数据治理体系建设_投标方案（技术标）.docx
《数据治理体系建设_投标方案（技术标）.docx》由会员分享，可在线阅读，更多相关《数据治理体系建设_投标方案（技术标）.docx（357页珍藏版）》请在冰豆网上搜索。
数据治理体系建设投标方案
目录
1.对本项目的理解 4
1.1.对本项目需求的理解 4
1.1.1.落实大数据环境对数据治理的要求 4
1.1.2.满足监管机构对数据治理的要求 4
1.1.3.对项目需求的初步解读 5
1.2.本项目成功的关键要素 6
1.3.本项目对全行发展的价值 8
1.3.1.从业务的角度 8
1.3.2.从数据管理的角度 9
1.3.3.从信息科技的角度 9
2.项目解决方案详述 11
2.1.企业信息管理框架 11
2.1.1.企业数据管理解决方案体系综述 11
2.2.数据治理体系规划方案 19
2.2.1.数据治理体系规划总体框架 19
2.2.2.数据治理体系现状分析 21
2.2.3.数据治理体系设计规划 35
2.2.4.数据治理实施路径规划 44
2.2.5.数据治理制度体系设计 46
2.3.数据标准管理方案 53
2.3.1.数据标准与各领域的关系 53
2.3.2.数据标准管理框架 55
1
2.3.3.数据标准管理组织 58
2.3.4.数据标准管理流程 60
2.3.5.数据标准管理制度 63
2.3.6.数据标准编制 66
2.3.7.数据标准实施 103
2.3.8.数据标准管理系统业务需求说明 114
2.4.数据质量管理方案 115
2.4.1.数据质量管理框架 115
2.4.2.数据质量与各领域的关系 117
2.4.3.数据质量管理组织 119
2.4.4.数据质量管理流程 121
2.4.5.数据质量管理制度 127
2.4.6.数据质量检验方案 131
2.4.7.数据质量提升方案 141
2.4.8.数据质量管理平台方案 155
2.5.数据架构规划 158
2.5.1.数据仓库规划 158
2.5.2.大数据与数据仓库的整合架构规划 163
2.5.3.实现数据仓库的基础设施架构规划 169
3.项目实施方案 172
3.1.实施计划及进度安排 172
3.2.项目组织与人员构成 173
3.2.1.项目领导小组 174
3.2.2.项目管理组 174
3.2.3.技术支持组 175
3.2.4.项目实施小组 176
2
3.3.项目工作产品及最终交付物 177
3.4.项目风险与应对建议 178
3.4.1.项目进度风险与规避措施 178
3.4.2.跨项目组协调风险与规避措施 178
3.4.3.需求变更风险与规避措施 179
4.知识转移及培训方案 181
4.1.知识转移 181
4.2.培训 183
4.2.1.培训方式 184
4.2.2.培训手段 184
4.2.3.培训计划 185
5.XX项目管理办法 187
5.1.综述 187
5.2.项目管理方法 188
5.2.1.项目范围管理 190
5.2.2.项目沟通管理 192
5.2.3.项目进度管理 194
5.2.4.项目风险管理 196
5.2.5.项目质量管理 200
5.2.6.项目问题管理 205
5.2.7.项目会议管理 206
5.2.8.项目文档管理 207
5.2.9.项目变更管理 211
3
1.对本项目的理解
1.1.对本项目需求的理解
1.1.1.落实大数据环境对数据治理的要求
随着大数据时代的来临，数据资产已成为银行的重要生产要素，在客户服务创新、风险管理、绩效管理、财务管理等各方面工作中发挥着越来越关键的作用。
如何管理好数据、应用好数据、挖掘数据价值，已成为一个现代银行加快业务创新、提高精细化管理和科学决策水平的最重要、最迫切的基础工作之一。
发挥数据的最大价值依赖于人员、流程、制度、技术的支持，通过数据资产的管理来提升数据质量、保障数据安全、促进应用效率，从而降低大量
数据资产导致的各项管理成本，以实现数据驱动业务发展的目标。
1.1.2.满足监管机构对数据治理的要求
根据国际监管动态及趋势，巴塞尔委员会最新发布的“风险数据整合及风险报告原则”中明确要求全球系统重要性银行必须在2013年做好数据管理自评估的准备。
其他商业银行也应以此为信
号，开展数据治理及营运模式的评估并持续完善。
从国内的监管要求及实施动态看，随着银监会非现场监管信息系统和客户风险统计信息系统不断完善，数据及时性和全面性基本可以保证，但在准确性上存在较大差距。
为此，中国银监会2011
年发布《银行监管统计数据质量管理良好标准（试行）》对数据管理
4
的良好标准，从组织机构及人员、系统保障及数据标准、数据治理制度建设、数据质量监控检查与评价、数据的报送应用和存储，做
出明确规定和要求。
1.1.3.对项目需求的初步解读
大数据环境和内外监管机构都对银行的数据组织、数据管控机制、数据标准、数据质量等相关数据管理主题提出了一系列要求。
目前，在数据治理工作、数据标准及数据质量的差距包括：
·未制定全行级的数据治理机制，缺乏数据管理政策未建立明确
的数据管理组织；
·尚未发布全行统一的数据标准，没有跨业务条线的数据统一定
义；
·未制定全行级的数据质量管控机制。
XX认为，数据治理的实质在于“业务先导、管理驱动、技术支撑”。
管理是其中的核心与基础，业务、管理与技术的互动是盘活整个数据体系的关键因素。
借助EDM等管理与分析工具，可对数据治理工作的现状有深入的了解，并可以借此发现全行数据管理的发展重点，为全行数据治理工作奠定坚实的基础。
通过数据管理机制的建设，从数据管理组织和制度上为数据治理工作提供管理保障，实现数据治理工作的持久化。
借助数据标准化工作，相继统一全行客户、资产、机构、产品、协议、交易、渠道、财务、营销主
题的信息项的定义，进一步规范业务操作与IT的系统建设，并通过
5
数据质量体系的建设，实现全行数据质量的整体提升。
1.2.本项目成功的关键要素
关键成功因素一：
数据标准是银行建立数据应用的基础，如何让全行各级人员认识到数据标准对业务支持的价值，使他们能
看到数据标准对他们工作的重要性并参与到数据标准相关工作
中
难点描述
·业务人员把数据标准编制看做是技术性工作，主观意识是在配合而非主导，并不认为数据标准对业务管理和系统建设有什么直接价值
·数据标准只是梳理和建立当前跨系统数据规范，而未完整考虑各类业务对数据应用的要求，如新资本协议合规、客户细分、产品定价等，导致数据标准对具体应用的支持不足或脱节，各类应用的数据质量得不到有效保障和提升；
德勤建议的解决方载
·结合德勤数据价值模型，深入宣导数据标准及管理体系对业务的价值，理解数据标准对业务管理和业务分析的作用；
·结合德勤在风险、管会、营销等相关应用的数据模型指导数据标准的建设，更好的反映对业务的支持，呈现数据标准化价值；
本项目关键成功因素一
关键成功因素二：
构建全行的数据治理职能，明确组织体系和责任体系及运作的工作机制，推动数据是资产人人有责的数据
文化
6
奥花点有
·各级领导不了解数据标准及管理体系对银行业务发展所起的作用和价值，实际工作中不知道如何参与也很少参与，也不太注重在数据管理上投入相应的责源和精力；
·数据标准、数据质量是数据管理部门保障的工作，数据建立和产生的部门很少参与其中，不能有效进行数据质量的预防，数据质量仍然是问题为导向的被动管理；
路秒地议的解决方清
·结合德勤数据治理体系中的功能框架明确数据管理的领域边界、能力要求和工作内涵，依据功能框架建立不同的管理角色，并结合民生银行的管理组织体系和文
化，制定全行的数据治理组织架构。
在决策层上明确高层领导所承担的职责和工作章程。
在管理层上，厘清数据管理部门、业务部门、科技部门在数据管理不同领域和不同层级的责任定位和职责所在，建立数据管理政策和一些列管理制度保障数据管理职青能有效推动。
本项目关键成功因素二
关键成功因素三：
数据标准难不在编制而是落地执行。
数据标准的落地贯穿到系统开发生命周期的相关环节，需要业务、科
技、数据管理部门共同推进才能被有效的执行
难点据逃
·数据标准的落地会要求业务在数据录入中更加精细化、规范化，同时数据标准化也会导致源系统数据模型的调整以及存量数据的大量清洗和拆分。
有时也会引发业务约变化，例如产品的数据标准化将使产品管理产生一定的的变革；
·系统建设和维护对数据标准的执行谁来审核和控制，不能执行的标准成争议谁来组织协调，标准的变更谁来牵头组织，谁来负责维护，所有这些活动国因缺乏有效的责任机制导致数据标准的管理和执行得不到保证
他动建议的解决方意
·建立全行数据标准体系的同时，分析全行数据标准落地价值并制定方案，方案中包含数据标准落地分析、数据标准落地价值、数据标准落地策略；
·制定数据标准各信息项管理原则和各项管理责任，定又数据标准各信息项的所属部门；
·制定数据标准落地在各系统的数据口径、业务规则、映射的管理规范和相关模板，确保各类系统建设对数据标准执行的监控。
本项目关键成功因素三
7
关键成功因素四：
通过数据管理评价及考核体系持续监控数据质量水平及数据管理机制的建设情况，保障数据治理规划的各
项工作能有效落实
难点描建
教据标准化执行需要各部门投入额外的资源和精力，但国缺乏有效的激励机制，各部门更注重业务工作，对数据管理的要求响应度较低；
德勤建议的解决方囊
·数据治理的规划结合业务管理的价值，充分体系数据管理对业务的支持；
·建立对数据管理体系的综合评价，包括定义机制建设、日常管理、数据质量等维度的街量指标，可视化数据的过程管理，定期向治理委员会报告数据治理规划成
果；
·将数据管理评价结合到业绩考核中，通过不同的激励方式来反映部门对数据管理
的支持和投入
本项目关键成功因素四
1.3.本项目对全行发展的价值
1.3.1.从业务的角度
开展数据标准管理工作的驱动力包括：
监管与合规、运营管理、
业务创新、统计分析与决策支持等多个业务领域。
●监管与合规：
无论是银监会数据质量良好标准与新资本协议合
规等外部监管要求均对银行业数据标准化提出了明确的要求。
8
●运营管理：
数据标准的实施将有助于信息交互，促进数据集中管理，提升数据质量与运营效率。
在此基础上，高质量的运营
数据分析有助于发现业务瓶颈，推进业务流程优化与变革。
●业务创新：
数据标准化有助于信息的采集和分析，以数据驱动业务的发展，更有效的识别客户群体，建立快速的产品创新机
制。
●统计分析与决策支持：
在高质量的基础数据的基础上，通过数据集市的建设、商务智能及数据挖掘技术，支撑不同层次的分
析与展现，实现对决策分析的有力支持。
1.3.2.从数据管理的角度
数据是企业的重要资产已成为共识，数据管理的目标就是将数据资产建好、管好以支持数据应用从而更好的实现对业务管理和决策。
企业数据管理解决方案框架涉及数据治理、数据标准、数据质量、数据架构管理等领域。
随着数据相关工作的进一步开展，元数据管理、主数据管理、数据保留与归档、数据隐私与安全等领域的工作可以进一步开展，从而实现数据全生命周期管理能力的逐步提
升。
1.3.3.从信息科技的角度
从实施的角度，此次项目主要完成数据管理机制的设计工作，全行数据标准体系、数据质量体系的设计，全行各基础主题的编制和
指标数据标准的编制及提升、数据标准的落地实施及数据质量问题
9
的整改等。
数据标准在系统及集市的落地实施，切实起到了数据标准规范和促进IT系统建设的价值。
数据标准业务定义/技术定义对支持系统建设有直接的指导意义，将制定完成的数据标准作为数据需求，为即将建设的系统及原有系统改造升级的数据模型设计提供依据。
从而提升IT系统的数据模型设计效率，降低各系统间集成的复杂度，
提高系统间交互效率。
数据质量管理在发现并解决数据质量问题的基础上，需要进一步考虑对数据质量问题的深入分析，并进而提出业务流程优化、系统改造、技术工具改造的需求，全面引领业务与技术的发展，持续提
升全行数据质量。
10
2.项目解决方案详述
2.1.企业信息管理框架
2.1.1.企业数据管理解决方案体系综述
在数据领域具备体系化的解决方案，将确保为构建企业级的数据管理与应用能力。
数据领域的解决方案以“企业信息管理（EIM-EnterpriseInformationManagement,以下简称EIM）”解决方
案为核心，其重要组成部分“企业数据管理（EDM-Enterprise
DataManagement,以下简称EDM）”将直接为此次项目提供支
持。
2.1.1.1.企业信息管理（EIM）解决方案体系
从企业信息管理的整体角度，提出完整的企业级信息管理
（EIM）体系由业务经营及决策、数据整合及分析手段、数据管
理、内容管理，以及配套的管理机制五部分构成。
的企业信息管理
方法论的内容如下图所示：
11
德勤全业信息管理（EIM）解决方重体系
经营决策管理（EPM）
事件望动分析管理与财务报表
商业智能与数据仓库（BI）
金业级数据仓库ETL
企业数据管理（EDM）
金业级数据架构
数据质量管理
记录营理
元数据管理
金业级报告管理
数据保留与归档
信息管控（IG）
管理流程
数据治理
数据标准营理
主数据管理
教据隐私与安全
金业内客协作
文档管理
Web内容营理
数据资产管理
非结构化搜素
统划/须算夏预测
金业信息管理战略
数据分析与挖摇结构化搜素
知识营理
用攀管理
续效评分市及报告
企业内容管理（ECM）
金业续放对样分析
财务绩效管理
营理取责
营理组织
电子签名
商业智能
管理制度
数抵管事
企业信息管理（EIM）
企业数据管理（EDM）是全行数据整合及应用中的部分环节，故数据管理体系是全行信息管理体系中的一部分。
的企业数据管理
方法论中将数据管理进一步细分为8个管理领域，包括：
数据架
构、数据管理原则或指引、数据质量管理、数据标准管理、元数据
管理、主数据管理、数据生命周期管理、数据安全控制。
商业智能与数据仓库（BI）解决方案概述：
企业信息管理战略：
构建企业信息管理的战略以及实施路径，以提升数据资产的价值；对企业信息管理的蓝图、准备
度和成熟度进行评估；
商业智能：
对企业的绩效进行监控、分析和报告，提出
企业绩效的提升战略；
企业级数据仓库：
构建企业级的数据仓库，实现企业数
12
据的集中和整合，为商业智能、统计以及经营决策提供可信的
数据基础；
ETL:
实现跨平台的大数据量的迁移和转换，同时，构
建企业数据ETL的平台；
数据分析和挖掘：
构建数据挖掘模型，实现对数据的趋势分析预测，同时根据数据分析结果编写业务的发展趋势报
告；
结构化搜索：
建立结构化数据的搜索引擎和数据交付机制，确保可以在桌面端展现企业结构化数据的搜索结果，并可
以逐步扩展到对Internet的信息搜索和信息整合。
企业数据管理（EDM）解决方案概述：
数据治理：
构建企业数据治理的组织体系，同时建立一系列的数据治理政策、流程以及相应的工具，确保数据得到有
效的管理并能够满足业务目标；
数据质量管理：
构建数据质量管理的流程体系和操作规范，准确识别企业的数据质量问题，并进行有效的解决，同时
持续监控数据质量问题，确保企业数据质量的持续提升；
数据标准管理：
建立企业级的数据标准，为跨业务条线的数据提供一致的定义，并建立数据标准落地实施的持续机
制；
元数据管理：
收集和管理企业的元数据信息，同时，建
13
立企业级的数据地图，确保整个企业数据的可追踪和管理；
企业级数据架构：
构建企业级的数据模型，识别企业数据的总体分布情况，从而为数据的存储、整合、使用、访问以
及数据的交付提供基础；
主数据管理：
准确识别企业的主数据，并建立主数据管理机制和平台，确保主数据在企业内部的准确性和一致性，为
企业的主数据建立统一的视图；
数据保留与归档：
实现对企业数据资产的保护和归档，包括在线和离线等多种方式，以满足合规和管理的要求，同时
为业务运营提供有效的归档数据访问方式；
数据隐私与安全：
确保企业数据资产的安全性，杜绝非授权访问，建立相应的数据访问策略、检查机制、控制和监控
机制。
企业内容管理（ECM）解决方案概述：
企业内容协作：
通过对群件系统（诸如邮件系统、视频会议系统、Internet、Intranet、Extranet）的应用以及其它
的IT技术，支持和加强企业级的通讯和内部协作；
知识管理：
构建知识创建、管理和应用的流程，以及相应的工具建设，实现对知识的有效管理，以促进企业的绩效提升，加强人员技能，实现产品和服务创新，同时开展基于项目
的经验总结和分享，开发协作的最佳实践；
14
文档管理：
创建、管理和分享电子文档，允许存储、查询、跟踪以及管理企业内的电子文档，内容包括工作流管理、
安全和权限管理、文档搜索、元数据以及文档版本控制等；
图像管理：
通过OCR/ICR等技术获取、存储和检索文
档中的元数据信息，并实现有效的识别和智能化的管理；
Web内容管理：
收集、装载、存储、维护和交付Web
上的文本和图像资源，并允许业务部门创建、发布、修改和管
理相应的Web内容；
>记录管理：
基于合规等方面的要求，创建、管理和应用企业内的各类记录信息，并提供长期的归档以及自动化检索功能，同时建立归档和保留的策略、披露机制（包括披露范围和
披露方式）、信息分类机制等；
数据资产管理：
组织和管理企业内的媒体文件，构建相应的技术平台，以实现对相应内容的有效管理；同时，确保视
频、图像和音频的质量不受损失；
企业级报告管理：
对企业非结构化数据的存储容量进行
估算，提供多种存储策略；
非结构化搜索：
构建基于语义和元标记的搜索策略和技
术平台，实现对企业内容的有效检索和管理；
电子签名：
构建电子签名的技术平台，实现电子签名和
企业内容的有效整合，并建立企业内容的所有权机制。
15
2.1.1.2.企业信息管理（EIM）实施总体方法
企业信息管理实施的总体方法分为五大管理领域及其实施方
法。
实施方法进一步分为6个实施阶段，每个阶段具备9类控制要
素。
企业信息管理模型如下图所示：
五大领域
·经营决策管理
·商务智能管理
·企业数据管理
·企业内容管理
·企业信息管控
企业信息管理
Enterpriselaformston
Mamgemnt（EM）
九类控制
六个阶段
企业信息管理实施总体方法（EIM）1
根据上述模型，提供了实施方法、管理内容构成的完整方法
论，并在全球的信息管理咨询及实施中进行了全面应用，在本项目
中将使用这套方法论为提供咨询服务。
咨询方法论如下图所示：
16
Deloitte.
.日爸F①
epsehtomaiesVugnety42Mm
EnterpriseInformationManagementv4.2Home
Tewgnwingnsmpt六个阶段
Managingyourstrategicentefpriseinformationassets
ThaErterpraaindarmutonManayment（EM）mathoddatalsDsloita'spownappoachhrsthchoingmanagngmd
deheingEIMstmegyandmplementsbonsenicen.ThebomationMauagementdacipineathecoedthemethodfocusesonhetekeysubdacpinedianEMpneam
lmeligce
Quity
Goemanc
·momgionSnasegrandAichtktre
+MastarDaaMragemet
·DataPutktonandPmacy
dataManagemint
·ErtarriseCortertManagumant
·DataDeelopment
Th·eDEaMtam（sa）tsheois（a）ntom（men）tboththehandsontxperincedfougobalprateeandndutrystandnds.Themathodis
cyoeThedisopinesreltatocommonthamesandwonkstreamsthutspantheprojectphases
UisethismathodtodnelapanEMstatngythatalgnswththedertsstatngegoasandtosnuctunsacththesndtdovtlpp
ACompte[PetecndMedeon4·410%·
九类控制
五大领域
EatepriseInformation
Mamagement（EM）
·Bsiness
·mormaon
·ntemaion
MainDecription
suschhis
s
x50
B
x5
企业信息管理实施总体方法（EIM）2
在EIM实施方法中，针对每个领域在每个阶段定义其工作内容，并对每项工作内容定义其工作任务、工作目标和交付，如“信
息治理架构及组织形式"领域，在6个阶段需要开展的工作如下：
目标计划设计构建交付运营
设计数据治理退织结
战略分析数都治理需求设计数据治理总体爱略
定义数据治理工作测股计数继治理工作图
程
设计数指的速章程
成立数据治理组织结国控边理机制的话行的并管理变基
度义数描治逐的总用
评估数据治理现状
企业信息管理实施总体方法六大阶段
升级会员 