|
由于我国商业银行信息系统开发缺乏连续性，造成各系统数据源之间缺乏一致性，基础数据准确性不高、缺乏规范性。另外在内部评级系统建设过程中，模型对数据需求量大、算法复杂，运算结果的精确度很大程度上依赖基础数据质量，而我国商业银行在现有数据储备、数据可用性方面都不能满足要求。
可见，国内银行在推进风险管理过程中，数据问题将是实际遭遇的最大技术障碍。如果不及早解决将严重制约内部评级系统的推广和应用。国际经验表明，大多数银行通过数据质量管理来解决上述问题。
数据质量管理的主要内容：
• 数据集中 通过 ETL实现IRB基础数据的集中，缺失数据进行数据补录
• 数据质量检测 依据 Genius的商业银行《IRB数据质量管理标准》、《IRB数据质量检测方案》，利用综合数据分析平台对集中后的数据进行检测，并生成《IRB数据质量现状评测报告》。具体方式有：系统自动检测、随机检测、人工检测
• 数据质量改进 制定《 IRB数据质量改进方案》，并提供实施服务。数据质量改进是个“检测-改进-检测”循环往复、动态优化的过程，直到符合IRB数据质量要求。首先逐步将数据库的质量提高到内部评级模型可以依赖的地步
• 数据质量监控 为用户建立 IRB数据质量管理平台，作为IRB的数据净化器，对数据进行连续监控，保证数据质量不下降
|
