1、商业银行数据模型白皮书CCSA TC601 大数据技术标准推进委员会2023年12月版 权 声 明本报告版权属于CCSA TC601大数据技术标准推进委员会，并受法律保护。转载、摘编或利用其它方式使用本报告文字或者观点的，应注明“来源：CCSA TC601大数据技术标准推进委员会”。违反上述声明者，将追究其相关法律责任。商业银行数据模型白皮书编 制 说 明本报告的撰写得到了银行业数据模型领域多家企业与专家的支持和帮助，主要参与单位与人员如下。参编单位：大数据技术标准推进委员会、中国建设银行、中国工商银行、中国农业银行、交通银行、中国邮政储蓄银行、国际商业机器（中国）有限公司、北京数语科技有限公

2、司。参编人员：林木森、尹正、田明慧、姜春宇、闫树、王妙琼、阚鑫禹、李雨霏、周圣文、张娇婷、周京晶、刘思达、郭彦美、谢坤、车春雷、董国田、刘巍、赵焕芳、唐守忠、孙 琳、史 珂 宇、朱红伟、周学张、孙伟、赵广祥、周强、齐慧娟、陈驰杰、王 宁、赵培然、任力强、张 放、胡 瑞 娟、张 立、司 晓 伟、冯立雪、高 赛、王 墨 飞、贾 宁、卢 翼、田 康 志、张 玉 明、赵后钰、王 琤、黎 山特别鸣谢以下专家对本指南编写的指导与建议：商业银行数据模型白皮书赵后钰、车春雷、董国田、刘巍、周学张、孙伟、赵广祥、周强、齐慧娟、黎山、赵焕芳、唐守忠、朱红伟、史珂宇、张立前 言中共中央国务院发布关于构建数据基础制度

3、更好发挥数据要素作用的意见提出要“完善治理体系，压实企业的数据治理责任，保障安全发展”，对企业参与数据要素市场建设提出了明确的要求。“十四五”大数据产业发展规划中强调“构建行业数据治理体系，提升行业数据治理水平”，鼓励企业发挥技术驱动治理的作用，融合数据模型、数据分布、数据集成与共享等细分领域，应用于数据治理的全流程。人民银行印发金融科技发展规划（2022-2025年）中提出“高质量推进金融数字化转型，全面塑造数字化能力”，标志着银行业向推进数据治理管理的方向转变。数据治理是银行业高质量推进数字化转型的重要基础。随着监管部门对数据安全、数据质量要求的不断提高，银行机构亟需深化对数据的精细化管理

4、，确保数据的准确性、安全性以及合规性。银行通过建立统一的数据标准，规范数据采集、处理、存储和使用等流程，提高数据的质量和价值，避免数据泄露、不合规使用等问题，为数字化转型提供可靠的数据基础。数据模型建设是推动高质量数据治理体系的核心环节。银行业作为早期开展数字化转型的行业，在取得了诸多显著的成果同时，也暴露出了一些问题。在银行的数据管理模式从粗放式扩张向集约式管理转变的过程中，出现了数据架构、数据质量等方面的问题。例如，数据质量无法满足运营安全要求，数据架构难以支撑业务创新需求等。构建企业级数据模型可以帮助银行厘清数据分布关系，优化数据架构，确保数据的一致性、完整性和易用性，进而提升数据应用效

5、率，激发数据的业务价值。商业银行数据模型白皮书是由大数据技术标准推进委员会牵头，联合来自国有大型商业银行、IBM和数语科技的专家，经过共同深度探讨与总结而成的重要成果。白皮书从理论层面剖析了商业银行数据建模的模式及方法，从实践应用层面阐述了国有大型银行的建模思路和建模成果，旨在为银行业的数据建模提供参考框架和指引，也为其他行业在大数据建模方面提供参考和启示。商业银行数据模型白皮书目 录CONTENTS前言一、商业银行数据模型概述（一）商业银行业数据模型发展经历四个阶段（二）数据模型具有四大价值 0103（一）贯彻企业战略基于企业架构视角建模（二）穿透场景应用基于应用场景视角建模（三）两种数据模

6、型建设模式对比 040607二、数据模型建设模式（一）数据模型设计的六项原则（二）概念数据模型（三）逻辑数据模型（四）物理数据模型 08091012三、数据模型设计原则与研发工艺（一）组织管理（二）流程管理（三）工具管理 141617四、数据模型管理保障措施五、国内大型银行数据模型实践案例（一）建设银行基于FSDM模型构建企业级数据模型（二）农业银行基于FS-LDM模型构建企业级数据模型（三）交通银行基于企业架构方法论构建企业级数据模型 182023（一）加速探索数据模型自主创新（二）加快适应新型数据管理理念（三）敏捷响应市场业务需求变化（四）加强构建数据模型评价体系 25252526六、银行