随着数字经济的快速发展，数据已成为国家基础性战略资源和关键生产要素。近年来，农业银行积极融入数字中国建设，把数字经营作为三大战略之一，并将数据管理作为重要内容融入全行“十四五”规划，全面推进数字化转型，以《银行业金融机构数据治理指引》为根本遵循，逐步构建起涵盖数据采集、整合、应用的“全链路”数据质量管控体系，持续完善“监测—分析—整改—评价”数据质量闭环管控流程，坚持“以用促治，标本兼治”的治理理念，依托数据治理平台充分应用血缘分析技术，创新数据治理方法，促进重点领域数据质量提升。
构建“全链路”数据质量管控体系
农业银行以强化数据全生命周期管理为主线，建立覆盖数据采集、整合、应用环节的“全链路”数据质量管控体系，将数据治理贯穿数据流经的全链路各环节。
1.在采集层面，强化源系统贯标和录入管控，提升源头数据质量。源头数据质量管控是“全链路”数据质量管控体系的根本，确保了数据在整个生命周期中的可靠性和有效性。首先是以主数据为切入点，依托企业级业务架构建设，优先实现主流系统中机构、客户、产品三大标准的贯标落标，进而提高源头系统的标准覆盖度。其次要加强系统研发过程中的数据架构管控，明确数据质量的刚性约束需求，在需求研制、系统开发和项目验收等重要节点做好核查验证，把好源头数据出口。
2.在整合层面，强化数据整合与监测，充分发挥中台数据枢纽作用。整合数据质量管控是“全链路”数据质量管控的核心，能有效提升下游数据应用的准确性和一致性。一方面持续拓展数据中台的数据类型和维度，以“多、快、好、省、易”为目标建好建优主题业务宽表，推动数据统一来源、统一规则、统一质量和统一服务，有效提升数据供给能力。另一方面依托数据中台定期监测重点领域、重要集市的数据质量情况，既针对共性基础数据开展各类质量监测，也要解决基于单一系统难以开展的跨系统、跨业务数据质量问题。
3.在应用层面，强化监管报送统筹和大数据应用支持。应用数据质量管控是“全链路”数据质量管控的关键，应用层数据质量将直接影响数据价值发挥。监管报送方面，梳理监管报送要求和行内业务规则，形成规范化的监管数据资产，实现EAST、一表通及1104等各类监管报送的“同源同规同质”，并做好报送异常监测预警，确保提前发现问题、靠前处置问题。大数据应用方面，通过业技数深度融合，以行内业务经营、案防风控、管理决策等应用场景中发现的数据质量问题为抓手，推进专题数据治理。
落实数据质量闭环管控流程
在“全链路”数据质量管控体系下，农业银行以打造更加便捷高效的数据质量管控流程为目标，不断完善“监测—分析—整改—评价”闭环管控机制，在重点领域推动数据质量问题闭环解决。
1.持续拓展数据质量监测体系。以“客户—机构—产品—账户”为切入点，通过9000余项校验规则对入库数据实施批量检查，并按季发布《数据质量定期监测报告》，联动业务部门推进各项专题数据治理。
2.细化数据质量问题成因类型。根据监管制度理解偏差、业务规则不完善、源系统管控不到位、源系统字段设计缺失、手工数据不规范、存在业务合理性等不同问题类型，分类制定差异化的整改措施。
3.强化增量管控以及存量治理。按照“新旧划断”的原则，一方面严格落实新增问题管控，通过源头系统开发的需求管控和业务办理的操作管控，避免出现“边治理边污染”问题；另一方面积极推进历史数据治理，多部门协作分阶段、有计划地推进存量问题整改。
4.丰富创新集团考核检查手段。既要建立覆盖集团各层面的数据质量考核体系，按月监测、按季通报考核情况，按年将考核结果纳入全行综合绩效考评。同时将数据质量纳入条线尽职监督检查范围，从检查范围、方法创新等方面提质增效，实现检查机构全覆盖、内容全覆盖，确保问题整改有督导有落实。
细化组织保障，强化系统支撑
1.充分发挥“两个OWNER”的协同作用。数据质量管控是一个投入多、推动难、见效慢的复杂过程，农业银行紧扣“齐抓共管”的工作模式，充分发挥“数据部门是全行数据统筹者，业务部门是本领域数据所有者”的“两个OWNER”协同作用，有效推进全行数据质量提升。
数据部门作为数据统筹管理部门，是数据质量管控的“推动者”，需要根据数据管理制度明确各方治理职责，建立部门间协作机制；统筹综合性监管数据报送，开展常态化监测，推动业务部门开展源头贯标和数据治理，起到组织协调的作用。业务部门作为业务或系统牵头管理部门，是数据质量管控的“践行者”，应当落实本业务领域或本系统的数据质量管理责任，落地系统建设中质量管控刚性约束；制定对应领域的监管报送业务规则，并对报送数据进行审核，起到分域落实的作用。科技部门作为技术实施和保障部门，是数据质量管控的“守护者”，主要肩负全行信息系统数据架构的规划，加强系统研发过程中的数据架构管控，落实数据库设计规范，组织落地实施数据治理相关业务需求，起到支撑保障作用。
2.强化系统平台和技术手段支撑。随着数据治理创新技术的不断演进，农业银行立足“数据规则库—基础数据库—质量监测库”三位一体的系统定位，建立覆盖资产、数据、监测、推送的数据治理平台，落实数据质量管控闭环，推动数据治理工作系统化、自动化、可视化。
一是实现集中式、一体化资产平台，提升资源整合能力。依托治理平台强化数据资产集中管理，构建资产管理目录，持续扩充资产来源与种类，支持采集、整合、应用三层的资产管理与查询。二是打造动态式、自动化数据平台，提升数据服务能力。治理平台支持各类数据应用场景的自助抓取和自动同步,针对常态化数据质量监测,支持定期自动同步数据;针对临时问题核查等灵活用数场景,支持实时按需自助同步数据。三是打造自助式、实时化质量平台，提升数据监测能力。治理平台实现了全链路数据质量监测规则的实时调度与批量调度，通过开发数据质量考核看板，支持按归属机构进行自助拆分和结果推送。四是打造互通式、精细化联动平台，提升质量管控精度。依托平台数据资产构建应用层数据与源系统数据的血缘关系图，针对异常监测数据借助血缘分析工具，精准定位异常数据对应源系统，进而开展源头整改任务分发，实现数据治理平台与源头业务系统的治理联动。
“双轮驱动”促进重点领域数据质量提升
“管数”和“用数”的有机结合是数据治理的必经之路，农业银行遵循“以用促治，标本兼治”的数据治理理念，以监管关注领域和行内数据应用为双轮驱动，完善数据核验机制，深化源头数据治理，全面提升数据服务能力。
在客户领域，切实贯彻人民银行反洗钱要求，遵循“了解你的客户”原则，重点推进个人客户9要素治理、对公客户12要素治理、对公客户受益所有人专题治理，确保新开客户和存量客户信息的完备性和准确性，从源头上遏制洗钱等违法犯罪活动，有效保护客户的财产安全。在账户领域，针对资金流向监测相关的交易对手缺失问题，组织业务部门细分对公存款、个人存款、代发工资交易中的交易渠道与接口，推动从渠道端和系统端落实源头管控、封堵缺失漏洞，显著提升了全行交易数据质量。在产品领域，切实贯彻中央金融工作会议精神，重点推进普惠信贷关键要素、涉农贷款分类、专精特新、粮食重点领域等专题数据治理，为强化数据监测分析打牢基础。
在数据资产重要性日益凸显的今天，数据治理不单单是一个系统平台，也不仅仅是一套制度流程，而是为了夯实数据底座的综合方案与具体实践，具有长期性、艰巨性和系统性。未来，农业银行将继续做好做实“全链路”数据质量管控的方法论，创新创效数据治理技术手段，既要做“显功”，更要做“潜功”，以坚实的数据基础助力全行数字化转型，为高质量发展贡献农行力量。
（此文刊发于《金融电子化》2024年10月上半月刊）