如何界定数据治理工作中业务与技术的职责边界？
如何提高业务部门参与数据治理的积极性和程度？
中小银行如何把握在数据治理上资源投入度？
有限资源下，如何安排数据治理工作的优先级？

如果你也在为数据治理工作的开展发愁，或是想知道如何构建适合自身的数据治理体系，我们邀请您参加本次训练营。

认真学完这期训练营，你将：
1、对中小银行数据治理的任务框架有清晰的认识；
2、能够根据自身特点，制定合理的数据治理规划；
3、对解决数据治理中难点问题有更清晰的思路；
4、得到一份中小银行数据治理重点关注问题清单；
5、加入一个中小银行数据治理人脉圈子，共同进步；

课程适合对象及收益：

课程大纲

第一章　导论：中小银行为什么要做数据治理？

1. 中小银行数字化转型环境下数据治理的价值与挑战；

(1) 数字化转型、精细化管理、监管合规与数据治理的内在逻辑；

(2) 不同目的下数据治理的不同要求；

(3) 新型数据的挑战

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？

2. 严监管治理的新环境下，监管数据的应对；

 

第二章　金融数字化转型过程中数据的应用场景

1. 金融业数据治理成功的收益、失败的成本；

2. 数据应用的场景及案例分析

(1) 普惠金融产品创新

案例：云税贷

(2) 精准营销、生态获客

案例：车主停车场景下的精准营销

(3) 精细化管理，减本增利

案例：某大型商业银行2021年度通过基于大数据的现金备付模型优化，节约了数亿元的管理成本。

 

第三章　数据治理工作主要内容

1. 金融业数据治理的体系框架与职责分工；数据治理工作的主要驱动力和成功因素。

2. 在新建系统、现有系统中，面临的主要数据问题有哪些？需要哪些数据治理技术？

3. 数据治理包含的模块及知识框架，DAMA、DCMM、DGI三大数据治理体系的异同和适用性；

4. 如何构建参训人员的数据治理知识体系？

第四章　落地数据标准

1. 数据标准的业务含义和技术含义

2. 数据标准的基本框架

3. 数据标准在业务和系统开发中的应用

(1) 能解决数据应用的什么问题

① 满足监管要求

② 解决数据不一致

③ 提升数据应用价值

(2) 系统开发中的数据字典一致性

4. 数据标准的定义和维护流程

(1) 传统的标准定义方法论

① 基础数据标准——数据字典

② 指标数据标准——指标词典

1) 加强对指标口径业务语言和技术语言的统一认知

2) 建设指标管理体系

(2) 数据标准管理流程

① 数据标准的歧义管理

5. 数据标准在系统中的落地实施方法论；

(1) 业务术语：建立业务交流的统一语言

(2) 数据标准落地的困难；

(3) 在原有系统中实施数据标准；

(4) 新建系统的数据标准；

(5) 如何将标准应用到新型数据；

(6) 非结构化数据标准实施思考；

6. 数据标准的对标、落标、指标口径使用的实践案例。

l 【案例分析】国家标准、行业标准与企业标准的衔接；

l 【测验】阐述如何理解基础数据与派生数据；业务指标的规范管理方法；

 

第五章　主数据与元数据管理：容易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

(1) 元数据的定义、分类、管理意义等

(2) 常见的元数据形态

(3) 如何对管理层和业务人员解释元数据概念

(4) 元数据与数据标准的映射关系和元数据的使用

(5) 元数据与数据资产管理体系

(6) 元数据管理的方法论

(7) 元数据管理架构及策略，包括产生、采集、注册、运维等

(8) 数据资产分类体系

4. 主数据和基准数据

(1) 主数据定义、范围、意义等

(2) 纳入主数据管理的数据内容

(3) 主数据和基准数据的业务价值

(4) 主数据和基准数据示例

(5) 金融业常见的主数据

(6) 主数据如何识别和评估

(7) 主数据管理流程

(8) 谁应该为主数据负责

(9) 【应用题】解决数据整合中的可信数据源问题

 

第六章　数据质量

1. 数据质量的定义，如何理解新型数据的质量

2. 数据质量管理的目标

3. 数据质量管理框架：数据质量定义、数据采集、管理范围、数据质量规则、根因分析等

4. 数据质量管理工程方法（评估与提升方法）

(1) 评估方法

(2) 改进方案制定

(3) 方案实施

(4) 质量仪表盘

5. 数据质量问题反馈与处理流程

(1) 数据质量治理中的不同角色，各岗位的工作范围和内容

(2) 数据质量认责机制（考核与绩效管理）

6. 【应用题】模拟数据质量问题反馈与处理的流程

 

第七章　数据模型

1. 数据模型体系，包括概念模型、逻辑模型和物理模型定义

2. 数据模型的价值

3. 建模方法介绍

4. 数据建模中的现实问题

5. 银行数据建模与传统企业数据建模方法论有何异同？

6. 银行业通用数据模型框架

7. 金融业务数据模型的框架示例

8. 数据模型与业务流程模型的关系

9. 数据模型的维护与管理

10. 数据模型建模工具介绍

11. 【应用题1】线上业务、物联网数据在数据模型中的实现

12. 【应用题2】非结构化数据的数据建模实践模拟

 

第八章　数据架构

1. 数据架构基本概念

(1) 数据集成

(2) 数据分布

(3) 数据流转

2. 数据架构的业务价值

3. 数据架构与业务架构、技术架构的关系

4. 好的数据架构的特征

5. 数据归集的要求和流程

6. 如何整合企业业务架构和数据架构

(1) 数据流与业务流的互动关系

7. 如何建立企业数据资产视图

8. 数据架构的展现与应用

9. 数据架构的工具介绍

 

第九章　数据集成与应用

1. 数据集成的基本概念

2. 数据湖与数据仓库的关系

3. 湖仓的发展趋势

4. 领域数据应用与数据集成的关系

5. 良好的数据应用体系：分散与集中、工具与培训

6. 如何建立数据应用与数据治理的良性循环体系

7. 【讨论】数据中台是万能的吗？

8. 【应用题】数据中台不能解决的问题有哪些？

 

第十章　数据安全管理

1. 国内主要数据安全规章

2. 国际主要国家的数据安全管理要求

3. 数据安全管理框架

4. 数据分级分类标准及其实施

5. 实现数据共享应用与数据安全的平衡

6. 数据安全管理的企业级文化

 

第十一章　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

4. 数据治理工作成功关键要素

5. 案例：某典型商业银行的数据治理组织架构