一、解决方案简介

监管数据治理，各金融机构以监管数据模型为基准，对企业内数据进行分析梳理，了解机构内各业务源系统同监管标准的差异性，并制定数据的改善计划。数据管理平台，实现数据资产管理、数据质量管理等工作。

数据标准是监管统计的核心，数据质量是统计工作的基础。数据标准、数据质量、统计口径、计算方法是影响报表质量的四大主要因素，因此，标准先行、同标同源是统计工作的首要任务，银丰新融监管数据治理与数据管理平台解决方案可以帮助银行及各金融行业客户解决对外报送口径不一致、监管数据质量参差不齐等问题。

二、应用场景痛点简介

习近平总书记强调要提高统计数据质量，更好为宏观决策服务。以完善“现代金融监管”体系、建设“数字中国”为远景目标，以金融监管机构监管报表数据作为抓手，提出数据治理要求，夯实监管科技数据基础，推动高质量监管。监管数据质量治理作为金融机构数据治理的重要组成部分，是一项基础性、系统性的工作。

三大监管当局近年来大力推进监管数字化智能化转型，提高监管有效性。推动稽查检查分析模型开发运用，全面提升监管人员对重大风险问题的分析能力。在金融“强监管”的背景下，金融机构监管报送数据面临着诸多问题：数据质量差，错报、漏报现象频发；数据标准不规范、范围不明晰、数据关系非链路化，以及数据资产管理、问题跟踪无法线上化和流程化处理、跨系统校验实现困难等。无法保证各个报送模块的同标同源，多部门报送口径不一致，数据差异巨大等问题。

根据监管部门和金融市场要求，拟定符合金融机构企业实施数字化工作总体策略，满足监管合规、准确监管报送。实现从“监管要求”到“内部管理”不同阶段的发展策略。

三、解决方案亮点介绍

解决方案立足于公司对金融行业监管报送项目的长期积累和对当前监管发展方向的深入研究分析，提出监管数据治理咨询-产品&定制化解决方案。包括监管数据治理咨询和数据治理产品平台落地以及终的落地实施。

1.监管数据治理咨询

监管数据治理咨询阶段包括：监管数据满足度分析、行内数据质量分析报告、数据缺失的改善计划、行内实施策略与规划等多个咨询阶段以及可落地的咨询方案，做到数据治理工作闭环管理。咨询工作围绕以下内容开展：

①数据规范标准化

规范化管理应用数据的业务和技术基础，包括数据范围说明、流程规范文档、信息项及取值定义等。

②数据范围明晰化

明确监管报送的业务和数据范围，对应的业务或产品清单，在业务系统的分布。

③数据关系链路化

实现对数据间流转、链路、依赖关系的梳理和血缘分析。

④数据质量度量化

全方位管理数据质量，形成数据质量诊断报告，实现数据质量检核和维度分析，以及持续监控，问题跟踪。

2.监管数据治理平台

①数据资产管理

元数据管理：数据分层（模型层、汇总层、指标层..）管理，分主题（参数、客户、产品、协议、渠道、事件、支付工具...）对元数据进行管理，提供Mapping维护版本管理。实现监管底层数据标准管理，保证数据定义标准化、数据链路清晰。

指标管理：指标分为原子指标和衍生指标，原子指标通过sql、javaBean的方式创建，衍生指标通过基础指标加工而成。保证监管数据多维度穿透挖掘，大化实现数据价值。

数据血缘：通过脚本解析得到数据血缘关系，提供数据向上溯源，向下影响分析。保证监管数据全链路可追踪，通过工具化界面实现溯源和影响分析。

②监管数据质量管理

监管数据校验体系：具备源数据校验质量管控，跨系统校验：实现明细数据和指标数据两类跨系统校验。分别从源头和报送端把握数据质量。保证多模块报送的来源一致、口径一致，各个源系统数据符合监管要求。

数据质量问题处理体系：建立治理管理流程，监控跟踪治理过程，确实落地治理成果。将存在的数据质量问题登记本系统中进行管理，且提供批量生成、手工登记两种登记方式。问题中可以关联查询出校验问题数据，问题可以自定义处理流程，和工作流挂钩。

数据质量全流程管理能力：数据治理流程全线上化管理。包括管控制度、数据治理问题跟踪工作流、权限精细化管理等，分工更加明确，责任划分清晰，提高数据问题的解决效率，做到权责明确、问题追踪可视化、数据治理可度量化，绩效考核明晰化。

四、金融行业客户名单

上海银行，上海农商银行，宁波银行，天津银行，天津金城银行等。