数语Datablau金融行业数据资产治理解决方案_数据资产目录平台

数语Datablau金融行业数据资产治理解决方案

数语Datablau金融行业数据资产治理解决方案，标准落地，线上管理，数据资产管理平台线上管理主数据标准，实现主数据标准落地。规则导入，全面监控，梳理数据质量监测规则。监控数据质量。形成数据质量报告。多方配合形成解决方案。推动落地切实提升数据质量。

立即咨询

首页 > 产品中心 > 数据开发与治理 > 数语Datablau金融行业数据资产治理解决方案

项目目标

主数据标准线上管理
标准落地，线上管理，数据资产管理平台线上管理主数据标准，实现主数据标准落地。

统一资讯指标纳入数据治理平台
可查可用，形成管理机制，结合已开展的外部统一资讯及指标项目，落地数据的资产化成果。方便查询和访问，形成指标管理办法。

数据质量落地监控
规则导入，全面监控，梳理数据质量监测规则。监控数据质量。形成数据质量报告。多方配合形成解决方案。推动落地切实提升数据质量。

数据资产盘点
主动盘点，心中有数，公司各系统数据资产现状摸底，实现系统、表、字段、数据关系的自动抓取。重点针对产品，参与人，渠道，资讯主题，盘点梳理数据资产，形成数据资产基线，发布数据资产目录，支持下一步数据架构的建设。

数据质量- -监测出问题数据、调整技术规则问题 icon

数据质量针对7个系统监测，分别为直销、财富OTS、金证TA、分TA、注册登记、中信TA及网商TA系统。这7个系统截止2020年12月的客户数据同步在星环大数据平台。

01
数据中心牵头数据质量任务，协调合规部和金融科技部资源，确定问题统计维度，检查问题数据，反馈问题数据及脚本问题。

02
将7个系统技术规则脚本语法及函数调整为星环版本，录入质量管理平台，监测数据质量问题，反馈问题数据及脚本问题。

03
合规部总结出业务规则，确定字段范围，检查问题数据，反馈脚本问题。

04
金融科技部依据各系统表字段结构输出对应业务规则的技术规则脚本，依据反馈的脚本问题调整脚本。

数据质量监测范围

数据质量各系统统计情况 icon

反洗钱数据质量问题数据量排名前十的业务规则 icon

确定数据资产盘点主题域分类 icon

根据对XX基金各业务系统数据资产现状摸底整理分析，结合数据资产盘点涉及主题域定义及范围和基金证券行业数据模型分类，运用自上而下和自下而上方法梳理；参考数据中心、运营部和金融科技部的反馈建议，将产品、参与人、资讯及渠道主题域资产目录进行分类分级。

可视化数据资产目录

根据主题域资产盘点目录文件，建立可视化数据资产目录。

XX银行的数字治理需求理解 icon

一个体系、二大机制、三个目标 icon

建设内容

建体系

总体目标：建设完善且契合XX银行的数据治理体系。近期目标：结合XX银行数据治理战略目标，完善XX银行数据治理体系内容。

落标准

总体目标：完善并加强XX银行数据标准体系的落地。近期目标：以已梳理的重点资产的数据等为抓手，完善XX银行数据标准体系及数据标准落标流程，制定重点资产数据的数据标准落标策略及路线图，实现重点资产的数据标准落标。

数共享

总体目标：建立数据资产共享体系，支撑XX银行数据资产的安全共享使用，有效提升数据资产价值，为数据资产价值化提供依据。近期目标：分析梳理XX银行重点数据资产的数据安全级别及共享级别，形成数据资产的共享目录框架及数据资产共享流程，实现部分重点数据资产的数据共享。

理资产

总体目标：构建XX银行的数据资产目录，摸清XX银行的数据资产状况。近期目标：梳理XX银行重点数据资产，根据行业特征及XX银行业务特色设计数据资产目录框架，将已梳理资产与框架结合形成重点资产目录。

保质量

总体目标：根据数据治理体系要求，保障并管理XX银行数据资产的数据质量，为数据共享、数据资产价值化提供支撑。近期目标：以重点数据资产的数据质量提升为抓手，梳理数据质量规则，执行数据质量PDCA流程管理，实现重点数据资产的数据质量提升。

用工具

总体目标：利用先进的IT工具来支撑数据治理的各种活动，实现数据治理自动化及数字化，有效提高数据治理流程效率及保障数据治理成果。近期目标：数据治理平台（数据资产、数据标准、元数据、数据质量、数据安全等），数据模型工具（数据模型线下及线下开发、模型管理），数据服务平台（数据订阅/分发服务、数据查询/申请服务、数据调用服务、公共数据资源池、数据资源服务、数据即时服务）。

数据治理管控体系

数据治理体系是一个“梳理资产+数据管控+支撑开发+知识分享”的体系