农业银行：基于大数据+AI体系的数据治理实践

项目背景

过去十年，农业银行信息化建设积累了海量的数据。为了盘活这些数据资源，充分发挥数据价值，在大数据平台和AI建设过程中，农业银行采取“统筹规划、顶层设计、分步实施”的策略，不断发展和完善数据治理内容，摸索出基于大数据+AI体系下的“一保八维”的数据治理框架，打造了全流程智能化的一站式数据治理平台，逐步解决了数据的全面性、准确性、完整性、一致性、及时性等问题，提升了数据资产管理水平和数据质量，提高了数据服务能力，为全行数据管理、产品创新、数字化转型等提供数据支撑。

项目方案

1.提出“一保八维”的数据治理框架，全面促进高质量发展

数据治理是一个系统工程，通常采用自顶向下指导，自下而上推进。在农业银行大数据+AI建设过程中，逐渐摸索建立了涵盖研发、数据、业务、安全的企业级的“一保八维”的数据治理框架，为高效的数据质量、稳定的数据服务奠定基础。“一保”是指数据质量保障体系，包括建立高效的数据治理组织架构，为数据治理各项活动提供强有力的组织保障；建立全面严谨的制度章程，为数据治理快速有序推进提供制度依据；建立全流程、全生命周期的闭环数据治理流程，为全面进行数据治理提供标准化、规范化的闭环流程机制；打造数据治理平台，为数据治理提供自动、自助、智能化的平台支撑。“八维”是指企业级的数据模型管理、数据标准管理、元数据管理、主数据管理、数据质量管理、数据服务管理、数据安全管理和数据生命周期管理八大核心领域，实现对数据治理保障机制的支撑与落地。

2.采用数据质量闭环治理机制，有效提升数据质量

数据质量是指通过技术、业务手段使数据符合业务规则、数据标准等要求，保障数据的完整性、准确性、及时性和一致性的活动。农业银行在大数据平台数据治理过程中，通过建立数据质量闭环治理机制，以组织架构为保障，以流程制度为依据，落实责任主体，同规同源，稳步推进，有效提升数据质量。通过建立数据质量闭环治理机制，主要解决“是不是问题”“谁的问题”“谁来整改”“如何良性循环”等一系列痛点，形成健全的数据管控长效机制,推动数据问题标本兼治，全面提升数据的全面性、完整性、准确性、及时性、一致性，降低数据管理成本，提升数据质量，减少因数据不可靠导致的决策偏差和损失（见图1）。

图1 数据质量闭环治理机制

3.建立智能化数据治理平台，提供全流程一站式数据服务

借助大数据和AI技术，以元数据管理为基础，提升数据质量为目标，搭建智能化数据治理平台（见图2），有效提升了数据服务质量和能力，支撑了产品创新、服务创新、数字化转型等。

图2 数据治理平台总体架构

数据治理平台构建了9大功能模块，包括数据标准、元数据管理、数据质量、数据处理、主数据管理、数据资产管理、数据交换、数据生命周期管理、数据安全模块。解决了8大问题，包括业务系统缺少统一标准、数据质量差、变更对应的影响分析困难、业务系统间资产共享差、数据安全无保障、数据管理体系不完善、数据价值利用低、数据管理成本高且效率低等问题。凸显8个能力，包括海量存储和高效的数据处理能力、全面的数据覆盖能力、自动化的元数据采集能力、立体的数据管理能力、全流程一站式数据治理能力、自助式服务能力、智能化数据服务能力、数据安全管理能力。

数据治理平台依托农业银行特色的MPP数据库加Hadoop混搭架构的大数据平台，提供海量数据的存储和大规模并行计算能力，支持PB级以上的数据存储和海量数据加工处理，可在8小时内完成每天近100TB数据的加工，实现海量存储和高效的数据处理。采取“三范式融合维度建模”的方式，构建了1万多个模型，存储了逾数十PB的数据，实现全面的数据覆盖。通过采用可插拔的适配器方式实现各类数据源、多种元数据的自动采集，快速精确的纳入元数据管理，极大减少人工工作量，提升元数据的准确率。通过元数据管理系统为用户提供“横纵交错，静动结合”的元数据管理，实现立体的数据管理能力。数据治理平台9大功能模块可互相调用，打通数据治理各个环节，提供全流程一站式数据治理服务。从数据查询服务、BI业务报表应用、AI数据挖掘三类数据消费服务出发，让业务人员能够从多维数据中对数据特征、数据指标等内容进行提炼，从而达到业务自助式服务的目标。数据治理平台在数据治理的多个环节，充分利用AI技术，为数据治理提供智能化数据服务。依托保密安全和信息安全体系框架和管理要求，基于数据分类分级安全管理策略矩阵，通过基于统一安全认证平台接入、堡垒机、转储控制（TSM）、涉数操作行为审计在技术层面实现了事前、事中、事后安全控制，实现数据安全模块的研发落地，为数据服务体系奠定坚实的数据安全基础。

4.借力AI技术，实现数据治理向“智能化”转变

随着AI技术的兴起，数据治理技术和AI技术开始融合，使得数据治理开始向“智能化”转变。一是在数据质量检查时，针对少量核心检查规则，从大数据中选取训练数据样本，利用机器学习算法进行深度分析，提取公共特征和模型，可以用来定位数据质量原因，进行数据质量问题的预测，并进一步形成知识库，进而增强数据质量管理能力。二是在数据模型管理过程中，通过机器学习技术分析数据库中数据实体的引用热度，通过聚类算法自动识别数据模型间的内在关系，同时也可对数据模型质量的检测和评估。三是在数据传输监控中，利用机器学习技术对数据历史到位情况分析，预测数据的到位时间，为保证数据处理的及时性和应对数据晚到的影响提供支撑。四是在数据问题发现方面，可以应用NLP技术对住址、单位名称等数据进行词性、句式、语义分析，进行用户隐私数据发现和数据一致性问题发现等方面的探索，为避免隐私数据泄漏，治理数据不一致等问题提供治理线索，增强数据质量和数据安全管理能力。

5.通过业技联动，推进数据治理工作，提升数据质量

大数据平台下数据治理工作具有长期性、艰巨性和复杂性。农业银行数据治理工作遵循“顶层设计、问题驱动、急用先行、标本兼治、业技联动”的原则，采取“摸家底、建机制、搭平台”三步走方针，将数据治理分为常规数据治理和专项数据治理。在常规数据治理方面，优先通过技术手段解决数据问题；保证业技联动，一是联合信息管理部进行客户、合约、内部核算等业务主题的数据监测，提交质量监测报告；二是参与个金部、公司部等业务部门的检查规则制订；三是完成客户信息治理等多项数据管控的工作，初步形成问题发现、收集、分析、报告、整改、验证的协作机制，有效避免了数据“边治理、边污染”。在专题数据治理方面，根据业务部门的需求，开展个人客户、对公客户、个人账户、AI账户、非居民客户、信贷业务、交易对手、微捷贷等专题治理，形成了近千条质量监测规则，有效提升了数据质量。

总结与展望