DG-1910-工业大数据体系整体设计原则_V10

微信扫码，打开到小程序

1| 大数据体系整体设计原则 I2 大数据能力规划 2| I2 大数据能力建设项目交付物一览 资料来源：分析 整体报告 交付物类别 具体交付物 大数据愿景及战略 A1 规划 大数据的整体实施 A4 路线图 大数据关键能力提 A2 升整体方案 大数据治理机制及 运营模式方案 A3 大数据能力现状诊 B1 断报告 大数据体系整体设 B2 计原则 国内外同业大数据 B3 应用案例集 总体数据 战略 大数据业务用例需 B4 求分析框架 大数据业务用例整 B5 体管理方案 大数据战略相关业 B10 务用例实施路线图 数据整合 与应用 大数据相关组织架 构设计方案 B9 大数据战略相关数 据组织规划实施路 线图 B13 数据人才 与组织 大数据数据质量提 B6 升规划方案 大数据相关数据治 理体系设计方案 B8 大数据战略相关数 据治理规划实施路 线图 B12 数据治理 大数据数据平台规 划设计方案 B7 大数据战略相关数 据平台建设实施路 线图 B11 数据系统 与工具 子 项 分 析 报 告 x 本文件 3| 大数据体系整体指导原则是基于现状并借鉴领先实践经验提炼而成，其目的是在 所有参与方之间统一意见和认识，确保能力建设规划有的放矢 大数据体系 整体设计原则 银行 现状诊断 能力缺口和 提升方向初判 领先实践 ▪ 大数据体系整体设计原 则是在对前期诊断发现 的进一步提炼 ▪ 其目的是在诊断发现和 能力建设之间形成链接， 确保设计有的放矢 方法论 4| 资料来源：小组分析 大数据体系建设的整体理念是：从价值创造出发，基础能力建设与业务用例推进 并行，以三年时间为银行大数据应用规模化奠定良好基础 整体理念 IT 战略 “ 科技引领银行” 数据战略 “ 数据驱动业务 / 管理” ▪ “ 数据是的重要资产”：这意味着需要对全行的业务用例进行优先排序， 全行数据资产也应被合理共享 ▪ “ 数据只有被业务和管理有效应用才有价值”：这意味着任何数据资源 的投入都应以明确的应用场景和价值创造为前提 初步供讨论 5| 资料来源：小组分析 数据战略 数据 整合与应用 数据 人才与组织 数据治理 数据 系统与工具 1. “ 战略聚焦”：的大数据战略应服务于全行整体规划，因而“凤凰计划”应成为未 来三年全行级业务用例的主要输入 2. “ 抓大放小”：考虑到未来三年能力建设与业务用例推进并行，实施难度和资源 投入都较大，全行应聚焦于影响力最大的 ~20 个用例，贵精不贵多 3. “ 长短兼顾”：业务用例应依照同类技术能力和数据域的治理分批次推进 4. 建立变革引擎，全行统筹排序：落实主体及权责，推动跨部门等变革中的问题 5. “ 向成本要效益、向应用要价值”：业务用例开发应实行成本约束和绩效约束 6. 组织集约化：推动成本效率、确保管理一致性、实现人才运用的规模效应 7. 人才市场化、专业化：壮大数据人才队伍，引导其市场化和专业化 8. 建立治理体系：建立数据治理架构和数据责任人制度，理顺数据采集、管理与 使用中的权责边界，将数据质量纳入各部门数据责任人的考核 9. 用对治理方法：优先治理关键数据项，建立黄金数据源，借助数据管控系统工 具，统一数据标准、完善元数据强管理、进行数据质量监督和实时主数据管理 10. 系统架构“开放、前瞻、简单、高效”：加强高级分析、实时分析能力，增强非 结构化数据的采集与应用；支持数据质量，明确系统分工，减少架构复杂度 设计原则概览 大数据体系整体指导原则：链接现状诊断和未来设计，使数据能力建设有的放矢 6| 在数据战略方面，建议银行重点考虑战略聚焦、抓大放小，兼顾长期能力 建设和短期速赢 资料来源：小组分析 ▪ 战略聚焦：的大数据战略应服务于全行整体规划，因而“凤凰计 划”应成为未来三年全行级业务用例的主要输入 ▪ 抓大放小： – 全行级（抓大）：考虑到未来三年数据能力建设与业务用例推 进需并行，实施难度和资源投入都较大，全行级用例应聚焦于 影响力最大的 ~20 个 – 部门级（放小）：考虑到各部门的差异化需求，各部门仍可自 主提请用例需求，申请科技资源进行开发，但需要由部门承担 成本并在全行战略允许的规则框架内 ▪ 业务用例优先排序的过程中需平衡长期能力建设和短期速赢： – 优先推动业务影响显著的用例，以此树立全行的数据意识 – 但同时为了做到长治久安，能力建设与业务用例推进需并行， 业务用例应依照同类技术能力和数据域的治理分批次推进，为 此从技术可行性角度将对业务需求局部修正 对相关模块设计的启示（数据战略） “ 战略聚焦” “ 抓大放小” 整体设计原则 “ 长短兼顾， 能力补缺优先” 7| 在数据整合与应用方面，建议银行重点考虑建立需求的排序机制和业务用 例的标准化管理机制 资料来源：小组分析 ▪ 明确治理架构中的统筹主体（如数据委员会，可由现在科技信息管 理委员会兼任其职责）及其职能，确保战略理念一致，推动数据整 合与应用过程中的跨部门问题，统筹职责要落实到机构和岗位 ▪ 业务用例开发的优先顺序应由业务需求主导。为了提高业务需求的 真实有效性，应设置： – 成本约束：业务用例的开发成本应分摊并由各部门承担，冲抵其 部门整体预算额度 – 绩效约束：业务部门在提交用例申请时应审慎分析其潜在价值。 高价值意味着高优先级，但也意味着更有挑战性的绩效承诺 ▪ 业务用例的成功与否应由其实际价值创造的大小决定。为了将价值 最大化，应建立： – 标准化的业务用例的实施规划、执行管控、追踪反馈和成效评估 环节，使数据整合应用形成顺畅闭环 – 尤其，数据战略启动意味着银行工作模式的重大变革，有必要同 步启动变革推动工作，方能将业务用例真正落地 对相关模块设计的启示（数据整合与应用模块） 整体设计原则 “ 全行统筹排序” “ 向成本要效益” “ 向应用要价值” 8| 在数据组织与人才方面，建议银行重点考虑加强全行统筹和集约化管理， 并强化数据人才的市场化和专业化 资料来源：小组分析 ▪ 加强全行数据组织的集约化，从降低成本、确保管理一致性、实 现人才的规模效应等多方考虑出发： – 明确统筹和变革主体（如设立“数据管理委员会”） – 建立集约式的高级分析能力（如搭建全行“卓越中心”）和数据 治理能力（如搭建全行“数据治理中心”） – 在关键的价值创造点（如分行）建立派驻式数据分析岗位，在 实践中推动数据人才建设 ▪ 壮大数据人才队伍，引导其市场化和专业化： – 从需求出发和价值创造出发参考同业对标规划数据人才需求 – 绩效识别市场化：鼓励数据人才向业务需求和数据用户倾斜 – 岗位专业化：高级分析、统计报表和系统开发岗位相互独立 对相关模块设计的启示（数据组织与人才模块） 整体设计原则 “ 组织集约化” “ 人才市场化、 专业化” 9| 在数据质量与治理方面，建议设立全行层级的数据治理架构，明确业务和 科技的职责，从企业级关键数据项入手，围绕业务用例重点依次推进 资料来源：小组分析 ▪ 建立数据治理架构，理顺数据采集、管理与使用部门之间的权责边 界，将对数据质量纳入相关责任人的常规考核项目： – 从源头入手，业务部门必须对数据的定义统一、标准规范、采 集完备和持续治理负责 – 科技部门负责通过技术手段、管理工具更高效地诊断数据问题、 提升数据质量、规范数据使用 – 数据质量的管理形成责任闭环，数据采集、处理和使用环节的 相关人员，都具备清晰可追踪的质量考核指标 ▪ 结合现状，从用例涉及的关键数据项着手，配合主数据管理和黄金 数据源的建立进行系统性治理 – 优先统一用例涉及的关键数据项定义和标准 – 建立单一的主数据管理机制，界定关键主数据项和唯一来源 – 配合重点业务用例的推动，进行有侧重的分批次数据治理，确 保治理工作的有效落实和成果显现 对相关模块设计的启示（数据质量与治理模块） 整体设计原则 “ 长期聚焦治理 架构，建立责任 闭环” “ 短期结合现 状，规范化管理 机制” “ 以实用、落地 为主” 10| 在数据系统与工具方面，建议银行的设计原则为：以业界最佳实践与重点 需求，注重开放度、减少复杂度、拥抱新兴科技 资料来源：小组分析 ▪ 基于业界最佳实践与重点需求，规划拥有高开放度、低复杂度并且 足够前瞻性的全行数据系统与工具架构，为接下来 3 年发展大数据 分析打下坚实基础： – 结合现状，利用现在已有基础，重点放在补缺补漏，明确设计规 则，为将来新系统建设做好规划 – 结合业务需求规划设计高级分析支持架构以及非结构化数据应用 – 针对 3 年内基于用例的实时营销 / 经营分析需求，规划设计实时 / 经营数据分析架构方案 – 减少架构复杂度，明确重点系统分工及相互间的关系 ▪ 数据系统架构设计举措落地实施的路线图将重点考虑： – 基于银行现有基础以及各部门情况，配合业务应用各阶段重点， 有规划地动态部署，从而保证稳妥的落地效果 – 与凤凰计划其他项目组密切配合，保证全局观以及设计的一致性 对相关模块设计的启示（数据系统与工具模块） 整体设计原则 “ 开放、前瞻” “ 简单、高效” 11| 谢谢