- Modelb@nk5.0将来银行架构
- “乾坤”企业级数智底座
- 平台级产品
- 银行行业解决规划
- 其它沉要行业解决规划
-
主题利用产品族
聚焦主题业务系统建设 ，支持数字化转型
-
云推算产品族
提供云原生架构解决规划
-
数据智能产品族
以数据中台为主题的数据全性命周期产品
-
智能银行（网点）产品族
覆盖智能风控、远程视频银行等场景化产品
-
数字金融产品族
通过盛开银行等延长互联网金融产品
-
信贷治理产品族
覆盖信贷全流程 ，助力普惠金融
-
风险治理产品族
提供信誉风险与本钱计量产品
-
科技监管产品族
聚焦监管合规 ，强化金融系统安全性
-
金融信创
散布式主题系统国产适配 ，构建金融安全底座
-
行业信创
全栈式信创云平台 ，驱动多行业自主可控
-
基于云原生的智能服务
云原生+AI驱动 ，全栈式火快部署与智能运维
-
量子通讯
量子密钥分发技术 ，构建金融级安全通讯网络
-
农业村落场景金融
数字技术赋能农业产融 ，构建智慧村落生态
-
中幼微场景金融
大数据风控+线上化服务 ，破解幼微融资难题
-
数字供给链金融
区块链+AIoT技术整合 ，优化产融协同效能
-
数字人民币场景利用
智能合约+多载体支付 ，拓展消费场景
- 征询规划
- 行业数字化转型
- 软件及服务
-
业务征询
数字化战术、经营造模、零售与绿色信贷征询
-
数字化征询
科技战术与系统群架构及治理研发规划等
-
数据治理征询
企业整体战术导向全局数据治理与利用规划
-
PMO治理征询
萦绕项目进行全性命周期管控与专家赋能
-
金融信创征询
3-5年信创工作整体规划造订
-
企业IT治理服务产品族
散布式架构+智能运维平台 ，全性命周期IT治理
-
企业IT治理服务解决规划
丰硕的IT治理解决规划 ，保险业务陆续性
-
企业数字化转型服务
科研知识产权规划 ，提升全性命周期治理能力
-
工业数字化转型服务
工业智能体+物联网优化出产 ，打造数智工厂
-
研发治理及DevOps
云原生+DevOps全性命周期平台
-
自动化产品
自动化建模、执杏注测试、业务流程自动化
-
测试解决规划
AI+TMMi赋能全性命周期测试 ，智能天生用例
-
征询及表包
全性命周期IT服务 ，PMO征询与行业级交付
8月31日 ，由中国金融杂志社、中国信通院云推算与大数据钻研所共同主办的“第二届金融数据治理论坛”在北京进行。5001拉斯维加斯信息首席数据官黄万忠在主会场颁发题为《苏格拉底的申辩 数据治理成效评估困境和索求》的演讲。
黄万忠从数据治理发展趋向、银行数据治理实际、数据价值开释、索求金融数据治理新模式、数据安整个系建设、数据治理价值评估困境与索求等多个维度探求数据治理新动向。
以下为概想实录：
历经近二十年 ，国内金融行业数据治理的理论和实际发展到了肯定的阶段 ，从国表DAMA数据治理系统的引进 ，到各类数据治理国标、信通院数据资产治理白皮书蹬着秀步骤层出不穷 ，能够说是百家齐放。行衣凤我们有了数据治理治理系统、有了数据资产价值评估步骤 ，但却鲜罕见据治理成效评估的步骤和尺度。这就对数据治理从业人员带来了极大的挑战。
经�；嵊龅绞葜卫泶右等嗽被嘶肷斫馐� ，但不被业务部门或者企业辅导所认可 ，数据治理的现实成效无法被正确衡量 ，时时经历冰火两沉天。数据治理从业人员时时遇到如下困扰：
1. 做了那么多治理工作 ，为什么监管报送还要被处罚 ？
2. 辅导不太中意 ，感触做的不好
3. 业务部门没有感触 ，感触对业务没有价值
4. 报表出数很慢 ，得不到想要的指标
5. 数据质量还是有那么多的问题
6. 数据治理很被动 ，没有全行级机造
7. 只是把数据治理当成一次性活动
8. 数据尺度落标往往会被妥协
9. 总感触数据治理全都做了 ，又全都没做好
10. 数据治理的周到随着功夫在衰退
……
类似这种困扰还好多 ，都是数据治理从业人员的头上悬剑。数据治理的成效到底是好是坏 ，由于目前鲜有可量化的尺度 ，让数据治理团队在汇报时诚惶诚恐。
这种逆境让人遐想到在公元前399年古希腊哲学家苏格拉底受审时所作的辩护。当然 ，苏格拉底是最有名的西方哲学家之一 ，他的申辩铿锵有力。而我们数据治理执行团队的情况就显得悲凉一点。所以我们也必要一种理想 ，来应对数据治理成效评估 ，那么我们该若何从容地、有系统地来解决数据治理成效评估的问题呢 ？
黄万忠提出了数据治理成效评估的思路：即从数据治理能力和数据治理现实成效两个维度来评估。
数据治理能力指的是有没有能力做好数据治理这个工作 ，体现了主观性 ，好比从组织、造度、流程、岗位建设等来推动。这些工作做好了 ，将来有可能让数据治理变得更好 ，但不愿定顿时见效 ，是有功夫滞后的。投入不会当即见效 ，多久见效则体现了数据治理团队的能力和方向的正确与否。
数据治理能力提升的领域蕴含：
● 一把手工程
● 企业运营机造保险
● 相对丰裕的人力资源投入
● 转变观点 ，视数据为企业关键资产
● 系统化的数据治理步骤
数据治理成效现实成效评估则是数据质量等现实能够量化的内容 ，这是一个静态的表述。通常情况下 ，现实数据资产的成效是能够用量化指标来衡量的。它的领域蕴含：
● 质量持续提升 ，可量化
● 监管好评
● 很好地支持了数字化转型
● 充分融入业务 ，对准数据价值
● 赋能数据共享和互换
● 文化融合 ，言必谈数
从能力和现实资产情况两个维度就能够很好地来评估数据治理的成效。像国标的DCMM数据治理成熟度评估是在衡量数据治理能力 ，而数据质量平衡记分卡则是在衡量数据质量的现实情况。两者合一 ，都能够较好地说明显数据治理的成效。
凭据苏格拉底的无知之知的哲学理论 ，黄万忠提出了数据治理能力“无知之知”的理论。数据治理从业人员和汇报对象凭据这个理论也能够分为5类：
第一类是不知路自己不知路：自以为什么都懂 ，其实什么都不懂 ，狂妄得意。
第二类是执著于自己的无知：这种状态常见于安身于己的私见或者信仰的盲目。由于自己的无知不休用各类理论或说辞来强化。貌似正确 ，却往往是无差距暴力和粉碎的本原。
第三类是知路自己不知路：对数据治理的未知领域充斥敬畏 ，筹备随时再丰硕自己的知识库 ，比力谦卑随和。
第四类是知路自己知路：数据治理方面有多年经验 ，且抓住了数据治理的客观法规 ，提升了自己数据方面的认知。可能正确的疏导、领导数据治理团队工作。同时 ，维持不休进建先进同业的心态 ，积极进取 ，扬长避短。
第五类是不知路自己知路 ，是最高境界 ，数据治理领域有极度深的造诣 ，同时敬畏谦卑 ，无知胜有知。
值妥贴心的是 ，这里的“无知”是个中性词 ，没有贬义的成分 ，这是从数据治理从业人员的认知状态的单一分类 ，无意冲犯任何从业者。
数据治理执行团队若是遇到第三类辅导 ，或者团队中有第三类人 ，那么数据治理工作只有对峙 ，把稳方向别犯错 ，还有很大几率成功。若是遇到第三类 ，则成功指日可待 ，根基上会很顺畅。若是有第五类高手领导 ，那么整体工作会变得越发卓越。
数据治理团队若是遇到第一类和第二类 ，也就是针对不知无知&固于无知这类的情况 ，肯定要把稳技巧和步骤。这一类肯定要攻坚一把手 ，而后使用火快的数据治理法使工作急剧见效 ，同时预防矛盾、�；な葜卫淼闹葱型哦� ，同时追求业务的支持。
黄万忠在数据治理论坛上暗示 ，5001拉斯维加斯信息于2020年推出了十大推动模式（目前是3.0版本）中的两种步骤能够协助破解 ” 不知无知&固于无知” 的情况 ，即面向业务分析驱动模式和监管驱动模式 ，自下而上让辅导看到价值 ，而后往前推动。5001拉斯维加斯信息ABIF数据分析价值提升框架 ，能够援手提升业务价值 ，从而来反推数据治理。
黄万忠对该模式的利用和价值做了具体解读和举例 ，举例关联资金链专题能够用银行买卖转账做数据挖掘 ，而后反推数据治理。让业务部门看到数据质量实切其实的进取成效。
黄万忠最后建议 ，解决数据治理成效评估的问题 ，还是要先从数据治理从业人员自身能力动手 ，认清不及 ，抓住法规 ，维持空杯 ，矫捷变通 ，进而致力去达到”无知之知“的境界。
?京公网安备11010802043876
