摘要：中央金融工作会议召开以来，中国光大银行持续贯彻落实会议精神，践行使命担当，奋力做好“五篇大文章”，以数字金融推动业务数字化转型，推动建立具有光大特色的数字金融发展新模式。

文/中国光大银行数据资产管理部 李芊蒴 胡瑜 彭强

中央金融工作会议召开以来，中国光大银行持续贯彻落实会议精神，践行使命担当，奋力做好“五篇大文章”，以数字金融推动业务数字化转型，推动建立具有光大特色的数字金融发展新模式。

中国光大银行数据资产管理部通过数据质量专项治理在数据源头、数据平台、数据应用的数据使用全流程中实现数据质量检核管控，在现有基础数据平台体系上研发符合自身数据特色的数据质量管控工具，在重点领域践行数据治理工作，为业务高质量发展保驾护航。

质量管理体系建设历程

1. 同业调研。业内通用的解决方案是建设独立的数据质量管理系统，此类系统多聚焦于事后质量分析和报告，系统需要与诸多外围系统集成。譬如调度系统，在每个批量任务完成时，系统间要进行一次交互，由调度系统通知数据质量管理系统某个批量任务结束，质量管理系统在接到通知后执行数据检核，检核结束将结果返回给调度系统，由调度系统判断阻断或执行下一任务。关于质量检核的触发条件、阈值判断、告警接收人配置等功能均在数据质量管理系统中实现。

这种方式的优点有三方面：系统独立、可扩展性好、具备强大的数据分析和可视化能力。同时也有两方面缺点：一是无论单独采购还是自建都需要申请资源，开发和后期维护成本高；二是需要与周边系统配合，涉及多项服务集成开发工作，建设周期长。

2. 设计思路。综合考虑中国光大银行数据系统体系架构、需求紧迫性、开发成本等因素，最终决定在基于现有数据平台架构的基础上研发数据质量管控工具。该方案具有建设周期短、成本低、易维护等特点，可进行从数据源头到数据交付全流程的数据管控。数据质量管控工具目标场景架构如图所示。

图 质量管控工具目标场景架构

在进行质量管控工具设计时，将工具抽象为“事中刚控”和“事后监测”两部分。“事中刚控”在每个任务加工结束后都会自动读取配置并执行质量检查，如判定存在数据质量问题则中止批量任务执行；“事后监测”在批量任务全部结束后执行，读取全部“事后检查”项后并行计算，既可以做指标类检查，也可以采集异常数据明细，执行完毕后进行阈值比较，并向对应责任人发出告警通知。

3. 设计优势。该方案具有轻型、敏捷的特点，同时具备事中阻断，事后监测功能，执行高效、实现简单，极大降低了成本并缩短了建设周期。工具使用方面，可实现自动化配置，模板化场景下做到了零代码开发，复杂场景下，可通过自定义SQL的方式实现质量检核需求。

1. “事中刚控”应用于对数据质量要求较高的场景。比如主键重复、异常字符检测等。数据平台下游任务较多，一旦出现此类问题，会影响到监管报送等重要业务。针对这类表增加“事中刚控”，出现异常数据实时阻断批量执行，防止数据污染下游。光大银行数据平台实现近千张表数据事中检查平均耗时小于1秒，对数据平台批量SLA无显著影响。

2. “事后监测”主要用于对数据质量问题跟踪监测。可按需配置告警信息，该监测是批后执行，对批量运行SLA无影响。该设计具备超时自动中断功能，多并发执行，运行高效，平均每分钟可完成近千余项批后数据检查。此外，质量管控工具还对接了即时通讯平台和报表平台，检核不通过的数据项可通过即时通讯平台第一时间通知告警接收人，告警接收人可跳转至报表平台查看异常数据明细。

3. 应用效果。自质量管控工具上线以来，已推广至数十个应用，共录入事中质量检查千余项，主要应用于重点指标一致性监测、网贷专项治理类监测、EAST及反洗钱对私客户要素类检查、入仓数据健康度监测等。

该工具投产后，“主键刚控”有效发现并拦截生产数据问题，避免了包括监管报送在内的数万个任务重跑；事后监测工具将质量问题前置，按日校验，主动发现近百次网贷产品缺失，总账记账异常、三方借据号缺失等问题。数据质量管控工具的加持使业务人员能够在数据质量问题的发现、处置、整改、跟踪阶段精准发力，实现了生产力的跃迁升级。

光大银行数据质量管控工具依托于基础数据平台架构体系，采用自主研发设计，实现数据全生命周期质量管控，具有成本低、效率高、范围广、易操作等特点，该工具自推广使用以来，运行稳定，效果显著，提升了光大银行数据治理水平，为银行业数据治理工具建设提供实践样板，达到行业领先水平。

1. 提升发现能力。数据质量管控工具有效提升问题发现的自动化水平，降低业务影响，账务问题就是典型的应用场景之一，曾出现贵金属系统分户账明细与总账不一致问题，我部举一反三通过质量管控工具每日验证贵金属、网贷等业务系统的分户账明细连续性和总分核对情况，主动发现财务人员记账错误，分户账明细缺失等问题，发现问题后自动通知上下游关联方，极大缩短了数据质量问题的处置时间。

此外，还通过质量管控工具关注特殊业务动作，避免造成数据不一致，抹账（业务系统针对账户或借据执行某种操作后又撤销）就是其中一类，难点在于事前不易发现，曾多次触发监管规则，通过运用工具，持续跟踪“抹账”这一重点事件，发现后及时与业务人员核对交易真实性，避免业务人员用数错误。

2. 支撑专项治理。网贷业务由于合作方较多，接口多样，数据加工链路长等原因导致数据质量问题频发，为此我部成立专项治理小组，利用数据质量管控工具将EAST校验规则前置，按日校验，多次在报送前发现借据号重复、产品数据缺失等问题并及时推动合作方整改，保障了次月报送数据的准确性。

参照EAST报送治理经验，进一步开展了资本新规、一表通等专项治理工作，资本新规对资本计量的敏感性和精细化程度要求较高，数据质量将直接影响风险暴露和风险权重的结果。为高效支持全行风险资产计量，我部通过数据质量管控工具对投资级企业、中小企业、商业银行等的风险暴露关键字段持续监测，为光大银行落实监管合规要求，资本使用效率提升保驾护航。

3. 助力主动防御。基础数据平台汇聚了光大银行业务系统共数万张表的业务数据，实现了全行数据集中和数据资产拉通。业务系统交付的数据质量极大影响面客业务，曾有客户因账单余额流水不连续发起问询，经查为业务系统未按照数据平台规范导出数据，造成部分数据在流转过程中丢失。理财现金产品数据缺失导致用户AUM（个人客户资产总额）指标异常，经查为业务系统参数表配置错误导致。

为了解决上述问题，实现主动防御，我部依托数据质量管控工具对业务系统表的及时性、波动性、完整性等多个维度持续监测，深入挖掘历史数据，主动发现业务人员录入金额异常、数据滤出等二十余项源头数据质量问题。

随着金融行业数字化转型的加速，数据已经成为推动业务发展的重要引擎。数据治理作为确保数据质量、安全性、合规性的重要手段，发挥着不可替代的作用。中国光大银行数据资产管理部不断提高科技创新能力，有的放矢开展数据治理工作。在数据底座层创造多道数据质量拦截检测工具，从数据异常性分析、数据合规化审计、数据标准落实、数据业务含义自洽性校验、数据分类及标记等多个方面进行数据的拦截和异常数据的告警通知，有效提升基础平台数据质量。经过源头治理的高质量数据在提高业务分析可信度、监管报送的准确性等方面发挥巨大价值，是银行业务持续、稳定、安全运行的基石，从而实现以数据为驱动的精细化智慧经营。

未来，中国光大银行将按照数字化转型的规划，通过各领域的金融科技手段研究运用，持续赋能业务发展，提升科技的支撑能力，全面助力做好数字金融这篇大文章。

来源：金融电子化