来源 |成于微言
近期，国家金融监督管理总局办公厅印发了《关于开展EAST数据质量“提升工程”的通知》，国家金融监督管理总局决定组织开展银行业金融机构EAST数据质量“提升工程”。
通知要求各银行机构在2023年6月-7月10日确定工作方案、在2023年6月-9月月实施提升工程。本次提升工程除了要求各机构完善EAST数据治理框架，明确“两会一层”数据治理职责分工，还要开展取数规则清理工作。认真梳理是否存在赋固定值、是否存在取数不完整等情况，确保关键数据项与业务数据保持一致，确保关键数据项的真实性、准确性与完整性。
就在6月9日，国家金融监督管理总局发布的行政处罚信息显示，2家银行被罚超400万元，案由均涉及到数据治理。
监管数据标准化规范以监管需求为导向，通过明确监管数据的业务属性和技术属性，将非银机构业务经营、财务管理、公司治理等数据映射成统一的标准化数据格式，形成相互关联、综合运用的监管大数据，便于监管部门还原公司原始业务场景，前瞻发现违法违规线索。
所以以前常说EAST是监管的精确制导的导弹，坐在家里定位遥感，指哪打哪。实际情况也是如此，通过EAST海量数据建模，将不同金融机构的客户资金流、信息流链接在一起，发现异常后现场检查锁定证据，罚单就出来了。
但要实现精确制导，前提是统一规范的数据，而过往数据标准不统一，已严重影响监管模型跑出来的结果。此后，监管陆续对大型银行、股份制银行、城农商行就EAST数据开出大罚单，合计金额过亿元，这也有效促进了银行业金融机构数据标准化的应用。
就在6月9日，两家金融机构因为数据治理问题被监管处罚，处罚金额合计超过400万元。
国家金融监督管理总局发布的行政处罚信息显示：
行政处罚决定书文号：甬银保监罚决字〔2023〕24号，案由：宁波鄞州农村商业银行因存在“EAST数据与1104数据交叉校核不一致、EAST数据与客户风险统计数据交叉校核不一致、EAST数据存在错报漏报等数据质量问题”等违法违规事实，依据《中华人民共和国银行业监督管理法》第四十六条，被宁波银保监局处罚90万元。
就在鄞州农商被处罚的同一天，宁波银保监局又出手了，宁波奉化农村商业银行的罚单也涉及“数据治理问题”。因宁波奉化农村商业银行的罚单也涉及“数据治理问题”。因“坚守服务本地的定位不到位，信贷资金违规流入房市、股市等限制性领域，关联交易管理薄弱，风险和内控管理薄弱，信贷业务管理不审慎，贷款风险分类不准确，员工管理存在严重缺漏，合规文化建设缺失、个别员工存在严重违规行为，监管意见落实不到位，数据治理问题突出”等多项主要违法违规事实，依据《中华人民共和国银行业监督管理法》第四十六条，被宁波银保监局合计罚款380万元。
银保监会在2018年印发的《银行业金融机构数据治理指引》中，第20条就提到：银行业金融机构应当建立覆盖全部数据的标准化规划，遵循统一的业务规范和技术标准。数据标准应当符合国家标准化政策及监管规定，并确保被有效执行。
数据标准与数据规范容易混淆。数据标准是数据明确的定义，明确的数据分类、确定的存储格式和既定规则的转换、编码等。
数据标准侧重于强调对数据本身的标准化，诸如：数据的定义、结构、存储等，注重的是结果。而数据规范是指在操作层面采取的措施、循序的规则和执行的流程，侧重于强调流程和操作——如何实现数据标准化，更注重过程。
在实际工作中，我们经常会说建设“数据标准规范体系”，大多数人认为这是一个事情，但严格来讲，这是两件事：一是建设数据标准，二是要规范数据标准的落地的流程以及流程所涉及到的人员、组织、权限等问题。
本次银保监会办公厅就印发《关于开展EAST数据质量“提升工程”的通知》（金办便函【2023】28号），决定对金融机构开展监管数据质量专项治理。这已经不是监管第一次针对金融机构开展监管数据质量专项治理了。早在2020年银保监会办公厅就印发《关于开展监管数据质量专项治理工作的通知》（银保监办发【2020】45号），决定对银行业保险业金融机构开展监管数据质量专项治理。
近年来，原银保监会持续开展银行业金融机构监管标准化数据(以下简称EAST数据)治理工作，EAST数据质量整体有了明显提升。但日常监管工作中仍发现，部分机构存在EAST数据治理意识薄弱、数据治理体系不健全、数据错报等问题。
本次提升工程要求各机构完善EAST数据治理框架，明确“两会一层”数据治理职责分工加强数据治理制度建设，配置充足的数据治理资源，严格落实数据治理源头责任，形成总行与分支机构，业务部门、科技部门与数据管理部门充分联动，职责清晰、高效务实的治理机制，持续提升监管数据治理水平。
还要开展取数规则清理工作。认真梳理是否存在赋固定值、是否存在取数不完整等情况，确保关键数据项与业务数据保持一致，确保关键数据项的真实性、准确性与完整性。各银行机构应开展数据项检核工作。在剔除真实业务背景、历史原因等客观因素。
预计不久将会对金融机构印发专门针对EAST数据质量“提升工程”的实施清单。
我们认为，对即将实施提升工作的机构而言，除了调整好心态，补缺补漏之外，重点要做到以下几点。
首先，要提高认识，压实责任。没有准确的监管数据，监管难以有的放矢，数据质量是监管的生命线，监管派出机构应充分认识提升监管数据质量的重要意义，把数据质量作为有效监管的基础。被监管机构要落实监管数据质量主体责任，要对自己报给监管的数据负责。数据质量专项治理工作要层层传导，压实到最基层，数据源头才有保障。
其次，要突出重点，标本兼治。数据治理指引是一项长期化基础工作，内容涉及面较广，往往机构因为畏难情绪导致数据治理流于形式。而监管数据质量的提升就能很快转化为的数据治理成效，本次治理以监管数据质量问题为抓手，强化追根溯源，拔起一个萝卜往往会带出一摊泥，任何一个数据质量问题一定会映射到每一方面或多方面问题，比如组织架构问题、制度建设问题、运行机制问题、系统建设问题等等。
最后，要强化整改，完善机制。自查和外部监管检查评估，一定会发现很多问题和薄弱环节，问题一定要及时整改，但要讲究方法论，有些对填报口径的理解偏差下一期就能纠正；有些针对数据源的差错，同一类差错可以系统中批量修改，但这治标不治本，更重要的是持之以恒的对生产数据的人员加强培训，提高数据录入的准确性，并建立激励约束机制，这就涉及到管理问题；有些数据质量问题更深层次，涉及到核心业务系统和基础业务系统的改造升级，提高数据标准化程度，补充监管报表报送要求字段。为了确保问题整改计划和要求落实到位，要建立长效工作机制，监管问责必不可少。
数据治理和监管统计质量提升究竟如何落地？说实话，的确很难很难，既要有方法论，也需要有执行力。
好在现在已经不是10年前，大家连方法论也没有。如今，无论是数据治理指引、还是监管统计数据质量评估、数据管理能力成熟度评估（DCMM）、数字化转型成熟度评估等，各类评估评级的方法论都已十分健全，对照标准找出差距加以完善即可。
首先，要充分认识数据治理工作的重要意义，将数据治理与公司治理相结合、与公司发展战略相结合、与公司数字化转型相结合。能否最终推动动，数据治理与数字化转型工作一样，都是一把手工程。
常规的做法要先建立健全职责边界清晰的数据治理架构，明确董监高和相关部门的职责分工，建立多层次、相互衔接的运行机制。
其次，建立科学完善的能够覆盖数据全生命周期的数据管理制度，包括但不限于组织管理、部门职责、协调机制、安全管控、系统保障、监督检查等方面。
数据治理的成效需要通过数据应用来落地，如今各大的金融机构已能够实现数据驱动业务发展，数据资产价值得到有效发挥。
最后，落实数据质量管控的要求，需要明确数据质量管理目标，按照数据的五性原则，建立数据的控制机制和人员的激励约束机制，严格执行标准化监管数据填报规范和报送口径要求，形成高效、稳定的报送工作机制。
