面对日益复杂的国内外经济环境，银监会、人民银行等金融监管机构对国内商业银行提出了更高的风险管控能力的要求。另外，随着利率市场化逐步形成，商业银行迫于同业竞争压力，亟需通过业务精细化管理提升服务能力来维系客户，保持资产规模、盈利水平的稳健增长。随着全球信息化发展，银行业务精细化管理能力取决于业务经营管理决策是否能够有效结合银行信息化建设，从而打造业务信息化管理能力，因此建立完善的数据治理体系是银行提升业务信息化管理能力、体现信息科技应用建设效用、实现数据资产价值的根本之道。
数据治理是一个新兴的并且不断演进的概念，涉及数据组织、数据政策、数据管理职能、数据资产运用、数据管理技术等多个领域，同时也受科技创新等因素的影响。目前国内银行在开展数据整合、数据应用的过程中已经逐步意识到数据治理的重要性，管理层也随着对业务精细化、信息化管理要求的提高而对数据治理的重要性认识有了根本的改观，并积极推动展开了数据治理探索、实践工作。但是多数银行在建立全面的数据治理机制上还存在较大空间，在数据治理体系规划及建设上缺乏统一认识和实践参考，需通过企业数据治理，最终达到理清银行数据资产的脉络，统一识别和标准化数据、提升数据质量，在保证数据安全的前提下有效整合数据、应用数据的要求。
股份制商业银行业务经营范围基本都是覆盖全国，经营战略为多元化、混业经营，业务发展规模日益趋向大型股份制商业银行，银行科技体系建设已基本可以满足数据质量、数据标准等相关数据治理工作的开展， 业务需要通过精细化管理，快速规模发展对数据支持的需求迫切，但全行尚未形成统一认知的数据文化，对于数据治理启动时投入资源有限，需要通过适合的切入点逐步推动数据治理建设由此，股份制商业银行的数据治理研究较之大型国有银行从数据体系框架、数据体系蓝图、数据体系实施路径以及数据治理机制建设上均会有针对性地裁剪，从而更加适于中等规模股份制商业银行业务发展及信息化建设的要求，同时本文也一定程度上适用于那些正在从小型规模快速向中等规模发展的区域性商业银行的数据治理机制建设要求。
股份制商业银行在数据治理建设过程中主要需要解决的问题主要包括以下几个方面：缺乏体系化、系统化的数据治理方法论，指导各银行开展数据治理工作；现有体系中的各项工作互相独立，未能协调发挥数据管理的作用；数据管理与业务发展的结合不够紧密，针对性、及时性和全局性不够；数据治理的定位高度不足，缺乏将数据转化为战略资产的认识等。
为解决上述问题，本文数据治理机制的建设基于完整的企业数据体系框架；并且引入Gartner的魔力象限工具定位股份制商业银行数据治理的实施策略，通过“实施评估影响因素表”并依照“顺势而为、循序渐进、数据文化、加速创新”的建设原则，将数据体系框架落实为数据体系蓝图和实施路线图；更为重要的是创新地提出通过数据认责激活数据治理机制，营造企业数据文化。
对于数据治理学术方法论，选择国际数据管理协会（DAMA）、数据治理学院（DGI）和国际商业机器（IBM）公司数据治理理事会的方法论进行分析，归纳其侧重点及优势作为理论素材（具体内容可参考公众号文章《银行数据治理方法浅析》）。综合分析发现这些方法论的侧重点和实施模式各有不同，银行通常难于选择宏观的理论指导，同时这些方法也不能直接套用。对国内外银行数据治理现状的调研，着重分析股份制商业银行面临的机遇与挑战。
通过方法论研究和实践调研，提出银行建设数据治理机制的基本框架思路。股份制商业银行需要充分吸收数据治理特点以构建适合银行自己的方法论体系，同时通过不断实践来验证和完善理论，在这个过程中逐步形成适合银行自身发展需要的数据治理机制和体系。股份制商业银行在数据体系建设中应更加重视整体性和前瞻性，并注重数据治理、数据管理与数据应用的协调发展。
（1）契合股份制商业银行业务发展战略与信息化建设发展战略，制定数据发展战略。数据治理的最终目标是提升企业信息化管理能力，为业务经营管理决策提供数据支撑，因此制定数据体系框架，推进数据治理机制建立需要契合银行业务发展战略目标，并匹配信息化建设发展战略目标，首先需建立企业数据发展战略目标。数据发展战略目标包括总体目标、总体策略、使命与价值观等方面。
（2）基于数据发展战略，以方法论结合实践要求为导入，以完整性、系统性、前瞻性、指导性为原则，构建数据体系框架。如图1所示，数据体系框架涵盖三个领域、十五项管理子领域。该数据体系框架为银行未来数据领域的管理活动界定了整体范围与内容，从而为建设体系化的数据治理机制，完整性、系统性的推动数据管理、数据应用与服务活动奠定了基础。根据数据体系框架，在界定各个领域的具体职能的基础上，根据各股份制商业银行实际需要，结合实施风险与成本估算以及各领域间具体的逻辑关系，设计逐步建立数据治理机制的实施路径。
（3）数据体系框架的三个领域。银行数据体系三个领域分别为数据治理、数据管理、数据应用与服务。数据体系框架中的所有关键活动由数据管理和数据应用与服务组成，数据治理是数据管理和数据应用与服务的管理机制保障，明确数据管理的组织、制度与流程，数据应用与服务是体现数据资产的价值的重要手段。
（4）数据体系框架的十五项管理子领域。十五项管理子领域分别为数据治理领域下的：数据战略与规划、数据组织与职责、数据政策与制度；数据管理领域下的：数据架构与模型管理、数据标准管理、元数据管理、数据质量管理、主数据管理、数据保留与归档管理、数据隐私与安全管理、内容管理；数据应用与服务领域下的：数据应用及技术规划、数据需求管理、数据服务、数据基础系统建设与管理。针对每项管理领域，明确管理目标并详细说明管理活动和工作过程。此外，还阐述了数据体系的关联关系，其中包括数据应用与服务的关系，以及数据管理内部各领域的关系。
股份制商业银行数据治理机制建设应遵循总体建设原则，通过魔力象限方法制定实施策略，并且综合实施项目的影响因素评估，从而推导出任务蓝图和实施路线图。
数据治理机制包括以下几条建设原则：
-
数据治理机制的建设需要高层支持，应当顺势而行，借助外部监管、银行内部经营管理等对数据要求带来的契机促进数据体系建设。
-
需注重转变促成，重视数据管理、数据质量等理念认知的宣传，逐步塑造出银行内统一认知的数据文化，创造数据治理机制可持续发展的环境。
-
采取分阶段、分步骤循序渐进的实施策略，在实施中应沿着重点发展领域的路径，带动其他领域发展，并逐步实现体系建设全面发展。
-
商业银行应该加速创新，利用大数据等技术带来的机遇加快数据体系建设。
借鉴Gartner研究成果，创造性的提出了国内银行的数据体系魔力象限工具，描述了横纵坐标设计及能力成熟度分布。魔力象限以执行能力和前瞻性为横纵坐标，四个象限依次分别为领导者、挑战者、有远见者和特定领域者，具体如图2所示。以数据治理、数据管理水平为横轴，体现数据体系的前瞻性；以数据应用与服务为纵轴，体现数据体系的执行能力。在魔力象限图中，横轴方向越靠近右边，代表该银行数据治理、数据管理的水平越高；纵轴方向越靠近上方，代表该银行数据应用与服务开展的越好，也就是数据价值利用的效果越好。横轴在前瞻性计划性上体现的更为明显，而纵轴更加侧重于价值实现。
以魔力象限工具为基础提出了股份制商业银行数据治理发展路径的设计方法，总体方针是优先发展薄弱环节，持平后均衡发展，极力避免数据应用的失控和数据管理的空泛。对于不同的股份制商业银行，在实践中可能会遇到各种突发情况，此时可以结合目标选择不同的发展路径，但总体发展趋势不应违背上述方针。
基于以上考量制定数据治理机制建设的任务蓝图，并结合数据战略目标，以发展路径为指导，参考各数据领域的相关性、建设状态，对实施路线优先级进行排序，确定总体建设计划，通过分析计划中任务的重要性和急迫性识别实施计划中关键项目，具体指导方法涉及项目识别方法、优先级界定方法及对应的价值风险评估指标。
