案例名称

【资料图】

数据管控平台实践与应用

案例简介

亿联银行基于数字化转型和数据能力建设需要，通过数据管控平台融合元数据、数据质量、数据标准等管理内容对数据采集、传输、存储、处理和应用过程进行全生命周期线上化管理，并搭建数据门户，达成数据模型建设标准化能力，打通信息壁垒，构建信息一致的数据资产，形成全链路数据地图，提升全行数据质量，推动数据能用、敢用、易用、好用，提升数据管理效率并降低管理成本，加速我行数字化转型，助力数据价值实现。

数据管控平台应用架构图

创新技术/模式应用

数据管控平台打通数据分析环境，整合数据分析工具，加速数据、工具、模型算法相结合的数据分析平台集成落地，构建一站式数据门户，让数据更易用、好用；平台充分利用人工智能技术，对数据标准的落标情况进行自动检查，推动数据标准在数据模型上的应用和落地，提升数据模型标准化能力；平台利用Spark及分布式技术实现海量数据核检，采用自动化智能引擎，自动调度数据检核规则形成数据质量问题清单，触发质量问题管理流程，实现数据质量问题检核、发现、流转、分发、整改、监测闭环全流程管理，提升行内数据问题整改效率和效果；平台合理设置数据资产标签化属性，搭建数据目录，利用知识图谱和SQL解析技术，建立元数据血缘关系地图，实现数据从哪来，到哪去的路径分析；在数据安全保护方面，按照用户角色分配数据查询及使用权限，并对客户敏感数据进行脱敏，实现数据安全和客户信息隐私保护。

项目效果评估

通过元数据、数据标准、数据质量、数据门户等功能完善全行基础数据资产管理，提升数据资产管理的监测和评价能力。通过线上化模型管理降低数据管理人员、数据使用人员、数据开发人员的数据使用门槛，打通信息壁垒，达成标准化、规范化数据资产整合理念，提升数据质量，发挥数据资产效益。

数据管控各个模块与数据需求、数据应用及数据服务关系图

通过工具支持将数据模型的落标情况纳入管控，实现数据标准的落地、应用及落标效果评估。基于数据标准的维护、发布等流程，形成线上化数据标准信息库，通过自动化的落标检核能力实现全行数据标准的贯彻执行，减少由于标准的缺失及未落标产生的数据质量问题，形成全行标准、一致的数据资产。

通过工具支持将元数据管理嵌入数据开发工艺，有助于采用一致的方式显示信息形成数据资产信息项，并解决我行有哪些数据资产、在哪分布、如何查的问题，减少全行人员数据的研究时间，改善数据使用者与IT专业人员之间的沟通，满足监管合规等要求，减少信息壁垒，提升全行数据应用协作能力。通过元数据血缘链路功能，形成全行数据血缘关系图，便于业务人员充分理解数据来源和加工链路，精细化需求提出，有助于技术人员进行数据影响性分析，避免需求分析时遗漏功能点造成系统BUG，提升数据开发效率和准确率。此外数据血缘链路可实现数据加工链路的关联路径分析，提升全行数据处理能力。

通过线上化工具实现数据质量问题事前预防，事中监测，事后整改的数据质量全流程闭环管理，提升全行数据质量，让数据能用、好用，真正发挥数据价值。基于数据质量检核规则库的沉淀，并通过平台进行系统化的数据质量闭环管理，从数据质量问题收集、数据质量规则检核配置、数据质量检核结果出具，数据质量整改效果跟踪等阶段实现全行数据质量闭环管理，提升全行数据质量，满足数据应用需求。打通业务部门第一责任人与数据管理人员之间的信息壁垒，让业务人员不再依赖技术人员就能看到数据质量问题清单和数据质量问题明细，同时减少重复进行手工数据检核及提取结果的投入成本问题，释放数据管理人员、业务人员、开发人员的生产力。

项目牵头人

李树峰  行长助理兼首席信息官

项目团队成员

徐楠、樊海瑞、李玲玉、黄威、张恒

责任编辑：王煊