数语科技 王琤：银行业数据治理与数据资产管理实践.pdf

《数语科技 王琤：银行业数据治理与数据资产管理实践.pdf》由会员分享，可在线阅读，更多相关《数语科技 王琤：银行业数据治理与数据资产管理实践.pdf（52页珍藏版）》请在三个皮匠报告上搜索。

1、银行业数据治理与数据资产管理Datablau(数语科技）创始人&CEO主讲：王琤时间：2024年4月2022 Datablau All right reserved议程安排Agenda 数据治理专项案例-数据模型管控 数据治理专项案例-数据安全 数据治理专项案例-数据血缘 数据治理专项案例-数据资产运营2 曾任CA ERwin全球研发负责人,2006年加入CA，十几年经验在数据建模领域,客户多来自世界500强，美国银行（BOA），SunTrust，AT&T，壳牌等。深度参与建设银行新一代系统数据模型设计。2016年创立Datablau,成功服务多家国内大型企业的数据治理项目，包括华为、建设银行

2、、平安银行、中国人寿、华泰证券、中金、嘉实基金、美的、海信、南方电网、国电集团、税务等大型企事业单位，具有丰富的数据治理项目咨询，管理和实施经验。信通院数据资产专家委员会成员，数据资产白皮书主要撰写人 IEEE member,OMG member,DAMA CDMP 复旦大学、人民大学、北京航空航天大学 客座讲师 国资委“数据要素”专家委员王琤(Allen Wang)Datablau创始人&CEO2022 Datablau All right reserved专注数据治理创新，拥有多项数据治理专利，具有国际化视野和经验。以AI驱动治理工作。支持信创体系，兼容国产化操作系统、中间件、数据库等。满

3、足信创要求，不断丰富完善。自主研发，由前Erwin全球研发团队2016年创立，拥有多位模型产品研发和咨询专家。n 行业引领：国内首个企业级建模软件,源头治理先行者n 专业认可：数据资产管理代表厂商，Gartner、Forrestern 产品创新：全栈数据治理平台，自动化、AI驱动服务关于Datablau制造业等客户，拥有良 好的市场口碑服务300+企业客户覆盖全国2626个城市赋能10+10+行业行银型大家多于保险、证券、基金金融业头部客户制造业、能源、其他行业头部客户2022 Datablau All right reservedDCMMDCMM数据管理能力成熟度评估模型7组织技术流程制度数

4、据生存周期数据战略数据应用数据安全数据质量数据标准数据架构数据治理1.初始级2.管理级3.稳健级4.量化级5.优化级项目或系统级别，规范不完善，过程不可预测业务领域或部门层面开展数据管理，形成了制度规范，但缺乏组织级管理通过量化分析提升管理能力，不断优化完善数据管理能力在组织层面形成统一的工作流程、标准和规范成为行业数据管理能力标杆，对外输出数据管理经验 工业和信息化部于2018年发布了国内首个数据管理领域的国家标准数据管理能力成熟度评估模型（Datamanagement capability maturity assessment model，简称DCMM）（GB/T 36073-2018）

5、，定义了数据管理8个能力域，包括数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准和数据生存周期，细分为28个能力项，从组织、制度、流程和技术四个方面考察企业数据管理能力，划分为5个能力等级。DCMM标准框架DCMM能力等级2022 Datablau All right reserved 银行业DCMM平均达到DCMM3级稳健级水平，数据管理能力集中于3、4、5级，呈现阶梯化分布，占比分别达到69%、27%和8%。银行业的数据管理能力发展稳步成长。我国股份制以上银行信息化建设起步早，在数字经济时代加快跟紧数据管理能力建设步伐，银行加速其在金融技术领域的布局速度，逐步由“电子银

6、行”向“数字银行”转变，始终保持领先水平。银行业8大能力域分数相对均衡，数据治理能力较有优势。银行作为数字化转型的先行者，普遍认识到转型不是单一技术或者局部业务的变革，而是包含组织结构、管理模式、经营模式、企业文化等内的全方位的变革，是一项系统性工程，因此将数据组织架构调整、制度体系建设、数据文化重塑作为数据管理的核心。初始级受管理级稳健级量化管理级优化级DCMM成熟度水平基线123450数据战略数据治理数据架构数据标准数据质量数据安全数据应用数据生存周期2.99分3.30分3.07分3.12分3.20分3.20分3.21分3.09分银行业能力域成熟度水平基线3.15分全行业水平基线银行业能力