本文根据陈立节先生在【DQMIS 2020第四届数据质量管理国际峰会】现场演讲内容整理而成。
图1.1
毕马威中国数据治理咨询服务全国主管合伙人 陈立节
演讲嘉宾介绍 - 陈立节
-
拥有近二十年银行业咨询经验，在数据治理、数据分析和应用、数据平台建设方面拥有丰富经验。曾领导多家四大国有银行、领先股份制商业银行、以及城商行及其他金融机构的数据治理及应用类咨询项目。
-
曾作为唯一的咨询公司专家协助国内某监管机构信息科技相关监管课题研究，研究成果已纳入中国金融四十人论坛书系《银行业金融机构信息科技风险监管研究》正式出版。在毕马威大数据公众号发表多篇数据相关文章，并获得金融业同行的一致好评，由清华大学出版社纳入《洞见数据价值》正式出版。
演讲目录
-
监管数据治理的历史沿革
-
监管数据治理的发展趋势
-
监管数据治理的热点要求
-
监管数据治理的常见难点
-
监管数据治理的应对思路
陈总：尊敬的各位来宾、各位朋友，大家下午好，我是陈立节。今天我们整个的主题是回归，我也提出一个观点，这里讲一个故事引出这个观点。
我两年前陪同监管机构到全国金融机构进行银行的数据检查工作，当时去了某省的一家金融机构做了一个座谈会，与这家金融机构的高级管理层和关键部门负责人，探讨监管数据质量治理这个课题。
当时有一个业务部门的负责人提出说我们现在银行的压力特别大，不仅仅是同业市场竞争特别激烈，而且前两年互联网金融对银行的冲击非常大，在这种情况下，还要满足监管的要求，按照监管所需的报表数据及相关标准、统计口径来报数，统计报送工作占用了太多的业务资源，出了质量问题还将面临监管通报和罚单，影响业绩绩等等，总之是倒了很多苦水。
监管机构参会的一位领导当时就提供了反馈，我非常认可，我也借花献佛把这段话提炼为今天大会的观点，即回归业务本源。当时监管机构的领导怎么讲的呢？
首先从银行金融机构自身角度而言，不能说准备这些报表数据和统计指标是完全为了监管合规，为了监管报送而做监管报送。以涉农贷款为例，难道作为一家银行，在采集录入贷款相关的合约信息里没有统计哪些贷款是涉农的吗？即使监管不要求，难道不去采集贷款合约的这些基本信息？不去做一些经营统计分析来支持决策吗？看看贷款在不同的行业、客户、地域等不同维度的分布情况，对产生的不良贷款按各维度进行相关统计分析来找出背后的原因等，用以更好的支持银行管理层的经营决策？所以，监管是来源于业务，又作用于业务，不能单纯说是为了监管要求而采集并统计数据。
我们今天的课题是监管数据治理、监管数据质量，但是我们作为企业自身来讲还是要回归业务本源，我们经常讲到的监管是后面的鞭子，在赶着抽着，但是实际上监管很多的数据对企业自身的经营发展是有决策意义的。我们最近在帮一家大型的商业银行做监管数据治理的专项项目，其中重大的一个项目目标是什么？通过监管统计报送要的这些数据回哺业务，对业务的经营决策进行赋能。
业务原来没有想这么统计，但是监管就这么统计了，以前好像就是监管统计报送部门这么统计了报给监管了，但是这个结果对业务经营、业务分析是否有意义，以前可能大家没有去想，所以这次我们那个项目专门提出了这个目标：通过监管统计报送能够回哺业务、赋能业务，这个本质还是回归业务本源。我先抛出我的观点，监管数据治理要回归业务本源。
今天我主要会围绕几个方面来展开，我们先会简单回顾一下监管数据治理的历史沿革以及发展趋势，把最近面临的一些行业热点以及常见的痛点、难点做一个分析，最后提出我们的应对思路。
图1.2
我先回顾整个监管历史大的趋势，大家都知道今年监管机构前后发了好几个指引通知，也开出好几个罚单，我们说今年最大的罚单是针对几家大型银行，开了总计1770万的罚单，这都是因为银行的数据质量不高、监管数据报送出现了问题。
这也给整个行业带来了一定触动，最近很多的银行，还有一些是非银行的证券公司、保险公司、投资基金公司也都启动数据治理工作了。银行相对来讲，做监管报送(如EAST)的时间比较久了，数据治理的基础也扎实一些，但是今年很多的要求是针对非银行的金融机构，比如说保险，现在要求保险公司也要报送EAST了，所以大家的压力特别大。
其实银保监会早在2018年就发布了银行业金融机构数据治理监管指引，这个指引本身也是代替原来的数据质量良好标准，两者主要的区别是什么呢？如果说原来的良好标准是从数据质量的微观层面入手的，那2018年的数据治理指引已经是站在一个宏观的角度，要求银行业金融机构从管理层自上而下地推动企业级的数据治理工作。因为单独由一个监管报送牵头部门来开展企业级范围的数据质量工作已经很难满足要求了。
又回归到我刚才讲到的业务本源，大家都知道在金融机构内部负责数据治理的牵头部门，一种情况是专门的数据管理部门或者信息管理部门，还有一种情况是科技部门，这两类部门在银行来讲一般都不是强势部门，他们推动数据工作非常困难。业务部门、财务部门、风险部门等是最主要的数据产生者和使用者。特别是前台业务部门，业务的数据往往由业务部门产生，风险和财务部门所需的基础数据，以及监管机构所需的基础数据大多是由这些前台核心业务部门产生的。如果前台部门的数据质量不高，源头数据就出现了质量问题，则必须回到业务源头进行管控。而如果业务部门不把数据治理这件事认为是自身必须要承担的重要工作，那么牵头部门是很难推动的。如果不把数据治理纳入绩效考核体系，业务部门会觉得反正我的业绩重在客户端，把这个做好就行了，不重视数据质量。
在这样的背景下，监管机构提出来说要自上而下开展数据治理，包括刚才说到的今年出了这么多罚单，都是给金融机构的警示。
刚才回顾了行业数据治理监管的大环境，另外最近我刚好也有机会协助监管机构开展数据治理相关规划工作，也借此机会谈一谈我对监管发展趋势的一点看法。
图1.3
从监管机构角度来讲，他肯定看未来大的监管方向。我们在圆桌讨论上讲了一个云监管，最近很多检查确实都是非现场检查，云监管，这是一大趋势。监管机构开发了很多智能化的大数据软件工具，比如建立监管数据规则库及探查工具，只要对接金融机构的报送系统及数据，通过这些规则库可以自动发现数据质量问题。这个规则库是不断完善和积累的，且远比银行或者其它金融机构自身的检核规则要多，因为首先这是积累了这么多年监管数据质量检查的经验，其次是监管从整个金融行业的高度整合规则库，可以跨金融板块和机构进行数据的勾稽关系检核校验，发现单一金融机构无法发现的质量问题。
图1.4
监管机构也在面临数字化转型，也将数据赋能监管作为一项重点工程，包括前面提到的监管统计报送已经向全量化，明细化发展的趋势，都体现了监管整个大的方向，就是要做整个金融行业大数据的集中，然后赋能于金融监管的各个职能领域，所以说这是监管整体未来的一个发展趋势。
图1.5
回过头来，对于金融机构本身，监管应用同样的也有很大的意义，监管返回的很多信息，对金融机构自身经营分析决策也是有重大意义的，所以现在很多银行业金融机构也在想着怎么通过监管返回的这些行业信息，来对自身的经营决策起到一定的赋能，所以这就讲到监管应用对整个行业以及金融机构自身产生的数据应用价值。
图1.6
图1.7
在这个大的背景下，近期金融机构又面临具体的专项检查工作了，这次监管机构就要求银行业金融机构完成监管数据质量的自查，这个自查分为两个方面，一方面是对于监管数据质量的管控体系、治理体系的自查。第二个是对微观层面的，具体的监管报送、涉及数据的质量要做检查。完成自查报告并报监管后，监管机构会来现场抽查金融机构的数据情况，对于发现的数据问题要进行整改，到明年要做总结汇报。所以，最近很多金融机构就在讨论这个监管数据质量专项工作，以更好的应对监管要求。
我对大家的建议是，这次监管检查，应从三个层面来考虑：
层面一：从数据治理层面，作为金融机构，要建立一套相对完善的企业级数据治理机制，它为高质量的监管数据质量提供基础保障、组织保障、人员保障。
层面二：从具体的监管统计报送内容层面，要有一套微观的，可执行的工作机制和流程以及详细的数据标准规范。
层面三：从技术实现层面，针对金融机构的各类信息系统要有具体的落标解决方案。
在大家非常关注的信息系统落标这个层面，我们也要从三个角度来看：
1、业务源系统。刚才前面讲到的，回归本源，也就是说在业务源系统端你
怎么去遵循标准规范，怎么去落地标准规范，怎么去保证业务系统的数据质量。
2、数据整合平台。对于企业级的大数据平台，数据仓库，数据集市和监管报送平台等，需要有什么样的手段机制来保证整合的数据是没问题的，报送的数据是高质量的。
3、数据管控平台。包括元数据管理、数据标准管理、数据质量管理的相关工具平台，金融机构如何应用这些平台工具支撑日常数据治理工作并保证数据质量。
图1.8
监管质量专项工作中涉及到具体检查的点、设计项，最后的评价结果要怎么出，涉及到未来要怎么整改，哪些先整改，哪些后整改，这是一个非常复杂的课题。今天由于时间关系，没办法展开讲，所以我就从总体角度来讲，提出来未来整体的一个应对思路。我们从4个角度来提应对。
第一，要向管理层传递满足监管合规的底线要求。《指引》里面要求的各项内容，这次监管检查要求里面的各项内容我们要逐一应对，逐一做差距分析。涉及到的要分配给各个业务部门的任务，要基于条款的要求进行逐一分解，满足合规要求，这是底线。
第二，要高质量的完成日常监管统计信息的披露和报送工作。这也需要进行任务分解，涉及的报送、报表，指标和数据的范围，比如最近新要求报送的金融基础统计数据等，涉及到多少张表和数据项，要逐一分解到各个责任部门。我此前刚刚参加一家商业银行的专项工作任务会，董事长、行长亲自参加，计财部作为牵头部门，把监管新要求的80多张表及相关数据，分别分派给相应的业务部门，完成业务认责，以满足日常信息披露。
第三是满足管理层决策支持。我们不希望做一个监管统计的专项工作只是满足监管检查的要求，一定要对企业自身是有价值、有意义的，所以第三是管理决策支持，给监管报的很多重要指标，管理层关不关心？一定关心。银行的资产负债、利润，各个板块的业务情况，客户发展情况，线上和线下的业务发展情况，管理层都需要关注。
可能在以往，管理层看的报表跟往监管报的报表不一样，我们在很多的银行看到了，就像以客户个数为例，监管报的是一套，内部报的是一套，内部报的那个口径会多很多，因为绩效压力在这儿，部门给行领导报的时候可能会有重复计算。客户个数在零售端还是在对公端可能是存在交叉的，比如说小微企业的业主属于零售客户还是对公客户，你会发现这很多的问题在里面，造成重复统计。那么这时候，监管的口径就有权威指导作用了。
这里面我补充说明一下管理层数据的展现形式，报送监管统计的这些报表，尤其这些核心指标，一定要通过一种很好的形式，比如说决策支持的驾驶舱、仪表盘，能够反馈给金融机构的高级管理层，让他知道监管报送结果及在同业银行的对比情况，了解在银行业属于什么位置和排名水平，与对标的竞争对手到底存在哪些差距，这都有助于管理层做管理分析决策。
第四、提升用数能力，这讲的就是对具体业务部门，包括分支行的部门。除了这些经营执行层关注的日常指标分析以外，前面提到现在监管统计报送一个大的趋势是需要收越来越多的明细数据了，所以明细数据也是提升用数能力的重点。
图1.9
监管要的很多明细数据信息本身就是银行开展日常客户营销、风险管控所最需要的一些基础信息。有很多要报送的客户基础信息，如果做了客户信息的专项质量的治理和提升之后，是否对日常的客户营销有帮助，那是一定的。所以我们发起很多专项治理项目的时候，会跟业务部门去说这次不只是一个监管专项项目，能不能一并地看看现在的业务部门，比如说零售部，现在想做零售的精准营销分析模型，看看这些模型用到了哪些数据项，如果这些数据项跟监管所需要报送的数据项有交叉有重叠，刚好可以整合起来一并发动一次专项治理，包括存量数据清理和补录，包括未来新增数据的系统改造落标等。专项工作做完之后，不仅是监管要求的数据质量高了，客户画像是否更精准，信用评级是否更有效了，这对业务管理都能起到一定的赋能作用。
所以，我们希望借助这些专项的工作来反哺于业务，这也是我们前面提到的回归业务本源，牵头部门应把监管工作尽量跟业务做一个融合和契合，而不要站在监管的对立面，就是满足监管要求，强制要求大家配合，不应该是这样的。对行内的配合部门也是一样的，不是给监管统计报送的牵头部门打工，做的这件事对前台的一线部门是有帮助的，还借助了监管的这次契机在企业级范围开展专项治理运动，这个是整体的工作思路。
我相信在座的大部分应该都是数据管理部门的或者技术部门的领导和同事，我不知道有没有纯一线的业务部门，我们这个思路第一是可以去说服公司的高管，我们做这件事不只是为了监管，还是为了业务赋能，满足经营决策分析，也满足业务部门日常的用数。
在具体开展相关工作的时候，本着回归业务本源，由源头进行管控，提高源头数据质量，同时也给源头业务进行数据赋能的视角来开展相关工作，这样容易取得业务部门的认可和支持，能够确保这个工作能够真正落到实处。
我今天的分享就到此为止，谢谢大家！