随着银行业务精细化管理要求提高，国内各家银行都逐渐开始重视信息化管理能力的提升，数据治理则是实现这一能力的基本方式。数据治理是商业银行安全稳定运营的重要保障，也是实施风险管理的重要基石。近日，记者采访了光大银行信息科技部总经理杨兵兵，请他介绍光大银行数据治理体系的构建过程及未来的发展情况。

《中国金融电脑》：如今商业银行已经进入后数据集中时代，各家银行在积累了大量业务数据之后，将从业务规范和技术手段等多个层面加强数据全生命周期管理，从而提升数据应用价值，加强数据治理已经成为各商业银行的当务之急。光大银行是如何规划和实施数据治理体系？

杨兵兵：众所周知，数据治理的最终目的是提升企业数据质量，通过有效的数据整合、数据应用与数据服务使企业真正具备业务信息化管理能力。其中数据应用与数据服务离不开面向财务管理、风险管理、绩效考核、客户营销这四个方面的支持。构建全面的数据治理体系，需从组织架构、管理流程和操作规范、IT应用技术、绩效考核支持等四个维度对企业数据模型、数据架构、数据管理 、数据生命周期等各方面进行全面的梳理、建设以及持续改进。

2005年起，光大银行就开始了企业级基础数据平台（即数据仓库EDW）的建设并整合了核心系统、对公信贷系统（CECM）、个贷系统、网银系统、国际结算系统等41个源业务系统数据，在有效整合全行数据的同时完成了银监会非现场稽核报表（1104）、信用卡BI、电子银行BI、信用风险集市、风险加权资产（RWA）、资产负债等19个数据集市和应用的建设。

2007年起，伴随数据仓库和数据应用的建设，光大银行制定了数据标准的5年规划并展开实施，实施中秉承定义、执行、监督检查三者并重，先后完成了客户、产品、渠道、交易、关键统计指标、内部机构以及风险主题数据标准的定义，并于2009年基于客户数据标准开始推进全行对私统一客户管理系统（ECIF）的建设。

2010年，光大银行完成基于新《巴塞尔资本协议》相关风险数据标准推进了RWA数据集市建设，并于2011年完成了全行渠道类型数据标准在各交易系统中的落地改造。

鉴于数据标准实施难度大，未来光大银行将持续落实数据标准实施规划，做好数据标准系统落地以及监督评价工作， 并结合数据质量管理、数据应用与数据服务的要求进行下一个实施周期的规划。

《中国金融电脑》：为保障数据治理工作的顺利展开，贵行数据治理组织架构由几部分组成？

杨兵兵：光大银行数据治理架构由以下三个层面构成。第一层面由风险管理部、审计部等数据使用相关业务部门组成， 主要负责本条线的数据标准制定和数据质量管理，例如风险管理部设立了数据管理岗， 专门负责数据管理相关工作；第二层面由计财部、科技部组成，它是光大银行IT战略委员会下设数据标准小组的牵头管理部门，负责数据标准实施的管理和组织推动，以及数据质量的综合管理；第三层面由审计委员会和风险管理委员会组成，光大银行审计委员会和风险管理委员会的相关职责体现了董事会和行领导对于数据质量和数据标准的关注和重视。

随着数据仓库以及数据标准的实施，光大银行逐步制定了数据治理相关的管理规范，最终落实在数据标准和数据质量的绩效考核指标上。只有合理制定数据治理相关考核指标并切实推进到业务基层，才有可能从数据产生开始实现对数据的真正治理，目前光大银行已经制定了风险数据补录质量考核指标、对公客户信息准确性考核指标等。光大银行在建设数据治理相关应用过程中充分结合数据标准的落地，使数据在整合、应用以及管理过程中实现统一标准管理。

《中国金融电脑》：在当前复杂的经济形势下，贵行是如何通过数据治理来助力风险管控工作的顺利进行？

杨兵兵：当前国内外经济形势异常复杂，银监会积极推进要求国内银行逐步实施新《巴塞尔资本协议》， 并以此进一步提出了“ 腕骨”监管原则，旨在推动国内各商业银行充分利用风险管理技术，提升风险管理内控水平，全面具备风险信息化管理能力，及时进行风险预警，调整信贷策略，主动适应市场变化。

光大银行为推进实施全面风险管理战略，明确规划要建立和完善与发展战略、经营目标及财务状况相适应的，符合新《巴塞尔资本协议》并与本行内部资本充足评估程序相互衔接和配合的全面风险管理体系，控制本行承担的风险在可承受的风险限度内，确保收益与承担的风险相匹配，实现股东价值最大化。

切实推进规划要求，发挥风险管理技术运用价值，共享全行风险管理经验，这些都离不开银行全面整合、高质有效的数据支持。如非零售信贷风险中的违约率计算、财务分析等； 零售信用风险中的催收打分卡、申请打分卡等；市场风险计量、操作风险事件识别等；高级风险技术中的经济资本计量、RAROC计算等；以及银监会“CARPALS”腕骨监管原则中资本充足性、贷款质量、大额风险集中度等相关指标考量，都需要银行积累3～7年的涉及客户、客户集团、交易、合同、市场信息、产品、财务甚至IT系统操作信息等数据。然而提供高效、高质的数据支持，对银行数据管理组织架构的有效性、数据管理流程和操作规范的完备性、数据整合、应用与管理的IT系统支持以及数据治理绩效考核支持等提出挑战，因此构建企业级的数据治理体系势在必行。

《中国金融电脑》：贵行在数据治理实施过程中有哪些经验可以分享？您认为数据治理对于风险管控有什么重要意义？

杨兵兵：对于如何评估企业数据治理能力，目前可以通过信息导向架构进行初步衡量，该架构包括数据文化、数据管理能力和数据应用建设能力三个方面，其中数据文化衡量企业组织层面是否具备信息化管理能力，也是数据治理体系实施是否成熟、成功的重要衡量标准。

光大银行在多年的数据治理过程中积累了一定的经验，然而我们也看到了工作中存在的不足之处，因此未来光大银行还将进一步通过开展数据治理体系规划，完善组织架构，提升数据质量，强化数据服务能力进一步梳理经验、弥补不足，持续推进数据治理，实现银行业务信息化管理能力。

2004年，光大银行完成全行对公统一信贷管理系统，又于2011年陆续建设了个贷风险管理系统、市场风险管理系统、操作风险管理系统、资产负债管理系统、RWA、个贷风险数据集市等风险管理应用。同时， 在数据挖掘和高级应用方面，定制了信用卡催收评级、行为评分、申请评分等模型，实现了对公信贷经济资本计量、风险偏好模型、 贷款损失计提、 贷款及投资定价、RAROC及绩效考核等。此外，光大银行还将整合全行风险数据，建设统一风险数据集市，为RWA计算、资产负债管理、押品管理、经济资本计算、风险模型等提供统一的风险主题数据支持。

全面风险管理不仅要统一管理企业面临的所有风险，而且要综合计量计算和统一揭示一个客户或者一笔交易所面临的各种风险。在同业竞争的压力下，银行之间的差异性很多体现在风险管理的差异性和管理精细化程度上。这些都给全面风险管理带来了不小挑战。为此，光大银行要重点关注以下问题：全面的风险综合计量要求整合所有风险主题数据；适当的风险压力测试是规避模型风险的主要方式；深入的信息化管理要求具备全面的数据治理能力。为此，数据治理技术应用应包括以下几个方面：建设风险数据集市， 整合风险相关主题数据，推进风险主题数据标准化和保障风险管理数据质量；建设风险模型试验室，实现风险数据模型的准确调教以及风险压力测试； 通过科技创新打造光大银行开放式数据服务平台， 准确、高效的实现业务数据服务共享。

最后，杨兵兵表示，未来光大银行还将积极响应银监会号召，主动进行数据治理相关课题研究，从而真正实现通过数据整合、数据治理助力全面风险管理实施。