数据治理执行征询解决规划
规划概述
数据治理执行征询解决规划
从全行数据治理的角度 ，结合当前大部门银行数据治理的近况 ，综合表部监管和内部精密化治理的要求 ，以数据治理关键点的成功落地执行为指标 ，别离从数据治理的组织架构及治理造度、数据尺度、数据质量等关键域给出了切实可行的落地执行思路及部门工艺流程 ，为数据治理的执行落地提供了优良的指引和可供操作的步骤和执行工艺 ，能有效确保各治理域的成功落地。
规划职能
-
数据质量治理规划
- 以数据的齐全性、唯一性、真实性等作为数据质量评估维度 ，对数据在创建、流转过程中出现质量问题的原因进行鉴别。选取关环的数据质量治理法子 ，利用数据质量治理平台 ，凭据检点规定 ，进行全流程的检点、预警并跟踪至问题解决
-
数据尺度规划
- 数据尺度通过对数据的业务属性（如：尺度中文名、业务界说）、技术属性（如：数据类型、长度等）、治理属性（如：归口治理部门）的规范 ，凭据实用、前瞻、盛开的准则 ，采取国标、行标、监管尺度优先准入的准则 ，假造全行统一的数据尺度规范。针对新建、汗青系统选取分歧的落标战术进行执行 ，确保全行在业务过程中的业务术语界说、报表口径规范、数据交互尺度的一致性
-
治理组织及治理造度规划
- 结合数据治理实际 ，规划成立决策层、治理层和执行层共三层的数据治理组织架构和数据治理各领域（数据尺度治理、数据质量治理等）配套的治理造度及流程系统
规划价值
在数据治理征询宏观规划的领导下 ，结合银行的现实情况 ，从微观层面（数据治理执行工艺流程、数据治理管控系统）给出数据治理重要的数据尺度、数据质量治理、元数据治理方面的执行落地征询规划。执行征询规划充分思考了表部监管（如：征信、EAST、1104、客户风险统计）和内部精密化治理及风控的数据治理要求 ，以切实可行的方式稳步推动数据治理的落地 ，提升银行数据治理的水平 ，实现优良数据支持下的银行利益的最大化。
成功案例
采办征询
邮箱联系