数据质量管理定义及原则

    7.3.1　数据质量管理定义及原则

    数据一向是银行风险管理系统中最大的挑战，数据容量、数据来源和方位的不对称以及准确率和速度方面的要求使得风险管理经理们不断做出妥协。每个正在实施和构建风险管理系统的银行应尽力权衡内容的广度、深度与速度，细节和总体信息，以及分部分析和集中分析等方面此长彼消的关系。目前，关系数据库已经取代大多数平面文件，取代了过去银行依赖的金字塔式数据库，对数据质量管理提出更高的要求。大型数据的质量问题与很多因素有关，但最主要的因素还是数据输入时产生的问题。数据录入时很容易产生数据质量问题，因为数据录入是人机交互式，人为的差错便是数据差错的主要来源，当然，人们做了很多努力以减少数据输入时的差错。但是，大型数据库的差错还是普遍存在。国外已有的研究表明，除非企业或机构采取极端的措施避免数据差错，数据的出错率至少不会低于5%。国际经验表明，大多数银行在内部评级模型建立过程中有70%～80%的精力消耗在数据清洗和数据整合方面。而中国各商业银行的数据积累严重不足和不规范，而且数据质量很差。那么，什么样的数据质量是符合要求或者说是质量高的呢？数据质量的标准一般需要遵循以下几个原则：①可用性原则——为建立管理模型所需要的数据没有缺失并且可用；②误差可控性原则——数据的错误对建立风险管理模型造成的误差在可以控制的范围内；③及时性原则——由于风险管理模型是动态的，因此必须反映银行客户的最新信用状况，确保在风险计量时反映客户和债项的真实状况。