数据治理商业银行信贷论文

前言：本站为你精心整理了数据治理商业银行信贷论文范文，希望能为你的创作提供参考价值，我们的客服老师可以帮助你提供个性化的参考范文，欢迎咨询。

1信贷数据质量不高的原因

信贷基础数据的来源主要包括信贷人员信贷管理系统录入、信贷管理系统自动生成、关联系统实时接入以及关联系统批量抽取数据等。因此，造成商业银行信贷数据质量不高的原因主要源于以下几个方面：

（1）信贷管理系统录入。信贷管理系统录入造成信贷数据质量不高包括3个方面的内容。一是由于系统本身用户界面不友好，不方便信贷人员数据录入，或是不符合用户常规的操作习惯，导致用户容易出错。二是个别信贷系统操作人员的责任心不强、业务素质不高，操作失误，录入错误。三是基层领导对数据质量重视不够，鉴于业务收入是基层的生命线，迫于激烈的市场竞争压力，个别基层领导为了争夺客户甚至会让录入人员做出一些违规的操作。

（2）信贷管理系统自动生成。由信贷管理系统自动生成造成数据质量不高的原因有两个：一是系统程序开发缺陷，且在测试过程中未被测试出来。二是系统缺乏对业务的必要支持信息，如：利率、担保物等数据确认、核实与数值准确性校验等。

（3）信贷管理系统关联系统。直接与信贷管理系统进行关联的系统包括：客户管理系统、审批管理系统、授信管理系统、用信管理系统、押品管理系统、现金管理系统等数十个系统。关联系统实时接入和批量抽取数据的实时性、准确性等，直接影响到信贷数据的质量。

2信贷数据治理采取的解决办法

商业银行信贷数据管理大致经历了以下4个阶段：一是手工操作，纸质记录、汇总、统计阶段。二是信贷业务核心数据地市集中阶段。三是信贷业务核心数据省域集中阶段。四是信贷业务核心数据全行集中阶段。随着信息化建设的全面深入开展与信息化水平的不断提高，商业银行产生了一系列的信贷数据质量问题，例如：属性缺失、数据不完整、数据不准确、数据重复、数据逻辑不一致等，从而影响信贷数据的完整性、及时性、有效性和一致性。商业银行在满足日常内外部监管要求和信贷核心数据集中过程中，大致采用了以下3种方式进行数据治理：一是信贷管理系统优化；二是专项检查；三是成立数据整改项目组。

（1）信贷管理系统优化。通过对信贷管理系统程序本身的优化，对系统功能、数值、流程、前后台校验控制进行优化，并从用户界面友好性、操作便捷性等方面对系统进行了多角度、深层次的改善，确保信贷数据质量。

（2）专项检查。根据商业银行内外部日常监管需要，设定某一阶段具体整改任务，成立专项检查组。按照具体任务需要，采用堵漏洞式的方法，临时开发整改程序。这种信贷数据治理方式效率低下，同时，软件复用性较差，但能满足临时的数据检查与监管需求。

（3）成立信贷数据整改项目组。信贷数据整改项目组是针对一定时期内的历史数据进行全面的治理。治理的范围包括审批与用信等基础数据整改、合同凭证等数据一致性整改、担保物等数据合法性整改、客户信息整改、缺失数据补录等。从信贷数据的整体数据逻辑关系、数据之间的逻辑关系、数据本身的逻辑、信贷系统与关联系统数据之间的逻辑、信贷系统新增管理功能以及信贷业务数据采集等方面，对商业银行信贷核心数据进行了及时、必要的整改，有效地提升信贷数据质量。

3信贷数据质量全面提升

通过信贷系统优化、信贷数据专项检查与数据整改项目组等数据治理方式，有效地提高了存量信贷数据的质量。面对日新月异、变幻莫测的信贷管理规章、制度与市场需求，新增信贷数据的质量难以有效控制。近年来，商业银行立足本身业务、科技管理水平，加大信贷数据质量监控力度，实现对信贷管理系统数据的自定义规则检查、错误数据分发、错误数据整改、整改情况检查等全方位、多角度信贷数据质量在线管理，满足各内外部监管部门以及业务条线对信贷数据的专项检查、定期检查、整改及评价等要求，从根本上全面提高商业银行的信贷数据质量。

4信贷数据发展前景展望

围绕信贷管理系统这一信贷数据核心系统而展开的信贷系统优化、专项检查、成立数据整改组等信贷数据被动治理方式，勉强满足了过去和当前的业务发展，以及内外部监管检查临时需要。商业银行信贷数据质量在线监控，有望满足未来一段时期信贷数据的自动检查、分发、整改以及评价需要，达到信贷数据的主动自愈。由互联网金融、云计算等技术浪潮引领的大数据时代已经到来，在新形势下，商业银行核心信贷数据存储、数据管理、数据处理、数据分析与挖掘等问题都需要进一步研究。相信随着商业银行科技实力的不断增强，以及信息化管理手段的不断提升，信贷数据质量提升的研究会越来越深入。

作者：黄新民单位：中国农业银行总行