“新系统新要求，老系统分步走”的模式予以解决。总之，数据质量的提升不可能一蹴而就，需要通过较长时间的不懈努力，需要通过有目标、有秩序的规划，逐步使银行内的海量数据变成经营决策的基础，变成贡献银行利润的“金矿”。

　　文/王胜春、胡传雨

　　（作者单位：北京农商银行计划财务部中央财经大学金融学院）