Financial Technology 金融科技
我国省级支付清算系统数提治理体系研窕
■张立书/文
> mm
在大数据时代下，人民银行作为支付清算系统的建设者、运营者和 管理者，面对支付清算系统中所产生的海量支付交易数据，正逐步认识 其所蕴含的巨大价值。本文在对比国外和国内对数据治理的研究基础上， 分析了主流数据治理框架的优缺点，在此基础上提出了我国省级支付清 算系统数据治理体的构建模块，并提出了合理化的建议和对策。》
关键词
国支付清算市场繁荣，其发展已经处于世界领先地位， 中国人民银行清算总中心负责央行支付清算系统建设、
运行、维护和管理。2018年，清算总中心负责运营的支付清算 系统交易额占我国支付清算市场业务量73%，业务笔数占比为 7.12%，央行支付清算系统业务量的特征是笔数少、金额高， 与第三方支付机构的小额高频相比，央行支付清算系统交易规 模仍处于主导地位，充分体现出资金清算的主渠道作用。
支付清算系统；数据治理；模块
67
Financial Technology 金融科技
数据治理是DAMA框架的核心部分。数据治理是对数据
国外数据治理体系研究综述
(一）数据管理知识体系指南（DAMA-DMBOK )DAMA数据管理知识体系指南（简称DAMA体系）是国
资产管理行驶权力和控制的活动合集（规划、监控和执行）， 它与周围9个数据管理职能交互并彼此影响，是对数据管理中 的顶层设计和管控。除确定的10个数据管理职能，DAMA框 架也确定了7个环境要素，如下图2所示。环境要素框架通过 为每一个数据管理职能提供了机制保障的有效、统一的方法， 识别出流程和技术上的关键元素。
际数据管理协会（DAMA Imemational)对过去20多年数据管 理领域知识和实践的总结。DAMA体系认为，正如资金和人才 被公认为是企业的资产，数据和数据所产生的信息也应被视为 是企业的资产，每个组织都需要有效的管理日益重要的数据和 信息资源，通过业务与技术双方面的合作，有效控制及提供数 据资产，实现企业目标。下表是DAMA体系对数据管理（数 据治理）的定义、目标及原则。
表1
定义•
数据管理（数据治理）的定义、目标及原则
数据治理是对数据资产管理行较权力和控《的活动合集（规划、K控和执行）^❖ ♦理解企业和所有和益相关者的信患霄求•一❖ •获取、存健、保护和献数据资产的完整性^❖
-不断徨甚数据和信患的质置■一
❖ ♦碥保a私和保密.防止数据和信惠^授权或不烚当的被使用* ❖.碥保数据和信患资产的有效利用和价値最大化》^
目标.
«
p
-
非战略性目标
*
一
❖ •控制数据管理成本1
V
❖ ♦钽进对数据资产价萑更广泛和深入的理解，一 •：•♦在整个企业中，保持信息管理的一致性，^
❖ ♦碥保数据管3的努力和技术与业务的霄求目标的一致性.•:•♦数据和信A是有价值的企业资产
❖ •应当和任甸其健资产一样来仔编管理数据和信患资产.碥保其有足够的质置、
安全性、完整性、保》、可用性、可理解性并得到有效昶用>❖ ♦数据管理由业务数据管3专员和数据管理专员人员共同承担贵任•
(二）IBM数据治理框架
IBM数据治理委员会将数据视为企业的重要生产要素，企
业对数据具有优化、保护和利用的权力，涉及对组织内的人员、 流程、技术和策略的综合设计及管理。在数据治理的定义、目 标和原则上，IBM并没有给出明确的定义及陈述性词语。
国际数据管理协会为了统一规范数据管理的标准，制定了 一套统一的标准框架。DAMA框架以数据治理为核心，构建 了完备的数据管理体系。该框架的核心理念是着力解决数据管 理中的10个职能与7个要素之间关系的问题。如下图1所示， DAMA框架定义了数据管理所应具备的10个职能。
目标•定义
表2 IBM关于数据治理的定义和目标
数据治理是组织管理其倌患知识并0答间题的兼力.如数据来自哪里？数据是否 符合公司及规劂？数据治理实践撞供了一个全酉的方法来管理、改进和昶用 信患.以帮助决策者建立对业务决策和运营的信心• ^
实現企业的业务价萑，发挥数据资源价值的最大化規iB风除.
IBM在其多年为企业客户提供数据治理咨询的基础上，提
出了数据治理模型，如下图3所示。
成果
数据风睑管理及合规性
支持条件
组织结构与意识
管理工作
核心規程
二[趟S质•艇倌患生命周期管理鋪龄与隐私 |
支持规程
「
]
[分鮮魄审计信思跟雜告
策略价值创造
^
L
图3 IBM数据治理要素模型
68
Financial Technology 金融科技
IBM认为业务目标和成果是数据治理的最终使命，因此提
我国数据治理研究综述
我国数据治理起步较国际上起步较晚，但近年来数据治理 框架研究和数据标准建设成为研究热点。国家层面有国标GB/ T34960.5-2018,是专门在信息技术服务数据治理规范的国家
出业务驱动的治理模式，以最大程度实现业务价值。在模型的 构建中，有三个主要因素影响业务目标的最终实现，分别是组 织结构、认知度和相关责任人。在督促机制外，重点应是治理 的核心要素内容，包括数据质量、信息安全和生命周期、数据 架构和分类，以及审计、日志（log)和相关报告。
(三）DGI数据治理框架
国际数据治理研究所给出的数据治理的定义不同于IT治 理，同DAMA—致，也认为数据治理和数据管理是两个 的概念。下表是DGI对数据治理的定义、目标及原则。
表3
数孃治
宝义一
JS
标准。以及在金融体系内，银于2018年发布的《银行 业金融机构数据治理指引（征求意见稿）》（以下简称“银行 业数据治理指引”），和人民银行对内部发布的《中国人民银 行数据应用平台（省级）建设指引》等。
(一）GB/T 34960.5-2018
GB/T34960 “信息技术服务治理”国家标准于2017年发布，
DGI对数据治理的定义、目标和原则2018年5月正式实施。其中第五部分为数据治理规范，对数据 治理的含义、内容、目标及任务进行了定义。
表4 国标对数据治理的定义、目标和内容
定义
数据资•及其应用过萑中相关管控话动、绩效和风》管3的集合*运营合規.
目标‘
风检可控.价•实*
是对数据相关寧务的决策和权戚的行使.»癱治理是包含狺患相关过
程的决策杈及责任《的体系•根擔基于共识的棋费执行.描连渗在甸时俦种镛 况下釆墩什么样的行动、使用什么样的方法•。更好的决策期定-减少运营4突.
保护数据湃益和相关者佑霄朱
iMR
目标.
钃相关间翯的一供处S方式对管资层与员工培说
构建綍堆的、可重复的箱6.*过
协
漘
努
力
并
效
荦
*
内容.
1.评佑数治理现状和雾求、数捶治3环境、数据资霉管理和数据资产运营逢力2.指导数提治理体系的构《、数搌治理域的蘖立和治理的实施落地
定合3的谇价体系与审计規范.《督数裾治S内控、合規和婧效•
逸明度间贵制. 检査和平^
ft
_保淦程的透明度.其
ft
目疼
减信. 可审计性.
粟
M
.
数擦管变革管
aH
员贵任. .
.
下图是国标中提出的数据治理框架，框架自上而下分为顶 层设计、治理环境、治理域和治理过程。
从DGI给出的数据治理定义，我们可以清楚的看出数据 治理包括组织、规则、决策、职责、监控或其他强制性机制。 DGI框架从数据治理角度出发，为组织机构提供了一个直观、
逻辑自洽的治理框架。从不同层面，归纳了数据治理的十大关 键要素，创造性地提出了其独有的数据治理框架。
齡坦件
图5 国标数据治理框架
顶层设计主要是指数据相关的战略规划、组织架构和架构 设计等数据治理实施的基础；治理环境是数据治理实施的保障， 包括内部环境和外部环境以及促成因素；数据治理域涵盖数据
图4 DG〖数据治理框架
管理体系和数据价值体系两方面，是数据治理实施的内容；数
69
Financial Technology 金融科技
据治理过程是指具体的数据治理实行的方法。
(二） 银行业数据治理指引
作为金融业的监管机构，银 在2018年发文要求银行业金融机构将数 据治理纳入公司治理范畴，将数据治理 情况作为监管评级的组成部分之一。为 适应信息时代要求，依法依规采集和保 护客户数据，数据使用不得侵犯客户隐 私。明确提出鼓励银行业金融机构进行 数据利用的制度性探索。
(三）
支机构科学、高效地开展建设工作。
《指引》中关于数据治理的体系框 架主要分为数据治理的核心内容和实施 的保障机制。数据治理核心领域包括数 据的标准管理、质量管理、元数据管理、 安全管理、生命周期管理、模型管理、 主数据管理和数据架构管理八个方面内 容；数据治理保障机制是指保障各个治 理核心内容得以有效实施的管理措施， 包括治理组织、制度、流程和技术四个 支撑机制。
如何与业务融合，对各个职能区域的描 述是静态的、的，职能之间如何相 互影响并没有加以阐述。并且随着时代 的发展，大数据的体量和结构越来越多 样化，DAMA框架在这方面的考虑不足， 难以满足未来数据治理的需求。而IBM 数据治理框架的独特之处在于对框架进 行了分层，并表明各层次之间应如何相 互作用及产生影响。在数据使用方面更 关注在系统建设阶段如何高效使用数据， 但对提供数据服务、数据服务交互等方 面没有过多涉及。DGI数据治理框架将 数据治理的关键要素用流程图方式展现 出来，逻辑清晰，但对数据治理的内容 阐述较少。
数据治理是一项复杂的系统性工程， 既需要数据文化，又涉及组织架构与管理 制度，同时需要技术与业务部门的紧密配
《中国人民银行数据应用平
台（省级）建设指引》
2018年7月总行科技司起草了《中 国人民银行数据应用平台（省级）建设指 引》（以下简称《指引》），旨在人民银 行系统内部发布体系化的建设指引，明确 大数据平台建设的方法和规范，引导各分
主流数据治理框架的优缺点
DAMA框架的开创性在于清楚意识
到管理职能与生产环境对数据造成的影 响，并以此建立起其两者之间的广泛联 系。但由于该框架出现较早，较为注重 数据管理的信息与技术方面，没有涉及
70
Financial Technology 金融科技
合。上述治理框架大多仅涉及方、过程、制度和工具中的一 部分，并且更侧重宏观的战略与管理问题，对于执行层面的具体 方法关注不够，普遍存在落地困难的问题。而国内数据治理无论 是研究方面还是实践方面起步都较晚，都还处于摸索阶段。
系统能够实现对清算数据生命周期的全方位管理，监控业 务数据和运行数据的全生命周期状态，包括数据的导入、存储、 处理、更新作废等状态，可以对数据变化情况进行全程监控， 实现数据的版本管理。
(六）体系模块六：工作流管理
我国省级支付清算系统数据治理体系构建
(一）体系模块一：数据标准管理
能够支持清算资金交易业务、清算信息类业务、系统类管 理、经济行业动态、产业（集团）资金动态、企业交易行为等 场景分析，实现通过业务规则和技术规则两部分，从数据项编码、数据项名称、数据项业务定义、数据类别、规则说明、数 据类型、数据长度8个维度对数据标准内容进行创建和管理。
(二） 体系模块二：元数据管理
通过元数据定义和元数据査询两个功能实现清算数据的简 单高效管理，支持有效发现、査找、一体化组织和使用。为实 现通用清算数据的标准化，元数据管理中的对象表，应包括数 据对象表以及表属性和字典对象等。
(三） 体系模块三：数据质量管理
根据数据标准定义，配置支付清算系统数据包括交易主体 名称信息、账户号信息、参与发起和清算的行号信息、发起和 清算中心编码信息、支付渠道信息、交易金额、交易日期、资 金交易状态的校验规则。并按照完整性、准确性、一致性、规 范性的顺序依次校验，对校验后出现的异常数据进行自动扫描 与人工干预相结合的方式进行数据清洗，提升整体数据质量。
(四） 体系模块四：数据安全管理
系统通过采用必要的技术策略及用户权限策略，确保清算 数据在传输、存储、访问过程中不受干扰，并且保持完整、统一、 私密。此外，对于重要事件、日志和故障处理建立台账，便于 管理和稽查。结合业务实际情况及一定原则对数据安全等级划 分为“公众级、内部级、隐私级、受限级、机密级”五级进行 管理，其对应的安全级别逐级递增。
(五） 体系模块五：数据生命周期管理
工作流（Workflow)主要是为了实现对数据治理管理的自动化、智能化，同时可以灵便的实现数据整合和数据统计，执 行业务质量规则。确保数据管理过程中，各方及时获取通知并 及时采取相应措施，有效管理和跟踪在发生数据处理事件后， 在组织内执行的步骤和操作。
建议与对策
(一）构建支付清算系统数据治理的长效机制1.
制定战略规划。制定战略规划是在当下和未来一定时期
内，如何更好地实现战略既定目标所采取的措施。构建支付清 算数据治理的长效机制，就必须要做好战略规划。数据治理是 一场“自上而下”的变革，这要求总行或清算总中心层面在制 定战略规划要用战略的眼光、可持续发展的原则和幵放协同的 思维去行动。
2.
加强组织领导。有高层部门或领导的支持会使数据治理
工作开展更顺利，建议由总行或总中心领导牵头建立支付清算 数据治理领导小组，省清算中心、其他部门、中心支行和商业
71
Rnancial Technology
银行金融机构联合成立工作小组，建立 自上而下统一的数据治理模式与机制， 并确保沟通顺畅，定期分享和汇报工作 情况。领导小组负责发布支付清算数据 治理制度和流程，根据国家宏观经济形 势定期给出数据治理工作目标和数据分 析应用方向，指导工作组工作；工作小 组制定标准、质量、生命周期和数据安 全等详细规范，组内设立不同角色岗位， 监督指导和落实数据治理工作。
3.明晰发展架构。支付清算数据治 理发展必须有一个清晰的架构，才能使 数据采集、管理、使用、维护等各环节 衔接有序、运转顺畅，从而促进支付清 算事业可持续发展。借鉴国际和国内先 进治理经验，以业务和问题为导向，坚 持体系建设与系统运维并重，提出具体 明确的数据治理发展战略规划目标，在 广泛调研基础上任务聚类，提高制度建 设、规划方案科学性和可操作性，考虑 全员的利益，加强需求调研的广泛参与 度和透明性，让数据治理效用实现最大 化。
(二）在实践中践行数据治理核心要素
1.数据标准先行。支付清算行业的 信息化经历两代支付系统建设，现有系 统在系统迭代中涌现了“收款人姓名错 误”和“数据信息维度不全”等问题， 中国人民银行清算总中心作为行业管理 部门，有条件也有责任在数据产生的源 头建立标准，控制质量，将可能产生的
数据问题风险降低。在未来新建支付清 算系统或系统更新维护和使用过程中， 应当建立数据标准规范，将数据治理工 作前移。
2.
年间互联网迅猛发展对金融领域产生了 性的影响，互联网金融层出不穷的 创新，都促使我们监管部门适时而动， 创立“监管沙盒”提升监管水平。拥有
数据安全重中之重。在数据治理 符合时代要求的金融数据人才，才能在
数据中获得洞察力，更好履行央行职责。
工作过程中，将数据安全放在首要突出 的位置。人民银行及清算总中心要建立 起清算数据安全标准管理体系，对数据 收集、使用、保存、传输、销毁全生命 周期做出安全上的要求，并且通过建立 物理隔离、安全管理平台等一系列措施 切实保障数据安全。
3.
参考文献
[1]
治理.机械工业出版社，2019年2月.
[2]
陆顾新，陈石军，王立.银行数据
王兆君，王钺，曹朝辉.主数据驱
动的数据治理一原理、技术与实践，清
数据质量持续评估。数据质量管 华大学出版社，2019年4月
[3]
理不是一时的数据治理手段，而是循环 的管理过程。数据质量是辩证的，随着 时代发展及治理工作的深入，好的数据 可能就会转变为坏的数据。因此需要对 数据的质量进行持续评估。人民银行及 清算总中心要建立完善的数据质量评价 体系，在数据治理实践过程中，定期对 数据质量进行评价，从而不断提升数据 质量。
(三）培育符合时代要求的金融数 据人才
实施数据战略关键在于数据人才的 培养，建立信息管理、统计、金融等多 层次和多类型金融数据人才培养体系， 为数据战略实施提供人力资源的支撑。 人民银行在数据治理过程中如果单纯依 靠外包，而在内部没有专业人员，难以 将数据治理的内涵与文化贯彻落实下去。 另外，当今外部世界瞬息万变，过去10
[德]罗纳德，曼，吉多•肯
铂，[德]托马斯.格尔策，刘志则、刘源 译.大数据时代下半场一数据治理、驱 动与变现，北京联合出版公司，2018年 11月
[4】陈云.金融大数据，上海科学技 术出版社，2019年2月
[5]刘桂峰.国内外数据治理研究进 展：内涵、要素、模型与框架，图书情 报工作，2017年第11期
作者单位：中国人民银行清算总中心 责任编辑：刘松岩
72
