统计数据质量管理良好标准自评工作报告.docx

统计数据质量管理良好标准自评工作报告.docx

《统计数据质量管理良好标准自评工作报告.docx》由会员分享，可在线阅读，更多相关《统计数据质量管理良好标准自评工作报告.docx（11页珍藏版）》请在冰点文库上搜索。

统计数据质量管理良好标准自评工作报告

　　统计数据质量管理良好标准自评工作报告

　　**县农村信用合作联社

　　关于银行监管统计数据质量管理良好标准自评的报告

　　**银监分局

　　根据贵局《关于转发银行监管统计数据质量管理良材标准（试行）及实施方案的通知》（金银监[201*]130号）文件要求，我联社于8月日起组织人员就银行监管统计数据质量管理良好标准（以下简称《良好标准》）认真开展了自评工作，现将自评情况报告如下

　　一、精心组织，加强领导

　　我县联社及时制订了《良好标准》自评工作方案，成立了由

　　联社理事长为组长、联社其他班子成员为副组长、相关业务科室负责人为成员的自评工作领导小组，作为组长的联社理事长对自评工作非常重视，做到亲自部署、亲自过问、亲自协调、亲自督办，切实抓好该项工作的落实。

同时要求联社相关业务科室切实发扬团结协助精神，明确各自职责，积极动员，认真实施自评工作方案，确保自评工作扎实有序推进，防止走过场。

　　二、统计制度执行情况

　　1、认真贯彻《中华人民共和国统计法》、《统计违法违纪行为处分规定》、《银行业监管统计管理暂行办法》等法律、法规和规章，依法进行金融统计工作，坚持实事求是。

　　2、贯彻执行银监局制定的金融统计制度，并接受银监局的监督、检查。

3、及时收集、整理、编制统计数据和报表、资料，依法向银监局报送。

　　4、保质、保量完成银监局布置的各项统计调查工作。

二、统计违法、违规行为及其查处情况

　　通过对上报银监局的统计数据的自我检查，没有发现下列统计违法行为。

　　1、不存在利用统计造假表、做假账；2、不存在拒报、瞒报、伪造、篡改统计数据；

　　3、不存在超越权限、擅自公开发表统计调查或者变更统计制度；

　　4、不存在未经批准擅自组织实施统计调查或者变更统计制度；

　　5、不存在对拒绝、抵制篡改统计资料或编造虚假数据的统计人员进行打击报复；

　　6、不存在其他严重的统计违法行为。

三、统计工作管理情况

　　1、统计机构和统计岗位设置及人员配备情况我县联社指定联社风险合规科为上报非现场监管报表、客户风险监测预警统计和助学贷款违约统计等工作的牵头部门，同时在风险合规科配备了一名专职统计员，负责各项报表的汇总统计上报工作，并实行AB角配置，换人复核。

因部分统计数据涉及其他相关科室，故要求业务管理科、财务电脑科、人事监察科、保卫科等提供贷款行业分类、支农服务、中间业务、理财、关联方、利润分配、结算业务、案件等方面的数据，由风险合规科汇总后一并上报。

由于人员缺乏，其他相关科室除财电科及业务管理科配置专职统计人员外，一般由科长或科员兼任。

　　2、统计制度建立情况

　　目前我县联社主要参照上级部门的统计制度开展统计工作，尚未制定联社统计工作制度，未明确统计调查、统计报告和统计监督职权等。

　　3、统计培训的开展情况

　　我县联社转发了《统计违法违纪行为处分规定》，要求全员进行认真学习，提高思想认识，增强统计意识，严肃对待统计工作。

今年，我县联社准备组织统计培训，针对报表的填报，取数的渠道，数据的质量进行讲解讨论，有效地提高统计人员的素质，助推统计工作的顺利开展。

平时工作中，对统计人员进行一对一专项辅导，对统计要点进一步说明，明确口径，加强复核。

　　四、存在的问题

　　1、未建立相应的统计工作制度，职责不明确。

　　2、统计人员数量偏少，综合素质较低，对统计业务、统计法律知识掌握不全面。

　　3、统计数据多为手工统计，系统不能取数，个别数据取数困难，造成统计时间上较紧张，存在数据准确性不高的现象。

　　五、纠正措施及改进办法通过此次自查，我县联社深刻认识到统计工作的重要性、严肃性，同时也发现统计工作中存在理解上的偏差，对统计制度学习不够，对统计口径、统计说明认识模糊，造成统计数据存在瑕疵，从而影响上级部门的监管。

对以上发现的问题，我县联社将认真整改，努力确保各项统计数据保质保量完成。

　　1、依法依规进行数据填报，严格按照银监局要求统计，确保报表的质量，做到不迟报、漏报、错报。

　　2、加强统计队伍建设，加强教育及培训力度，提高统计人员素质。

保持相对稳定的统计队伍，积累统计经验，确保统计数据及时、准确、统一、完整。

　　3、加大对统计工作的科技投入，积极探索正确取数途径，尽快脱离手工统计填报。

　　4、尽快制定统计工作制度，明确职责，加大检查、监督力度。

　　扩展阅读《银行监管统计数据质量管理良好标准（试行）》实施方案

　　附件二

　　《银行监管统计数据质量管理良好标准（试行）》

　　实施方案

　　作为推进“数据质量年”活动深入开展的重要举措，银监会制定了《银行监管统计数据质量管理良好标准（试行）》（以下简称《良好标准》），力求全面总结银行监管统计数据质量管理的先进经验，提出既符合实际、又有一定前瞻性的标准和要求，推动银行监管统计数据质量的持续、全面提升。

　　一、制定《良好标准》的背景和目的

　　全面、及时和准确的监管统计信息不仅是银监会提升监管有效性也是银行做好风险管控的重要基础和保障。

银监会成立以来对这一问题一直十分重视，201*年起建立的非现场监管信息系统更是对银行数据提出全面要求。

当前，不论是从夯实银行监管基础角度，还是推动银行精细化管理、加强内部控制机制建设角度，进一步提高银行监管统计数据质量已迫在眉睫。

　　提升数据质量，从根本上要解决体制和机制问题，要从银行基础数据的管理抓起，从组织、制度、系统和流程建设抓起。

为此，银监会经过充分研究讨论和征求各方面意见，制定了《良好标准》，为银行持续、全面加强数据质量管理提供方向和抓手。

通过组织银行对照《良好标准》实施评估，帮助其确定需要关注的领域，制定行动计划，有步骤地实施改进措施，努力达到《良

　　好标准》的要求。

　　《良好标准》的发布与实施，对于完善监管功能和模式，实现监管当局和银行的良性互动也是重大探索和创新。

一方面，通过自评和监管评价结合的方式，能够调动银行自身的能动性，将监管与银行自身的管理需要结合起来，提高其内生积极性，以取得更好的效果；另一方面，可以更有效地将功能监管与机构监管结合起来，充分发挥统计人员、主监管员和其他监管人员的合力，提高监管的有效性。

　　二、《良好标准》的主要框架内容

　　数据质量的提升是一项系统工程，需要从各个方面加强管理和协调。

制定《良好标准》的总体原则是抓“因”促“果”，即从影响数据质量的各环节因素入手，建立良好标准的框架要求，督促银行对照标准不断改进统计工作。

《良好标准》涉及组织机构及人员，制度建设，系统保障和数据标准，数据质量的监控、检查与评价，数据的报送、应用和存储等5方面要素、15项原则、61条具体标准，涵盖了监管统计数据质量管理的各个方面。

　　第一项要素是组织机构及人员。

包括组织领导、归口管理、岗位设置、团队建设4项原则、15条具体标准，主要对董事会和高管在数据质量管理中的职责，以及管理体制、监管统计岗位设置和团队建设方面设定了标准。

没有领导和高管的重视，没有良好的管理体制和良好的团队，数据质量管理必然成为无本之末。

　　第二项要素是制度建设。

包括管理制度、业务制度2项原则、

　　7条具体标准，主要是对银行建立全面、科学和有效的监管统计管理制度和业务制度设定了标准，为数据质量管理和监管统计工作提供规范和依据。

　　第三项要素是系统保障和数据标准。

这是对数据质量管理流程化和标准化的要求，包括基础系统、监管统计系统、数据标准3项原则、14条具体标准，对银行业务及管理基础系统以及监管统计系统在全面覆盖、数据质量控制功能和灵活性方面提出了标准和要求，使数据质量管理的流程能够通过标准的信息化得以物化。

　　第四项要素是数据质量的监控、检查与评价。

包括日常监控、监督检查、考核评价3项原则、14条具体标准，内容主要是对银行建立有效的数据质量监控体系、统计现场检查制度和考核评价体系提出了标准和要求，从机制方面直接加强对数据质量的约束和激励。

　　第五项要素是数据的报送、应用和存储。

包括数据报送、分析应用、资料存储3项原则、11条具体标准，内容主要是对银行报送环节、分析应用和存储提出了标准和要求，通过分析应用和扩大共享，提高附加值，形成数据质量管理的良性循环。

　　三、《良好标准》的评估要求

　　《良好标准》适用范围为根据《银行业监管统计管理暂行办法》（201*年第6号主席令）开展监管统计工作的全部银行业金融机构（《良好标准》中简称“银行”）。

评估先由银行业金融机构进行自评，监管机构在此基础上对银行进行外部评估。

评估结

　　果划分为4档，分别为符合、大体符合、较不符合和不符合，评级标准及其使用的简要说明如下

　　符合完全达到要求，没有明显不足。

　　大体符合银行没有完全符合条款要求，但总体有效性较好，覆盖了主要方面。

评估中发现的一些小问题未对数据质量带来实质性的影响，银行具备在较短时期内实现达标的能力并且做出了具体安排。

　　较不符合虽然制定了规章制度和政策程序，但存在较明显缺陷；事实证明，有关政策和程序在实际工作中没有得到全面执行，由此对数据质量带来实质性影响。

“较不符合”与“大体符合”这两个评级之间的“跨度”较大，在两者之间做出选择有时不太容易，但还是要求评估人员必须通过审慎、客观的评价表达明确的意见。

　　不符合在数据质量管理的主要方面没有规章制度，或相关制度未得到有效执行，严重影响数据质量。

　　对照每条标准和原则，评估人员在实施评估时，从三个方面予以确认第一，在机构范围内有规范的制度性文件或者具有约束性的其他书面材料；第二，这些制度文件得到了全面和实质性地执行；第三，执行达到了预期效果，数据质量能满足监管要求。

总之，银行应有足够的相关证据以及合理的逻辑证明表明其确实达到了标准和原则的要求。

　　对原则和标准的评估应该保持基本的一致性。

评估中首先从每一条标准的评估入手，根据每一条标准的评估结果，结合该项

　　原则的总体要求，进而得出每一项原则的评估结论。

每一条标准并不都具有同样的重要性，达到每条原则下各项标准的数量未必能够代表某一条原则的总体评级情况，评估人员应根据具体情况做出全面客观的判断。

　　四、评估流程及总体安排

（一）评估流程。

对于政策性银行、国有商业银行、股份制商业银行、邮政储蓄银行、城市商业银行、外资法人银行、农村商业银行、农村合作银行按以下流程进行

　　第一，先由银行对照《良好标准》开展自评，原则上每3年作为一个周期全面自评估一次。

银行根据自评发现的问题，制定整改方案，并分阶段实施改进，逐年对整改效果进行评价。

第二，主监管员应定期跟踪了解银行开展自评和整改的情况，与银行进行沟通、复核、确认，提出实施外部评估的意见和建议，或者提请实施专项现场检查。

第三，银监会将组织由统计人员、主监管员和其他相关监管人员组成工作团队，在银行自评报告的基础上，对法人机构开展外部评估，争取每3年要覆盖到全部银行。

对于辖内法人机构数量较多，外部评估任务较重的银监局，可根据情况适当延长工作安排。

对银行外部评估的先后顺序可根据银行自评情况、主监管员意见以及统计部门掌握的情况确定先后顺序和重点。

外部评估可以和银监会现场检查相结合，也可根据需要单独开展。

外部评估以定期报送的报表和数据为主。

　　对于农村信用社和非银行金融机构等其他类银行机构，自评

　　和外部评估具体安排另行通知。

（二）评估结果应用。

外部评估结果作为对银行内部控制有效性评估的重要组成部分，在银监会对银行实施监管评级以及对银行整体风险评估中充分考虑，并根据情况在机构范围内予以公布和披露。

银行应根据外部评估报告，对其根据自评结果制定的整改报告进行修定和完善，有步骤地实施整改。

　　（三）组织保障。

银监会成立《良好标准》评估领导小组，王兆星副主席任组长，统计部主任任副组长，各监管部门相关负责人任小组成员。

领导小组办公室设在统计部，办公室成员由统计部和监管部门相关处室负责人或主监管员组成，办公室职责是建立评估人才库、组建评估工作团队、督促和指导银行开展自评、组织外部评估、推动外部评估结果在监管评级和风险评估中的应用、监测评估实施的效果、完善和改进评估方式、对评估情况进行考核通报和总结等。

　　各银监局制定辖内评估工作方案，报银监会领导小组办公室备案，并组织辖内银行开展自评和外部评估工作。

银行成立以主管行领导为组长的自评工作小组，各相关部门负责人为成员，组织实施自评工作。

　　（四）201*年评估的时间安排。

3-5月，起草《良好标准》和实施方案，并征求银监局、银行业机构以及各监管部门的意见，组织部分银行开展自评估试点，进一步完善标准和方案。

　　5月，向会领导汇报，经批准后召开电视电话会进行动员。

　　6-8月，全部银行完成自评。

其中，6月下旬，银监会将结合统计现场检查进行外部试评估；在此基础上，7月份编写《评估手册》，对外部评估的内容、重点和要求进行明确，同时就外部评估开展专题（电视电话）培训；8月底自评结束。

　　9-10月，银监会及其派出机构根据情况选取部分银行集中力量组织外部评估试点工作。

　　11月，对银行开展自评的情况和银监会系统开展外部评估试点情况进行总结，如有必要，对《良好标准》和实施方案进行修订与完善。

　　12月，银监会相关部门和派出机构在201*年现场检查立项中充分考虑外部评估的要求。

　　201*年，贵州省农信社围绕贯彻省委领导与省联社领导班子集体谈话精神和省联社领导"提质量"的要求，采取一系列有效措施，促金融统计数据质量大幅提升。

　　一是重新梳理25个系列90张报表，制定下发了实施细则，对统计内容、方法、口径和报送流程等方面做出统一规定，保证统计报表每一个指标归属关系及取数路径清晰、准确。

二是组织开展201*年全省金融统计自查及现场检查工作，通过自查、检查和整改落实，不断提高统计质量和人员素质。

三是在全省范围内组织开展"数据质量年"活动，通过统计数据源专项清理整改，提高统计数据的质量。

四是督促指导4家农村合作银行开展监管统计数据质量管理良好标准自评和整改，进一步提高统计数据质量。

五是加大培训力度。

举办5期统计培训班，确保各办事处和各联社（行）相关统计数据填报人员熟悉统计制度，准确掌握报表填报要求。

六是加大考核，严格问责。

对各机构报送情况定期通报，对错报、漏报、迟报、统计制度执行不到位的，采取扣分、通报批评、约见联社领导谈话、追究相关人员责任等措施，提高统计工作者责任感

　　数据质量提升业务竞争力

　　大中小中国银行业在“入世”后将要面临的挑战和机遇这个话题仿佛已经讨论了许久，银行业都非

　　常重视这个迫在眉睫的问题，而且不少银行更花了巨额投资进行IT建设，包括“大集中”、建设

　　新一代银行业务系统、数据仓库等。

的确，万事俱备，但是总觉得欠了一点点“东风”。

　　我们的银行还欠缺什么？

　　到底我们的银行业与国外银行业相比欠缺的是什么呢？

国外信贷评级机构对中国银行业有以下的评价

　　缺乏完备的信息管理系统；

　　内部机构设置、运作程序不科学、缺少制衡、效率低；

　　人事制度及人才培训不理想；

　　资产负债管理系统不够完善；

　　国企问题；

　　金融改革滞后。

　　我们暂时不论这些批评是否非常确切，如果看一下最新的世界前250强银行排名（根据EUROMONEY杂志201*年6月号），我们会发现中国四大银行，即中行、工行、农行、建行虽然按资本排名分别为16、21、31及35，但是资本回报率（ROE%）却是远远不如世界其他的同业银行。

　　以笔者的体会，中国银行业虽然自20世纪90年代初开始向商业化银行转型，但是经营管理的概念还比较薄弱，进展缓慢，可以说不够商业化。

对于怎样做出市场定位，选择开发产品（包括服务方式和服务手段的深化）、拓展市场或保留客户、避免或减低风险（以至因为风险所带来的亏损）、增加效益、减低营运成本等各方面，我们还处于一种摸索的阶段。

　　信息管理系统的制约

　　缺乏完备的信息管理系统，严重影响到银行如何实现上述的管理目标。

在处理信息的获取、管理和应用上，与国外同业相比我们也是处于初始的阶段。

比如说很多银行在考虑如何应付自身的信息管理和应用时，会考虑如下的整体信息框架

　　他们了解到不同的应用系统所产生的数据起着不同的作用，而从业务应用系统所产生的许多数据也会经过不同程度的整合、转换后，变成更有商业价值的信息资产，在不同层次的信息管理应用当中为银行提供不同的服务。

实际上在他们建立数据仓库时，他们理解到这不仅仅是考虑到技术的问题，而是对整个信息体系进行重新的构建，是一个信息整合的工程（informationre-engineering）。

　　其实，许多国外银行的业务应用系统面临与我们同样的问题由于业务发展的时间不一，加上银行开始从原来的传统存、贷款拓展到其他中间业务，因此应用系统分散，导致许多信息（特别是有关客户的信息）出现一定的重复，或由于数据在不同系统中的定义、属性不一样，使得在分析数据的时候出现一定的困难。

比如说“客户名称”在不同应用中，其长度可能出现不一样，日期在不同应用中格式各异。

　　因此在信息整合的工程中，数据仓库或运作数据存储（ODS,OperationalDataStore）是一个核心，其数据来源于银行的各个不同的应用系统，甚至是一些外部的特殊信息（如信贷机构定期发出的不良客户报告）或辅助性的信息（如经济指标或行业信息）。

银行会通过ETL（Extract,TransformandLoading）工具把不同应用的数据在读取后经过挑选、清洗、转换后，再装载到数据仓库。

在ETL过程当中，转换是最有挑战性的一环。

用户要懂得基于企业级的信息全貌来判断如何提供一个企业级的信息定义。

即使原来的数据是如何分散和不一致，装载到数据仓库时已经是非常标准化的信息。

　　特别值得一提的是有些银行的原有核心业务系统还没有中央客户信息文件，或者周边有许多独立的应用，以至银行没有办法轻易地获取客户的全貌（CustomerProfile）。

但是，通过建立数据仓库，企业级的客户信息也可以通过ETL的业务逻辑来筛选、加工并建立相关的事实表。

通过客户的重新认定、数据补充及与相关的账户、交易等关联，银行就比较有把握去实现客户关系管理、信贷评分、客户贡献度分析等，增加其市场竞争力。

HSBC加拿大分行就是如此建立了跨越全行各个销售渠道和金融服务的一系列客户关系管理应用。

银行的客户经理现在可以实时地知道每个客户对银行的“现在和未来的全部价值”，他们需要什么服务和什么服务能为目标市场提供机会。

　　数据质量是关键

　　不过经验也告诉我们，纵然整个信息构架建得非常理想，但是数据的质量往往是非常致命的，道理非常简单“GIGO”（GarbageInGarbageOut）。

过往几年许多专家也表示数据仓库、CRM等项目的成功是非常依赖于数据的质量。

比如说，在PWC的一个调查结果显示，在被访的600家企业当中，有75%的企业表示他们曾经因错误数据而导致相当严重的问题。

　　在银行的实际环境当中，出现最多问题的往往是在客户信息方面，如客户在开户时因为用不同的证件而在银行有多个记录；不同的记录可能因为时间先后出现地址的不一致。

这些简单的情况已经导致我们没法“辨认”我们真正的客户了。

幸运的是大部分的客户数据质量问题是可以通

　　过企业级的数据质量方案（EWDQ，EnterpriseWideDataQuality）来阻止、防范和修正的。

这类方案可以消除不正常的数据、错误和重复的信息。

所以许多银行为了确保数据的质量，在ETL过程当中会加上“数据清洗”这项功能。

　　前面提到客户信息是银行相当关心的一些关键业务信息，所以我们以客户信息作为一个例子，看看数据质量的工具的特性。

ETL工具主要是进行一般的数据类型转换，数据质量工具可以针对名称和地址等数据进行管理、分析、集成、标准化，以及消除重复记录。

除了要对名称和地址字段进行数据清洗和品质优化外，还要丰富数据，给它增加一些属性，如归类，单独匹配，地理或统计信息，以及解析为单独元素级的固定字段的自由格式字段。

除需要复杂的解析，匹配和地理编码算法外，这些工具能发挥多大的作用还依赖于我们多年来使用、输入和管理用户信息而积累起来的诀窍。

有些工具也能够用于分析保存在数据库或文件系统中的数据的实际内容，从而知道数据遵守正式标准和商业规则的情况。

比如说，数据质量工具可以告诉用户有哪些地址可能是错的、那些身份证号码是重复的、那些客户名称是重复等，甚至建议可能性，从而使用户在整理数据时比较容易，进而改善数据仓库或ODS的数据质量。

　　友情提示本文中关于《统计数据质量管理良好标准自评工作报告》给出的范例仅供您参考拓展思维使用，统计数据质量管理良好标准自评工作报告该篇文章建议您自主创作。