浅析信用工程数据治理

　　2020年，我行升级达标信用乡镇4个，今年的目标任务是9个。为做好升级达标准备工作，年初我们大力推进信用工程数据治理，现结合工作实际，对数据治理做简单分析。

　　首先，为什么要做数据治理？

　　数据治理之所以要做，原因在于要围绕取数的标准来规范数据，核心就是“取数”。无规矩不成方圆，取数的标准是我们数据治理的中心，我们要把数据按照取数标准治理规范，让应该取到的数取到，剔除无效、不完整、来源不准确的数据。

　　其次，怎么做数据治理？

　　我认为，可以从数据治理的源头分析，一直到具体的操作规程，形成一套相对完整的治理标准。

　　一是数据治理的源头。要弄清需要的数据从哪里来，有哪些取数条件，也就是所谓的“取数口径”。以信用工程年审套表附件1、2、3为例，首先要弄通弄懂每个数据考量的哪个指标，根据考评指标反推信贷系统、信用工程信息采集系统贷款数据、客户基础信息等。

　　二是按照取数口径做数据治理。具体来说，我根据系统中导出的源表样，在excel中设置了辅助列，以筛选出不规范的数据，而这部分不规范的数据就是数据治理的重点，数据治理的“火力”应该向不规范数据“开火”。不规范的数据分为6类，根据每个种类的实际情况进行治理即可。

　　三是做好数据治理指导和审核。网点在数据治理的实际工作之中，会有不少的问题，包括对数据治理的理解以及对系统操作问题等。作为信用工程条线业务部门，我们需要做好网点辅导，定期不定期调研各网点治理进度、成效，收集存在问题及需求，有针对性开展指导反馈。同时，要严格审核数据治理的质量，确保数据治理的实际效果。

　　我认为，首先数据治理要把握好目标，要知道数据达到怎样的规范，怎样的标准才能说治理完成；其次才是如何筛选、识别出不规范的数据，这是开展数据治理的前提条件；最后治理工作才能事半功倍，得心应手。

　　数据治理是个任重道远的过程，不能一蹴而就，更不能一劳永逸，需要我们踏踏实实走好每一步，为信用工程升级达标开好局、做铺垫。（农村业务部/陈聪）