一场与金融企业CFO的关于数据治理的对话：企业如何提升数据质量
对话双方：华矩顾问和某公司CFO
财务部及CFO是企业在数据应用领域最为核心的关键部门与个人，在企业级的数据治理项目实施中扮演着至关重要的角色。无论是主导企业数据治理战略的方向制定与推进工作还是应对企业数据应用过程中面临的各项技术难题与挑战问题，在座人员的声音始终不可或缺地起到关键作用。本期对话深入聚焦于华矩科技在其开展的数据治理咨询项目中与该特定部门及其核心岗位就围绕着数据治理体系的概念架构观念认知以及实际执行层面展开深度交流与探讨旨在全面了解企业在CFO层面对于数据治理体系的关注重点需求与未来发展愿景这也将有助于行业更加深入地理解并提升自身在数据治理体系能力建设方面的实践水平现将本次访谈内容整理如下：
01 关于数据治理咨询项目交付内容
CFO： 一般的数据治理咨询项目是如何交付呢？
华矩顾问：我们华矩科技的数据治理咨询服务通常涵盖以下三种类型。其中一类是咨询性质的服务内容,涵盖诸如方法论等基础理论;另一类则是基于数据分析的结果呈现,例如我们常说的数据质量评估报告;第三种类型则是文化推广服务,旨在提升企业员工的数据治理素养,并促进企业文化的传播。
02 关于中间层数据归属认责问题
CFO：在企业中存在数据质量定义、唯一性和准确性等问题时，我们希望通过开展数据治理项目来识别这些问题，并制定并落实相应的规则到各个业务部门。同时建立定期检查机制并实施监控以确保合规执行。这些中间数据在上层指标和下层数据之间起到连接作用，并在上层指标计算中发挥支撑作用。为了确保这些定义的明确性、准确性评估以及唯一性要求等问题能够得到有效治理，则会成为一个重大挑战。
例如'贷款余额'这一指标而言,其数值往往涉及多个维度的因素,包括时间维度以及管理层面的不同口径等多重考量,因此通常都会设定一个基准数值作为参考点.无论是财务部门还是风控部门,都会在此基准数值基础上进行各种调整.然而,这一基准值的质量如何以及由谁来负责维护这一数值却是一个值得探讨的问题.由于该基准值是多种因素共同作用的结果,因此单纯依靠某一部门来负责并不完全合理.例如,虽然财务部门在数据录入方面负有责任,但风险控制部门也会基于此基准值来评估资产状况.此外,前端业务规则以及销售市场部的相关工作并不直接由风险控制部门负责.那么究竟应该由谁来承担相关责任呢?
这类中间层的数据应当如何确定归属方的标准，并通过哪些维度来评估其准确性和唯一性等？
华矩顾问：**您提到的情况属于典型的缺乏数据的所有权责任类型。进一步说明一下，在数据归属方面存在争议的情况下有一项原则：归集方依据生成规则、定义或应用范围提供最权威的标准说明；而区分生成过程与录入过程则是明确界定归集对象的关键点。例如贷款余额这一指标，则由能够对其定义、计算公式及相关区域等做出最标准化和权威性说明的部门来归集。
CFO： 但是贷款余额又是一个通用性概念呀？
华矩顾问：
CFO： 以贷款余额为例，在讨论具体案例时，请明确指出您所指的具体情况。那么如何安排或管理还款计划表中的还款流程呢？
华矩顾问：
CFO： 主数据管理和元数据管理是什么？
华矩顾问：
CFO： 这个元数据管理是依赖一个通用元数据产品来实施吗？
华矩顾问： 这类公司在行业内已经推出了许多产品。然而元数据的核心挑战不在于技术工具本身，在于如何实现对海量信息的有效整合与价值挖掘。目前我们专注于提升这方面的能力，在具体实施中会根据业务需求不断优化解决方案。例如部门间如何协作、如何统一定义数据属性与结构都是我们需要重点解决的问题。对于多个部门都集中关注贷款余额这一核心业务指标的数据管理问题，在这种情况下我们的团队会统筹协调相关部门来明确数据分析的具体流程与责任划分标准。统一的数据归属原则是构建公司级统一数据中心的关键基础，在这种模式下无论是作为中间节点还是原始记录来源的数据都会被纳入统一管理范畴
华矩顾问：目前尚未单独开展元数据管理工作；然而，在现有的数据分析管理工作中：
- 收集来自各部门的关键指标信息；
- 在开展的数据治理项目中对各关键指标实施溯源追踪；
- 最终会与相关源数据拥有者完成归属关系确认。
华矩顾问：
CFO： 您所说的是谁有能力去判断和解释，谁就是数据的归属方是吧？
华矩顾问：**这一项不仅仅是一个判断, 而且必须与他所从事的业务相关, 我们认为这种判断应当被认定为干系人. 例如专家也能够进行解释, 然而这并不意味着专家就是归属方.
CFO: 说还是贷款余额。大家了解还款计划的基础吗？销售市场部都知道合格贷款余额是怎么回事吧？IT部门也可以通过系统来计算出来哦。那么如何确定这个核心客户呢？
华矩顾问：
CFO： 您提到的贷款余额深入研究应当归属于我们的产品设计团队，请问我们公司对应的相关部门应当是销售与市场部。
03 关于监管数据1104报表的数据质量检查
CFO: 对于1104报表的检查工作而言, 目前一些做法仅局限于对数据来源进行核查, 而未能深入探究数据运行规则及数据源的真实准确性, 这一点我不太明白原因所在. 因为这些核查方式对我并没有实质性的帮助
华矩顾问:** 有可能会产生一些误解。我们在执行数据质量检查时，并不仅仅局限于追溯事实本身。通过分析表间关系所发现的一些结构性问题也可能揭示数据准确性的潜在问题。为此我们采用两种不同的方法来评估数据准确性：第一种是基于逻辑的方法也就是因果关系分析这需要我们在与业务部门沟通后进行验证；第二种则是基于统计概率的方法即在确定一定范围内对相关性进行分析例如本次检查中发现贷款余额为负值的情况这明显属于错误的数据且已经通过关联分析加以识别因此没有必要再让业务部门派员来解读一堆公式这样的内容了但需要注意的是我们的准确性并非不值得怀疑因为从业务规则层面保证数据准确性是我们后续清洗工作的重要基础只有当基础工作做好了后续的数据处理工作才能事半功倍因此我们将从底层数据质量入手确保基础数据质量得到保障这样做的根本原因在于许多数据定义和属性设定都会直接影响到上层业务流程的操作所以先解决底层的质量问题是十分必要的
CFO： 我认为由于1104的检查必须与业务端保持一致才能确保数据完整性,否则仅此而已的检查无法提供有效的支持
华矩顾问：
在这段对话中，华矩科技的数据治理专家对企业常见的数据质量问题表现、检验方法以及检验结果的价值进行了详细阐述与讲解。他/她表示，在该项目的背景下进行数据质量检查是为了识别企业普遍存在的全局性问题及根本性问题，并根据发现的问题制定了相应的解决方案，以便于我们建立企业数据质量管理规范、制定统一的数据标准，并规划未来三年的发展战略。
原创文章，请勿无授权转载