データ資産管理計画（データ資産管理システム構築計画）

データ資産管理システム構築計画

データ資産とは、企業が所有または管理し、企業に将来的に経済的利益をもたらす可能性のある、特定の方法で記録されたデータ リソースを指します。企業では、すべてのデータがデータ資産であるとは限りません。企業に価値を生み出すことができるデータ リソースのみをデータ資産と呼びます。

データ資産管理とは、データおよび情報資産を計画、制御、提供する一連のビジネス機能を指します。データ資産管理の機能には通常、データに関連する計画、ポリシー、プログラム、プロジェクト、プロセス、方法、手順の開発、実装、監督が含まれ、これによりデータ資産の制御、保護、提供、価値の向上という目的が達成されます。

データ資産管理は、ビッグデータ アプリケーション システムにおいて重要な役割を果たします。上方向には価値マイニング指向のデータアプリケーション開発をサポートし、下方向にはビッグデータプラットフォームを活用してデータのライフサイクル全体の管理を実現します。

デジタル変革とデジタル金融構築の深化に伴い、データリソースは徐々にデータ資産へと変化し、データ管理に対する要件が高まっています。 「総合的な管理と制御、互換性と統合、階層化の発展」の原則を堅持し、データの要素化と資産化の特徴に基づくデータ資産管理システムを確立し、データリソースのデータ資産への突破と進化を加速し、データの統合アプリケーション、オープンな共有、流通と取引を促進することが急務です。

現在、国内外のデータ管理分野の関連学者や組織は、さまざまなアプリケーションシナリオに合わせてさまざまなデータ資産管理システムを提案しています。

たとえば、国際データ管理協会は 2009 年にデータ管理知識体系 (DMBOK1.0) を発表し、データ管理システムをデータ ガバナンス、データ運用管理、データ システム管理、データ開発、データ セキュリティ管理、参照データおよびマスター データ管理、データ ウェアハウスおよびビジネス インテリジェンス管理、ドキュメントおよびコンテンツ管理、メタデータ管理、データ品質管理の 10 の領域に分割しました。このシステムに基づいて、Certified Data Management Professional (CDMP) 認定を開始しました。 （詳細については、DAMA-DMBOK2.0 データ管理知識システム ガイドの中核を理解するための 30 ページの PPT を参照してください）

2014 年、カーネギーメロン大学の関連機関が、能力成熟度モデル統合 (CMMI) モデルに基づいたデータ管理成熟度 (DMM) モデルを発表しました。このモデルには、データ管理戦略、データ運用、データ品質管理、データ ガバナンス、データ プラットフォームとシステム、サポート プロセスという 6 つの機能領域が含まれます。中国、米国などの国で評価者グループを訓練し、マイクロソフトなどの企業でモデルを検証し、モデルに強力な実践的ガイダンス機能と拡張性を与えました。

国家情報セキュリティ標準化技術委員会は、関連する海外のデータ資産管理システムを参考に、2018年にデータ管理能力成熟度モデル（DCMM）を提案し、データ管理能力成熟度評価のための8つの能力領域（データ戦略、データガバナンス、データシステム、データ標準、データ品質、データセキュリティ、データアプリケーション、データライフサイクル管理）を定義しました。 (参照: DCMM とは何ですか?)

本稿では、各界で認められているデータ資産管理システムに基づき、組織保証、技術サポート、データガバナンス、データ運用、データ循環、データ戦略の6つの部分を含む価値実現のためのデータ資産管理システムを提案し、企業がデータ資産管理を実施し、企業のデータ資産管理能力を効果的に向上させ、データ価値の解放を加速するよう導きます。

価値実現のためのデータ資産管理システム

データ戦略モジュールは、企業のデータ資産管理の全体的な目標と開発ロードマップを策定し、データガバナンス、データ運用、データ循環などの各モジュールの機能活動の実施を指導および監督し、企業のデータ資産の内外への応用の実行青写真となります。

データ戦略モジュールには、主にデータ戦略の計画、データ戦略の実装、およびデータ戦略の評価が含まれます。

戦略計画は、企業がデータ資産管理を実行するための指針となる青写真です。これは通常、企業の経営陣またはリーダーシップによって策定され、データ資産管理の目標、指針、実装ルートなどが含まれます。データの価値が明らかになるにつれて、データ資産管理の計画を特定の部門（情報管理部門など）に限定しなくなる企業が増えています。むしろ、データ管理を企業戦略の重要な一部と捉え、戦略立案の段階でIT部門とビジネス部門をつなぐ専用のデータ管理部門を設立しています。

データガバナンスモジュールはすべてのビジネスの基盤であり、データ運用モジュールとともに、データ循環モジュールが機能するための必須の前提条件です。データ ガバナンス活動の主な目標は、さまざまなデータ資産の品質を継続的に改善し、データ使用のセキュリティとコンプライアンスを確保することです。データ ガバナンス活動は、組織管理システム内の関連するリソース割り当てと管理システム仕様の制約の対象となり、データ資産管理プラットフォームはこれらのタスクをサポートする技術的機能を提供します。

データ資産管理システムの本体として、データガバナンスモジュールには主にメタデータ管理、マスターデータ管理、データ標準管理、データ品質管理、データモデル管理、データセキュリティ管理が含まれます。さまざまなモジュールの連携により、データの標準化と正規化、データ品質の向上、データ システムの改善、データの記録と追跡、データ サイロの解消、安全なデータ環境の確立に役立ちます。

データ ガバナンスの各領域は、独立した方向として研究および管理できます。同時に、さまざまな領域間の有機的な組み合わせが必要です。たとえば、データ標準、メタデータ、データ品質などの領域は連携して相互に依存する必要があります。データ標準の管理を通じて、データの合法性とコンプライアンスを向上させ、データ品質をさらに向上させ、データ生成の問題を軽減することができます。メタデータ管理に基づいてデータライフサイクル管理を実行し、オンラインデータの規模を効果的に制御し、生産データへのアクセス効率を向上させ、システムリソースの無駄を削減します。メタデータとデータモデル管理により、テーブルやファイルなどのデータリソースを主題別に分類できるため、当事者、製品、契約などの関連データの主要データソースとデータ配分の所有権を明確にし、データ配分の計画とガバナンスを効果的に実施できます。

データガバナンスの分野は銀行業務の発展とともに絶えず変化しており、分野間の関係も継続的に探求・分配する必要があり、最終的には協力し合い検証し合う分野のネットワークを形成し、データガバナンスの有効性を総合的に向上させます。

メタデータはデータに関するデータ、つまりデータに関する説明情報です。メタデータは、そのさまざまな属性に応じて、ビジネス メタデータ、技術メタデータ、運用メタデータに分類され、これら 3 つは密接に関連しています。ビジネス メタデータは技術メタデータをガイドし、技術メタデータはビジネス メタデータを参照して設計され、運用メタデータは両方の管理をサポートします。 （詳細は「メタデータの概念、分類、機能を1つの記事で理解する」をご覧ください）

• ビジネス メタデータ: ビジネス関連のデータを定義し、ビジネス情報の検索、理解、アクセスを支援するために使用される情報です。ビジネス メタデータの範囲には、主にビジネス指標、ビジネス ルール、データ品質ルール、専門用語、データ標準、概念データ モデル、エンティティ/属性、論理データ モデルなどが含まれます。
• 技術メタデータ: 構造技術メタデータとリレーショナル技術メタデータに分けられます。構造化技術メタデータは、データの保存場所、データの保存タイプ、データの系統など、情報技術のインフラストラクチャ内のデータの説明を提供します。リレーショナル技術メタデータは、情報技術環境におけるデータとデータ フロー間の関係を説明します。技術メタデータの範囲には、主に、技術ルール (計算/統計/変換/集計)、データ品質ルールの技術的説明、フィールド、派生フィールド、ファクト/ディメンション、統計指標、テーブル/ビュー/ファイル/インターフェース、レポート/多次元分析、データベース/ビュー グループ/ファイル グループ/インターフェース グループ、ソース コード/プログラム、システム、ソフトウェア、ハードウェアなどが含まれます。技術メタデータは通常、既存のビジネス メタデータに基づいて設計されます。
• 運用メタデータ: 主に、メタデータ管理に関連する組織、役職、責任、プロセス、および日常のシステム運用によって生成される運用データを指します。運用メタデータ管理の内容には、主に、メタデータ管理に関連する組織、役職、責任、プロセス、プロジェクト、バージョン、およびシステム制作・運用における運用記録（運用記録、アプリケーション、運用ジョブなど）が含まれます。

メタデータ管理は、メタデータを定義、収集、管理、公開するための一連の方法、ツール、およびプロセスです。関連するビジネス メタデータと技術メタデータを統合して適用し、データ パスとデータ所有権情報を提供し、ビジネス用語とドキュメントを一元管理します。変更レポート、影響分析、ビジネス用語管理などのアプリケーションの助けを借りて、データの整合性を確保し、データ品質を制御し、ビジネス用語の曖昧さを減らし、ビジネス担当者、技術担当者、および両者の間のコミュニケーション プラットフォームを確立します。

メタデータ管理ツールは、データ資産の配布および生成プロセスを理解するのに役立ちます。このツールはメタデータ管理アクティビティ用に開発されており、次の基本機能を備えています。

• メタモデル: メタデータに収集される情報の定義です。簡単に言えば、メタデータ収集の標準/仕様です。通常、システムの立ち上げは、データ資産管理プラットフォームの初期仕様に基づいて行われます。
• メタデータ収集: 異種環境に適応し、データ生成システムからデータ処理システム、データアプリケーション、レポートシステムに至るまで、プロセス内のデータエンティティ(システム、ライブラリ、テーブル、フィールドの説明)やデータエンティティ処理のロジックなど、従来のリレーショナルデータベースやビッグデータプラットフォームからの完全なメタデータの収集をサポートします。
• メタデータメンテナンス：カテゴリ、タイプなどの情報に応じて各データエンティティの情報と分布を表示し、データエンティティ間の組み合わせと依存関係、およびデータエンティティ処理の上流と下流の論理関係を表示できます。また、メタデータのバージョン管理を実行し、メタデータの変更を表示することもできます。
• メタデータ アプリケーション: メタデータ アプリケーションには通常、データ マップ、データ リネージ、影響分析、フル チェーン分析などが含まれます。
• メタデータ検索: データソースライブラリ、タイプなどに基づいてメタデータ情報を検索できます。

マスター データ (MDM) とは、企業の中核ビジネス エンティティを記述するデータであり、企業の中核ビジネス エンティティに関連するシステム レコード データを調整および管理するために使用されます。企業がマスターデータ管理を実施する際には、コアビジネス属性を持つデータをマスターデータとして選択し、複数のビジネスシステムで共有される唯一の信頼できるデータソースを特定し、データ標準、データ品質ルール、データモデルなどの既存のデータ資産管理の結果を完全に再利用する必要があります。同時に、企業はマスター データの変更を監視するためのマスター データ ソリューションを実装する必要があります。 (参照: マスター データ プロジェクトの実装方法とコア ステップ)

マスターデータとは、システム、モジュール、部門、地域にまたがり、高い品質要件と高い適時性要件を持ち、さまざまなビジネスで繰り返し使用される基本的な機密データです。マスター データは、企業情報システムの中枢であり、業務運営と意思決定分析の基盤です。マスターデータは「ゴールデンデータ」と見なされます。

マスター データ管理ツールは、企業のマスター データ情報を定義、管理、共有するために使用されます。マスター データ管理は、データ統合ツール (ETL など) または専用のマスター データ管理ツールを通じて実装されます。目標は、データ ソース間の統合を通じてエンタープライズ ゴールデン データ (マスター データの最適なバージョン) を提供し、さまざまな情報システム間でこれらのマスター データの正確性、一貫性、整合性を確保することです。

すべてのデータ資産のデータ標準、メタデータ、データ品質、データ循環、トランザクションは、マスター データを中心に展開されます。このツールはマスターデータ管理機能用に開発されており、次の基本機能を備えています。

• マスターデータ統合：マスターデータの統合、クリーニング、検証、マージなどの機能を実現し、収集したマスターデータを企業のビジネスルールとデータ品質基準に従って処理および取り扱い、さまざまなサポートシステムに分散しているマスターデータを抽出してマスターデータリポジトリに集中させ、一意で完全かつ正確なマスターデータ情報をマージして維持します。
• マスター データのメンテナンス: マスター データ インスタンスの作成、変更、強化、マスター データ リレーションシップ タイプの定義とメンテナンス、マスター データ インスタンス間のリレーションシップの作成とメンテナンスなど、エンタープライズ マスター データの運用メンテナンスをサポートします。
• マスターデータ分析: マスターデータの変更を監視し、マスターデータシステム管理者にマスターデータの分析、最適化、統計、比較などの機能を提供します。
• マスターデータ共有: マスターデータの外部クエリおよびレプリケーション サービスを実現します。前者は、他のシステムがマスターデータに対してリアルタイム応答クエリ要求を発行したときに必要なデータを返すために使用され、後者は、一般的に ETL または CDC (変更データ抽出) によって実装されるバッチデータレプリケーションサービスを提供するために使用されます。

データ標準は、銀行が独自の現実に適合して確立した、多階層データの定義、操作、および適用を網羅する一連の標準化されたシステムです。内部および外部でのデータの使用と交換の一貫性と正確性を確保するための基本標準と指標標準（またはアプリケーション標準）が含まれます。メタデータ標準、データ交換および転送標準、データ品質標準など、データ ガバナンスの他の中核領域とある程度重複しています。

商業銀行のデータ標準は、一般的に国家標準や規制当局（国家統計局、中国人民銀行、工業情報化部など）が定める標準などの業界標準に基づいており、商業銀行自身の実情に合わせてデータが標準化されています。データ標準には通常、標準分類、標準情報項目（標準コンテンツ）、関連する公開コード（国コード、郵便番号など）の 3 つの要素が含まれます。

優れたデータ標準システムは、商業銀行がデータを共有、やり取り、適用するのに役立ち、異なるシステム間でのデータ変換の作業負荷を軽減します。データ標準は、主にビジネス定義、技術定義、管理情報の 3 つの部分で構成されます。

• ビジネスの定義。ビジネス定義は、主に、標準が属するビジネス主題と標準のビジネス概念を明確にし、ビジネス使用の規則や標準の関連ソースを含みます。コード標準については、コーディング規則と関連するコード内容をさらに明確にし、統一定義、統一口径、統一名称、統一参照、統一ソースの目標を達成し、一貫性があり、標準化され、オープンで共有されたビジネス標準データセットを形成します。
• 技術的な定義。技術的定義とは、情報システムの構築と使用に関するガイダンスと制約を提供するために、データ型、データ形式、データ長、ソースシステムなどの技術的属性を記述することを指します。
• 経営情報。管理情報とは、データ標準の管理と保守に明確な責任主体が与えられ、データ標準が継続的に更新および改善されるように、標準の所有者、管理者、およびユーザー部門を明確に識別することを指します。

データ標準管理とは、データ標準の策定と実装のための一連の活動を指します。企業や関連機関がデータ標準管理を実施する際には、まずデータ標準（基本データ標準、指標データ標準など）を分類し、各データ標準カテゴリごとに基本単位（「データ要素」とも言う）とその属性を指定する必要があります。同時に、データ標準管理方法やそれに応じた実施プロセス要件を策定し、データ標準管理の有効性を評価するなどの作業を実施する必要があります。 (参照: データ資産管理を実現するためのデータ標準を確立するにはどうすればよいでしょうか?)

データ標準管理ツールは、主にデータ標準の策定と維持のためのツールです。データ資産の形式、命名の正確さ、品質の一貫性を標準化できます。このツールはデータ標準管理機能用に開発されており、次の基本機能を備えています。

• 標準生成：事業分野、事業テーマ、情報カテゴリ、情報項目などに応じて標準詳細を生成できます。
• 標準マッピング: 策定された標準を実際のデータに関連付けてマッピングできます。つまり、データ標準の実装を実装し、メタデータとデータ標準のマッピング、メタデータとデータ品質のマッピング、データ標準とデータ品質のマッピングなど、標準とメタデータ間のマッピング関係を維持します。オンライン手動マッピング構成機能を提供し、マッピング結果をページに表示できます。
• 変更照会: 公開または廃止された標準の変更履歴を照会します。
• マッピングクエリ：標準項目とメタデータ間の実装状況を照会し、ダウンロード機能を提供します。
• 標準の維持：追加、削除、改訂、監査、確定、リリース、廃止など、標準のステータスを管理することを指します。
• 標準バージョンクエリ: 公開ステータスの標準のバージョン管理を参照します。
• 標準エクスポート: 現在のシステムでリリースされた最新の標準または選択したバージョンに従って標準情報をダウンロードすることを指します。

データ品質管理とは、さまざまなテクノロジーを使用して企業データの品質を測定、改善、保証する計画、実装、制御などの一連のアクティビティを指します。データ品質管理を実施する場合、企業はデータ品質評価の次元を明確にする必要があります。これは通常、次の表に示されます。

データ品質の問題はさまざまな段階で発生する可能性があるため、次のように各段階でデータ品質管理プロセスを明確にする必要があります。

データ品質管理プロセス

• 要件と設計の段階では、データ構造とプログラムロジックの設計を導くために、データ品質のルールを明確に定義する必要があります。
• 開発およびテストの段階では、前述のルールを検証して、対応するルールが有効であることを確認する必要があります。
• 最後に、データ品質の問題を可能な限り未然に防ぐために、生産開始後に対応する検査を実施する必要があります。

データ品質管理対策では、増分を制御して既存の在庫を排除し、効果的に増分を制御して既存の在庫を継続的に排除するという戦略を採用する必要があります。同時に、企業はデータ品質を継続的に測定・監視し、データ品質の問題の原因を分析し、データ品質を改善するための計画を策定する必要があります。 （詳細は「政府ビッグデータにおける特殊データ品質ガバナンスの応用と実践」を参照）

データ品質管理を実施することで、企業はクリーンかつ明確に構造化されたデータを取得できます。企業がビッグデータ製品を開発し、外部データサービスを提供し、ビッグデータの価値を最大化するために必要な前提条件です。企業にとって、データ資産管理を実行することも重要な目標です。

データ品質管理ツールは、データの使用の観点からデータ資産の品質を監視および管理します。これらはデータ品質管理機能用に開発されており、次の基本機能を備えています。

• 品質要求管理: データの使用から生じる問題を収集、保存、分類し、品質ルールの策定の基礎となるクエリおよび検索機能を提供します。現在のデータ品質状況を迅速に把握し、関連する品質活動を調整する。
• ルール設定: 監査ルールが適用されるデータの種類を設定するために使用される監査ルール設定機能を提供できます。
• ルール検証: 対象データに対してデータ品質ルール検証タスクを実行する機能。
• タスク管理: 監査タスクのスケジュール機能を提供し、監査タスクサイクルの実行を指定できます。
• レポート生成: 検証結果の品質問題を記録し、蓄積して問題知識ベースを形成し、レポートを生成することができます。これを基に、検証結果に基づいて問題のあるデータに対する品質改善提案を生成し、データを直接修正する操作を行うことができます。

データ モデルはデータ特性を抽象化したものであり、データ ガバナンスの重要な部分です。適切で合理的かつ準拠したデータ モデルは、データの合理的な配布と使用を効果的に改善できます。データ モデル管理とは通常、データ モデルを使用して情報システム内のビジネス ルールとロジックを表すプロセスを指します。企業がデータモデル管理を実施する際には、業務システムとデータ編成構造を明確にする必要があります。通常、ビジネス システムは概念モデルと論理データ モデルで表現され、データ編成構造は物理データ モデルで表現されます。同時に、企業はデータモデルの管理方法と実装プロセスの要件を策定し、企業データモデルの管理と制御を統一し、データモデルの実装を確保する必要があります。 (参照: データ モデル構築の実践)

データ モデルは、データ構造、データ操作、データ制約の 3 つの部分で構成されます。

• データ構造。データ モデル内のデータ構造は、主にデータの種類、内容、性質、およびデータ間の関係を記述するために使用されます。データ構造はデータ モデルの基礎であり、データ操作とデータ制約はすべてデータ構造に基づいて構築されます。データ構造が異なれば、操作と制約も異なります。
• データ操作。データ モデル内のデータ操作は、主に対応するデータ構造に対する操作の種類と方法を記述するために使用されます。
• データの制約。データ モデルのデータ制約は主に、データ構造内のデータ間の構文と意味的接続、それらの間の制約と依存関係、およびデータの正確性、有効性、互換性を確保するためのデータの動的変更のルールを記述するために使用されます。

データ セキュリティ管理とは、データのライフサイクル全体およびデータ共有を通じてデータ管理のセキュリティ コンプライアンスを確保するための、データのセキュリティ グレーディングや分類などの操作を指します。データ セキュリティ管理を実行する場合、企業はデータ セキュリティの標準とポリシーを定義し、データ セキュリティ レベルを定義し、データ セキュリティの防止と制御のシステムまたはツールを導入し、データ セキュリティを監査する必要があります。 （詳細については、「エンタープライズ データ セキュリティ システム構築のガイドライン」を参照してください）

データセキュリティ管理の目標は、完全かつ体系的なセキュリティ戦略と対策を確立し、全面的なセキュリティ管理と制御を実施し、さまざまな手段を通じて「保管、管理、使用」の各リンクにおけるデータ資産のセキュリティを確保し、「事前に管理可能、プロセス中に制御可能、事後に追跡可能」を実現することです。

データ セキュリティ管理ツールは、情報セキュリティを組み合わせて、データ資産の使用、交換、共有のセキュリティを確保する技術的な手段です。データ管理担当者によるデータ セキュリティ管理とは、データ セキュリティ ポリシーと対策を計画、開発、実装し、データと情報に適切な認証、承認、アクセス、監査を提供して、起こり得るデータ セキュリティ リスクを防ぐことを指します。基本的な機能は次のとおりです。

• データ取得セキュリティ: データ取得の申請および承認プロセスをサポートし、データ取得セキュリティを確保します。
• データ感度低下: データ感度低下ルール、感度低下アルゴリズム、感度低下タスクの管理と適用をサポートできます。一般的に、脱感作には動的脱感作と静的脱感作の 2 種類があります。
• 統合認証: データ セキュリティ ポリシーの定義、ユーザー グループの確立とパスワード標準の定義など。
• テナント分離: ユーザー、パスワード、ユーザー グループ、権限を管理します。
• ロールの承認: 情報レベルを分割し、機密性分類モデルを使用して企業のデータと情報製品を分類します。
• ログ監査: データ セキュリティを監査し、ユーザー認証とアクセス動作を監視し、定期的な分析をサポートします。

データ運用管理モジュールは、内部および外部のサポートを含むデータガバナンスに基づいたデータアプリケーションおよびサービス機能の構築と開発です。

データ操作モジュールには、主にデータ需要管理、データ運用・保守管理、データサービス管理、データ共有・公開管理、データ分類・格付け管理、データ資産カタログ管理、データライフサイクル管理が含まれます。

データサービス管理とは、データ利用者のニーズを満たすために提供される多様なサービス方法を指します。企業はデータ サービスを提供する際に、データ ユーザーの役割とニーズを明確にし、それに応じたデータ サービス戦略を策定する必要があります。

データ アナリストにとって必要なのは、データ レイク内の生データやデータ管理プロセス内のレコードである可能性があります。ビジネス担当者にとって必要なのは、クリーンなデータやデータ統計分析の結果である可能性があります。同時に、企業はオンライン データ サービス、データ サービス サブスクリプション、データ API など、さまざまなデータ サービス方法も提供する必要があります。

データ共有管理とは、企業がデータを共有・交換し、データの内部的および外部的価値を実現するために行う一連の活動を指します。企業がデータ共有管理を実施する際には、社内のデータ資産共有管理方法と実施計画を定義し、社内データ共有と外部への公開のコンプライアンスを監視する必要があります。

一般的に、商業銀行は、インターフェースとファイルの命名と内容を明確にし、システム間および銀行システムと外部機関間のデータ交換ルールを標準化し、データ交換作業の秩序ある進行を導くなど、システム間のデータ交換ルールに関するいくつかの原則を策定します。

統一されたデータ交換システムを構築することで、一方ではデータ共有の適時性が向上し、他方ではデータの流れを正確に把握できるようになります。

データライフサイクル管理：すべてに特定のライフサイクルがあり、データも例外ではありません。データの生成、処理、使用、さらには消失するための科学的管理方法があるはずです。めったに使用されない、または使用されなくなったデータは、システムから分離し、検証済みのストレージデバイスを介して保持する必要があります。これにより、システムの運用効率が向上し、顧客にサービスを提供するだけでなく、長期的なデータ保存によって引き起こされるストレージコストを大幅に削減します。

データのライフサイクルには、一般に、オンラインステージ、アーカイブステージ（時にはオンラインアーカイブステージとオフラインアーカイブステージに分割される場合があります）、および破壊段階の3つの段階が含まれます。管理コンテンツには、合理的なデータカテゴリの確立、各段階でのさまざまなカテゴリのデータの保持時間、ストレージメディア、クリーンアップルールと方法、予防措置などの策定が含まれます。

データライフサイクルのパラメーター間の関係

上記の図のデータライフサイクルのさまざまなパラメーター間の関係から、データライフサイクル管理が高価値データのクエリ効率を大幅に改善できることを理解できます。また、高価なストレージメディアの購入も大幅に削減できます。ただし、データの使用が減少すると、データは徐々にアーカイブされ、クエリ時間が徐々に長くなります。最後に、データの使用頻度と値が基本的になくなると、徐々に破壊される可能性があります。

データの分布とストレージは、主にデータの分割と保存方法、本社システムと本社とブランチデータの分布方法、およびプライマリデータと参照データ（コピーデータまたは補助データとも呼ばれる）の管理方法をカバーします。データを合理的に配布および保存することによってのみ、データ共有の程度を効果的に改善し、データの冗長性によって引き起こされるストレージコストを最小限に抑えることができます。

一般的に言えば、データスケール、使用頻度、使用法の特性、サービスの適時性などの要因に基づいて、ストレージシステムの観点から、商業銀行のデータストレージは、トランザクションデータエリア、統合データエリア、分析データエリア、履歴データエリア、つまり4つのストレージエリア、つまりトランザクションデータエリア、統合データ領域、履歴データエリアに分類できます。

データストレージレイアウト

1）トランザクションデータ領域。トランザクションデータ領域には、チャネルアクセス、インタラクティブコントロール、ビジネス処理、意思決定サポート、管理など、さまざまなオンラインアプリケーションデータが含まれています。これは、ビジネス処理データ、内部管理データ、一部の外部データなど、銀行事業者とのセルフサービスまたはビジネスインタラクション中に顧客が生成した元のデータを保存し、現在のステータスデータを保存します。

2）統合データ領域。統合データ領域には、運用データ（OLTP）とデータウェアハウスデータ（OLAP）が含まれます。

3）分析データ領域。分析データとは、意思決定サポートと管理に使用されるさまざまなMARTアプリケーションのデータを指します。ビジネス実行の詳細な分析を実施するには、元のデータをさらに要約し、統計的に分析する必要があります。統計分析結果は、最終決定プレゼンテーションに使用されます。したがって、分析データ領域には、これらの統計モデルおよび分析モデル構造のインジケータデータが保存されます。

4）履歴データエリア。主にさまざまな履歴データをアーカイブした後、データストレージとデータクエリサービスを満たすために、すべての近距離アプリケーション、アーカイブアプリケーション、外部監査データプラットフォームアプリケーションなどのデータがここに保存されます。

データ循環とは、特定の流通ルールに従ってデータプロバイダーとデータデマイヤーズ間で実行されるオブジェクトとしてのデータを使用した動作を指します。データ流通には通常、企業内の内部データ共有と外部データトランザクションが含まれます。データ流通は、データの値を解き放つ際の重要なリンクです。データガバナンスとデータ操作の2つの管理機能モジュールによってサポートされています。データの所有権を明確にし、データ値を評価し、信頼できるデータトランザクションと多様なデータサービスを実現することにより、データの流通、共有、および相互作用を通じて価値を生み出すために一連の管理活動が実行されます。データの幅と深さの幅と深さを増やし、データの循環を高速化し、データ資産のプロセスを高めます。目標は、データの内部および外部の循環とその価値の実現を改善し、外部データトランザクションと流通の健全かつ秩序ある開発を確保することです。

データ循環モジュールは、主に6つの側面に分かれています。責任の定義、権利の確認、利益の享受、ボリュームの拡大、コストの最適化、利益の作成です。データ責任管理、データコンプライアンス管理、データ所有権管理、データバウチャー管理、内部貢献評価、外部協力管理、データアクセス管理、データ製品管理、データトランザクション管理、データ資産アカウント管理、データ資産価値評価、データ資産価格管理、データ請求管理、データアカウント管理、データ決済管理が含まれます。

データ所有権管理は、データの所有権と使用権を主に指すデータ資産の前提条件です。 2018年5月に施行された欧州連合の一般的なデータ保護規則、2020年1月に施行された2018年のカリフォルニア消費者プライバシー法、および中国の個人情報保護法はすべて、データ所有権がデータ主題に属し、データ主体が権利を含む権利を含む権利を含む権利を含む権利を含むことを明確に規定していることを明確に規定しています。また、事前に相談する義務、データ侵害を報告する義務、セキュリティを確保する義務など、データユーザーの義務を規定しています。

ただし、データの権利確認は依然として法的および規制レベルにあり、処理されたデータの所有権に関する紛争があるため、データ所有権を無視し、データの使用権を乱用するという問題がたくさんあります。ブロックチェーンテクノロジーは、データのトレーサビリティと会計方法を使用して、データの所有権と使用権の定義と監督のための新しいアイデアを提供します。

データアセット値評価とは、データアプリケーション値とデータ管理コストの観点からデータ値を定量化および最適化するプロセスを指します。一般的に使用されるデータ資産価値評価方法には、コスト方法、収入方法、市場方法の3つの主要なタイプが含まれます。その中でも、コスト方法は資産の交換の観点から始まり、資産価値と資産を再調整または確立するために必要なコストとの相関関係に焦点を当てています。収入方法は、ターゲット資産の予想されるアプリケーションシナリオに基づいており、将来生成された経済的利益を割引することにより使用されるデータ資産の収益性を反映しています。市場法は、データ資産の市場価値を反映するために、同じまたは類似の資産の市場の取引価格に基づいて差異要因を調整します。

現在、データトランザクション、データサービス、およびデータ循環の未熟性により、市場の方法は広く使用されていません。ほとんどの企業は、データストレージ、コンピューティング、運用、およびメンテナンスをコスト測定の寸法として使用し、データ使用量の人気を収益測定の寸法として使用しています。また、主観的要因と客観的要因を組み合わせたデータ値評価を実現するための動的評価モデルを確立します。

データ資産管理は、会社の内部ITシステム、データリソース、およびビジネスアプリケーションの現在の状況を完全に考慮する必要がある非常に体系的なジョブです。また、ビジネス開発を中心に確立された人員と組織構造を考慮する必要があります。したがって、これに基づいて、ターゲットを絞ったデータ資産管理組織構造、管理プロセス、管理メカニズム、および評価および評価方法は、データ資産管理作業の秩序ある開発を確保するための管理方法を通じて「責任、権利、義務」を明確にするように設計されています。

組織構造は、データ資産管理を実行するために企業によって設定された部門です。典型的な組織構造は、主にデータ資産管理委員会、データ資産管理センター、およびさまざまなビジネス部門で構成されています。

• データ資産管理の主な意思決定者として、データ資産管理委員会は、意思決定を行い、データ資産管理作業を指導する責任があります。
• データ資産管理のメインマネージャーとして、データ資産管理センターは、データ資産管理作業の実行と監督を担当しています。
• データプロバイダー、データ開発者、データ資産管理のデータ消費者として、各ビジネス部門は、データ資産の流通とサービスに参加するだけでなく、フィードバックを提供し、データ資産管理作業を維持する必要があります。

このシステムは、データ収集、処理、共有、および流通のプロセス全体をカバーする一連のデータ管理仕様であり、データ資産管理作業が十分に発見され、実行可能で、制御可能であることを保証します。システムには通常、データ管理機能（管理方法や実装の詳細など）に関連する仕様と、データ資産管理（データ辞書仕様、データモデル設計仕様、データインターフェイス仕様など）の技術仕様が含まれます。

監査メカニズムは、データアセットのセキュリティ、正確性、完全性、普通性、一貫性、一貫性、独自性、および適時性を確保および評価するために、データ資産管理の標準化、計画、組織構造、および制度システムの実装ステータスを評価するための規制方法です。

一般的に言えば、監査は専門家によって実施され、監査オブジェクトにはデータ許可使用システムとその承認プロセス、ログ保持管理方法、データバックアップと回復管理メカニズム、監視および監査システムの仕様などが含まれます。

トレーニングと宣伝とは、データ資産に対する従業員の認識とデータ資産管理の専門レベルを改善するために企業が実施する一連のトレーニングと評価プロセスを指します。トレーニングに関しては、企業は従業員を組織して、業界の既存のデータ資産管理システムコースに参加したり、傑出した部門や従業員の経験ケースを共有したりすることができます。評価に関しては、企業は既存の評価システムにデータ資産管理を組み込み、業界と従業員の優れたモデルを確立し、データ資産管理の概念を深め、データ資産管理の技術的能力を改善することができます。

データ資産管理システムの技術的サポートとして、技術プラットフォームは、管理努力を強化し、作業効率を向上させるための重要な基盤であり、データ資産管理機能の効果的な実装を確保し、組織管理メカニズムの通常の運用と協力するためのツール基盤でもあります。テクニカルサポートは、高度なテクノロジー、完全な機能、効率的な運用、プラットフォームツールや技術革新を含む安全で信頼できるサポート機能を提供します。

データ資産管理を促進するメタデータインテリジェンスの基本的な機能に基づいて、インテリジェンスは、データ標準、データ品質、データサービス、マスターデータ、データセキュリティなどの製品間の情報相互運用性を実現するための補助手段として使用されます。

データ資産管理の業界経験に基づいて、機械学習関連のアルゴリズムがますます成熟するにつれて、関連する管理と実装作業の難しさを大幅に軽減できる補助データ資産管理プロセスを完了するために多くのインテリジェントな手段を作成できます。次の例は、データ資産管理プロセスにおけるいくつかのインテリジェントな革新です。

最新の情報技術の開発により、ソフトウェアツールの自動化とインテリジェンスは絶えず改善されており、データ資産管理におけるその役割はますます重要になっています。現在、上記の管理機能については、多くの国内メーカーが関連するソフトウェアツールを開発しています。その中で、比較的成熟したツールには、データ標準管理ツール、データモデル管理ツール、メタデータ管理ツール、マスターデータ管理ツール、データ品質管理ツール、データセキュリティ管理ツール、データライフサイクル管理ツールが含まれます。これらのツールのいくつかは別々に提示されますが、他のツールは組み合わせて複数の機能を持つソフトウェアプラットフォームを形成します。

上記のツールに加えて、ビッグデータ機能の構築において、データ倉庫やビッグデータプラットフォームなどのメディアを介してデータを統合および交換するために、データ統合ツール、データ共有、交換プラットフォームなどが一般に使用され、アプリケーション分析や開放の準備ができます。

銀行は、データとビジネス指向に基づいている必要があります。中央集権化、統合、採掘、ビッグデータの共有を通じて、多様化された大規模なデータの迅速な処理と価値採掘を達成し、ビッグデータテクノロジーを使用して迅速な製品イノベーションをサポートし、顧客中心の正確なマーケティングと差別化された顧客サービス機能を改善し、リアルタイム、フォワード、および体系的なリスク防止と制御を強化し、ビジネスマネジメントの情報提供と洗練をサポートするための情報を提供します。

金融データ自体の価値特性に基づいて、内部および外部のアプリケーションシナリオおよび金融業界のニーズと組み合わせて、対応するデータ製品とサービスの開発と促進は、データ要素の作成とリリースの主要なモデルです。

金融業界にとって、データ要素の中核はリソースの割り当て効率の改善にあります。一方で、多次元データ分析とマイニングを通じて、金融商品のリスク価格設定の有効性と精度を改善し、銀行業務の運営、顧客サービス、リスク管理などのビッグデータアプリケーションシナリオをカバーする多くの重要なビッグデータアプリケーションを作成します。一方、さまざまな革新的なシナリオにデータ要素を適用することにより、金融業界のサービス境界を拡大し、個人と企業の潜在的なニーズを獲得し、金融サービスの意味合いを豊かにし、データ要素のオープン共有と取引の流通を促進し、データ因子化、資産、市場化におけるブレークスルーを達成します。

成功したデータガバナンス計画の1つのステップは、CEOが許可できる会社の誰かを見つけることであり、その人にプロジェクトの特定の実施に責任を負わせることです。強力なリーダーを置き換えることはできません。

主要なグループが選択されると、現在の状況が調査され、さまざまな分野のさまざまなセクターの現在のベストプラクティスが調査されます。主要なグループは、独立したシステムを超えた問題を検討する必要があり、この取り組みにはエンタープライズデータガバナンス評価アプローチが不可欠です。これにより、エンタープライズのデータ​​ガバナンスプランの現在の状態を比較するのに役立ち、将来の目標を決定するためのロードマップを提供します。

データガバナンス評価の後、ガバナンス委員会は、今後数年間で会社のデータガバナンスの実践が達成され、このニーズに基づいて将来のビジョンを開発することを期待して、ビジョンの設定を検討する必要があります。

企業がデータの価値を知らない場合、データ調整の収益の価値を改善、保護、または評価することはできません。データの値を計算する場合は、ユーザー許可とITサービスのユーティリティに基づいてデータの内部市場を確立する必要があります。社内の全員がITサービスとデータを取得するために直接支払うと、データの価値は会社の価格表の一部になります。

過去にデータがどのように使用され、乱用されたかを知ることは、将来データがどのように侵害され、開示されるかを理解するのに役立ちます。このデータを収集し、その意味にリンクし、長期的な損失の傾向を研究することは、あらゆるビジネスがリスク管理を事実ベースのビジネスインテリジェンスアプローチに変えることができます。これは、過去のイベントを分析し、将来の損失を予測し、現在の政策要件を変更し、将来のリスク軽減戦略を改善することができます。

データガバナンスには、企業の組織行動が大部分が含まれます。企業は毎日変化しているため、データ、価値、リスクは急速に変化しています。企業が、毎日または毎週のニーズを満たすために組織の管理措置を変更できない場合、変更ガバナンスについて話す必要はありません。

データガバナンスは一時的な動きではありません。銀行業務開発、データガバナンス認識の形成、およびデータガバナンスシステムの操作の観点から、それを確保するために長期的なメカニズムが必要です。ビッグデータの時代では、データガバナンスによる銀行データがより大きな役割を果たすことができます。

ビッグデータは、製品のライフサイクルに適用し、顧客のニーズを深く探求し、顧客の問題点を把握し、製品の革新を促進することができます。ビッグデータテクノロジーを使用して、ソーシャルネットワーク情報、オンラインカスタマーレビュー、ブログ、コールセンターのサービスワークオーダー、ユーザーエクスペリエンスフィードバック、その他の情報を深く調査および分析し、顧客の感情を完全に理解し、顧客の感情を分析し、製品に関するトレンドの変化について学び、既存の製品をタイムリーに革新し、顧客を革新します。

ビッグデータに基づいて製品評価方法を革新して、製品の革新をサポートします。ビッグデータ分析を通じて、スケールと総量に基づいて現在のビジネス評価方法を変更し、品質と構造に基づいて新しい評価方法の完全なセットを確立し、銀行全体を導き、品質と効果的な開発を真に追求するようにします。

課税、税関、裁判所、電力部門、不動産取引登録センター、環境保護部門、サードパーティの協同組合機関との相互接続と共有をさらに強化し、情報源のチャネルを効果的に拡大し、顧客情報、取引展開の頻度、販売型、貿易系の普及などの頻繁な頻度など、顧客の情報、取引行動、貿易系の普及などのデータ情報を深く調査および統合異なるデータ変数間の関係をzeし、銀行のリスク防止と制御機能を改善するために、対応する意思決定モデルを確立します。

信用リスクの観点から、外部データを使用して信用リスク予防システムを改善し、視覚分析に基づいて信用リスクの送信を効果的に防止および制御できます。ビッグデータの概念とテクノロジーを紹介し、クレジットリスクモデル管理を統合し、クレジットリスクトレーニング、モデル管理、毎日の警告、スコアリングと格付け、顧客クレジットビュー、ビジネスリンクコントロールをカバーするクレジットビッグデータプラットフォームを構築し、多次元および包括的なリスクセキュリティ警告システムを確立します。

市場リスクの観点から、市場情報に基づいて市場の変化を効果的に予測し、ビッグデータ処理テクノロジーに基づいて大規模な金融データトランザクションの価格設定力を改善し、価格設定エンジンのバッチグリッドコンピューティングサービスモデルを構築し、大規模な取引のリアルタイム価格設定をサポートし、銀行のリスク管理と価格設備の能力を効果的に改善し、金融市場ビジネスの開発の強力なサポートを提供します。

ビッグデータ情報を統合することの利点に依存する運用リスクの観点から、運用上のリスクを効果的に防止および制御できます。視覚化技術を通じて、ビジネスネットワークデータからリスクの手がかりが発見され、特定され、「リスクモニタリング」から「ビジネス監視」モデルへの変換が達成され、リスクの早期警告能力が向上します。クロスプロフェッショナルリスクモニタリングモデルの研究開発を強化し、リスク感染を防ぐためにポイントからラインおよびラインおよび表面へのマトリックス相関モニタリングを通じて、事前にリスクを絡み合わせる傾向を特定します。

ビジネスの意思決定の観点から、外部データのサプリメントと照合を通じて、ビジネス分析の拡張の拡大を達成することができ、すべてのレベルでの機関の開発方向と競争上の圧力を市場とビジネス環境の観点から分析し、より合理的で効果的なビジネス戦略が策定されます。同時に、ビッグデータの視覚化テクノロジーを使用して、複雑な分析プロセスとユーザーへの分析要素の効果的な送信を実現し、分析結果の説得力とガイダンスを強化し、ビジネス担当者に強力な情報サポートを提供します。

ビッグデータ収集とコンピューティング機能に依存して、リソースの割り当てに関しては、計算の感度と有効性を改善し、財務予測の信頼性と有効性を強化し、全体的なリソース割り当てのより良い情報サポートを提供し、特定のリソース割り当ての動的管理を実現します。

プロセスの改善の観点から、ビジネスプロセスを最適化し、専門的に鉱山トランザクションとログを採掘し、現在のビジネス処理プロセスノードのボトルネックを探索し、最も効果的なソリューションを求めます。たとえば、キュ​​ーイングからすべてのトランザクションの完了を待つまで顧客のプロセスの合理性を分析することにより、アウトレットの全体的な運用効率と顧客体験を改善するためのプロセス改善方法を提案します。

ストリーミングデータ処理テクノロジーに基づいて、運用とメンテナンスの観点から、準リアルタイムアプリケーショントランザクションレベルの監視プラットフォームが構築され、トランザクション操作の即時監視を実現し、安定した効率的なビジネス運用を確保します。