361人学习
【学习导图】
【课程背景】
新冠疫情爆发对人们生产生活造成了巨大影响，更加速了整个社会的数字化发展速度。在数字化经济时代，数据作为关键生产要素对企业的重要性越发突出，我们看到不仅以BATJ为代表的新型企业不断衍生新的基于数据的商业模式，传统企业也在努力提升数据的营运能力，尤其是作为服务业的金融企业，更是首当其冲。
近期，有两个趋势引起金融业的高度关注。一是监管对数据的要求越来越高，银保监会针对EAST开展了大规模的现场检查，人民银行着手建设国家金融基础数据库，由于数据泄露引发的大额罚款屡见不鲜。二是金融企业的数字化转型风生水起，在金融街论坛郭树清主席大声疾呼“银行都要加速数字化转型”，客户服务的数字化必然带来金融业务的数据化，企业数据管理和应用的水平将决定未来十年的发展能力。
过去十几年来，银行等企业为管理传统业务系统中的数据、应对监管要求，发展了一套规范化的数据治理体系。这套体系针对结构化的、预先定义好的流程数据管理起到了很好的作用。但随着金融业务走向生态化、场景化，原有的数据治理体系必须要适应新形势和新变化进行调整，尤其是对流数据、非结构化数据、外部数据等缺乏实现严格定义规范的数据如何治理，成为新的课题。为此，我们需要探索建立一套新的数据治理模式，姑且称之为“新监管与新金融下的数据治理体系”。
【课程大纲】
一、新型数据的特点与治理需求
1. 埋点数据与流数据
2. 物联数据
3. 不受内部数据规范和治理约束的外部数据
4. 非结构化数据
5. 比较与思考：先行的数据治理技术适合新型数据吗？
二、对数据规范的拓展与落地实施
1. 业务术语：建立业务交流的统一语言
2. 数据标准：传统的标准定义方法论及实施方法论、数据标准落地的困难、如何将标准应用到新型数据、非结构化数据标准实施思考
案例：国家标准、行业标准与企业标准的衔接；在原有系统中实施数据标准；新建系统的数据标准
讨论：如何理解基础数据与派生数据；业务指标的规范管理
3. 数据模型：传统企业数据建模方法论、银行业通用数据模型框架、数据建模中的现实问题。
案例：线上业务、物联网数据在数据模型中的实现。
讨论：非结构化数据的数据建模
三、数据架构：企业数据资产管理的活地图
如何整合企业业务架构和数据架构
数据流与业务流的互动关系
如何建立企业数据资产视图
数据架构的展现与应用
四、主数据与元数据管理：被忽视的关键成功要素
1. 如何权衡日益增长的数据量和越来越多的业务用户数据体验抱怨？
2. 数据联系：打通数据壁垒的要素
3. 元数据管理的方法论
4. 纳入主数据管理的数据内容
5. 谁应该为主数据负责
6. 如何解决数据整合中的可信数据源问题
五、数据质量
1. 数据质量目标与质量仪表盘
2. 数据质量治理中的不同角色
3. 数据质量管理工程方法
4. 数据质量考核与绩效管理
5. 如何理解新型数据的质量
六、数据集成与应用
1. 数据湖与数据仓库的关系
2. 数据中台是万能的吗？
3. 良好的数据应用体系：分散与集中、工具与培训
4. 建立数据应用与数据治理的良性循环体系
七、数据治理的组织架构机制
1. 企业治理与数据治理的关系
2. 谁应该为数据治理成效负责
3. 数据、技术与业务部门的协同
