治愈数据消化不良

许多银行在解决脏信用数据的根本原因方面仍鲜有实质性进展，尽管监管压力持续不断且在数据治理方面投入了数百万美元。数据质量问题削弱了基本的信用风险管理，例如难以将不同产品中的风险敞口与同一交易对手关联，或因缺乏及时的关键数据导致净风险敞口计算出错。信贷官平均每天要花费一到两个小时检查和修复风险敞口和抵押品数据。

许多银行专注于构建数据治理的基础要素，但忽视了日常数据流，导致数据治理策略缺乏实际影响。新冠疫情危机突显了改善信用数据紧迫的必要性，缺乏清洁数据的银行难以解释受影响行业的次级风险或追踪客户层面的提款行为。

主要银行正在整合上游数据仓库，为关键类型的数据创建单一事实来源或“黄金来源”，通过减少数据源数量最多达75%来降低数据采集的努力。然而，传统的ETL工具难以控制传入数据的质量，且银行尚未为其关键数据流程制定稳健的运营方法。

银行需要紧急重新思考其清理信用数据的方法，并采取以下措施：

1. 加入淘金热潮：整合上游数据仓库，创建单一事实来源或“黄金来源”，确保数据准确、最新且完整。
2. 处理你的数据消化：用现代数据编排层替换传统的、过度设计的ETL工具，使系统更简单、高效、灵活。
3. 测量、测量、再测量......并实施数据“星图”：以极高的精度衡量数据质量，识别问题的根本原因，依赖在数据源处执行的控制和检查。
4. 清理清理队伍：重新审视组建大量手动数据修正团队的需求，避免强化手动规避措施的文化。

领先银行通过设立中央数据质量团队、实施激励和惩罚措施，显著改善了数据质量，错误和重述率下降了80%。不良信贷数据会损害银行表现，使其难以跟上竞争对手，因此银行需要重新审视现有计划，果断采取行动，一劳永逸地清理信贷数据。