IBM解决投标方案（124页）（2024年修订版）.docx

IBM解决技术方案 目录 第一章 对本项目需求的理解 4 第一节 项目背景 4 第二节 IBM 对本咨询项目的理解 5 第三节 项目成功条件 7 第二章 信息架构建设方法论 9 第一节 信息化建设原则 9 第二节 信息化建设成熟度评估 10 第三章 IBM 数据治理规划方法论 12 第一节 IBM 数据治理体系框架 12 第二节 IBM 数据治理成熟度评估模型 14 第一条 第一级初始阶段 15 第二条 第二级基本管理 16 第三条 第三级主动管理 16 第四条 第四级量化管理 17 第五条 第五级持续优化 18 第四章 4 项目解决方案 19 第一节 数据架构规划及路线图 19 第一条 评估及差距分析 20 第二条 数据类系统建设路线图 23 第三条 数据架构规划及建议 24 第四条 数据模型设计建议 29 第二节 数据治理体系建设总体规划 30 第一条 现状调研与评估 31 第二条 数据治理体系规划 32 第三条 数据标准管理框架 39 第四条 数据质量管理框架 44 第五条 元数据管理框架 48 第三节 数据标准体系建设 51 第一条 数据标准体系规划 51 第二条 数据标准体系框架 54 第三条 数据标准管理 57 第四节 企业级数据标准制定 58 第一条 数据标准建设 58 第二条 基础数据标准规划内容 60 第三条 分析类数据标准 65 第四条 专有类数据标准 67 第五条 数据标准的建设路径 67 第六条 数据标准落地推广 70 第五节 数据质量分析与评估 71 第一条 数据质量评估 72 第二条 数据质量分析执行方法 74 第六节 数据质量提升整改 83 第一条 业务处理流程的合理调整 83 第二条 选择适当的业务系统或接口改进建议 85 第三条 业务系统改进建议 86 第四条 数据采集与补录建议 91 第五章 项目实施计划与管理 95 第一节 IBM 实施的工作范围及步骤 95 第二节 项目实施计划 98 第三节 项目交付件 99 第四节 项目管理 100 第五节 项目组织架构 105 第六章 技能传递与售后服务 107 第一节 知识转移与培训 107 第二节 售后服务 109 第七章 IBM 公司概况及相关案例介绍 111 第一节 某省级农村信用社企业级数据平台实施 113 第二节 某城市商业银行数据治理及数据标准咨询 116 第三节 某股份制商业银行数据治理及风险集市咨询 117 第四节 某股份制商业银行 RWA 计算引擎合规咨询 119 第五节 某股份制银行企业级客户信息管理系统实施 120 第六节 某股份制银行企业级数据仓库实施 122 第七节 某城市商业银行企业级数据仓库实施 123 对本项目需求的理解 项目背景 在深入理解项目需求、准确把握项目目标的基础上，IBM将通过全面的咨询承接、合适的技术方案、合理的实施计划、科学的项目管理、严格的质量控制确保本项目目标的实现，并提供及时的后续服务、实用的知识转移保证项目效果。 在信息化建设发展的初期，往往极少关注对数据的管理，银行业金融机构也是如此。随着信息化建设的不断发展，包括硬件和网络在内的基础设施建设趋于稳定，核心、卡和信贷等系统为代表的交易系统和财务、人力资源、报表等系统为代表的管理系统逐渐成熟。数据作为信息的基础，愈来愈凸显其在报表统计和决策分析方面的重要性，同时数据方面的问题也集中爆发出来：数据缺失、冗余度高、口径不一致，导致可利用性差、统计不准确，直接影响到分析决策。面临这样的形势，已经难以通过“数据管理”来解决上述问题，由此上升到“数据治理”的层次，引出数据治理的工作开展。 我们了解到，XXXX在数据基础、数据整合和数据管控等层面都存在着较严重的数据问题，所以对数据进行治理有着强烈的需求。针对当前的数据痛点，通过数据治理的咨询项目，提出改进方案，解决监管报送手工数据来源多、口径统计分析不一致、数据质量情况差等一系列问题。更长远来看，按照数据治理实施路线，逐步实现数据治理水平，提升数据可用性，最终实现数据价值及数据驱动业务的远期目标。 IBM 对本咨询项目的理解 当前全国省级农村金融机构在数据治理方面的工作基本都处于初级阶段，已经落后于大型国有银行和本地城商行等竟争同业，在XXXX情况更为突出。近期来看市场上的激烈竟争和监管报送的日益频繁已经对数据的管理和质量提出了迫切需求，从远期来看，央行要求的各金融机构的经济资本管理达标更是对数据的治理提出了更高要求。所以，当前XXXX迫切需要开展数据治理的工作来面对越来越重的内外部压力。 因此IBM认为本项目的主要目标有以下几点 ●制定XXXX的数据治理规划，为逐步实现行业的最佳实践提供建议 ●制定适合XXXX的数据治理机制，包含了组织架构、人员、角色、流程、管理办法等一系列配套措施以及对支撑平台的建设建议 ●制定具有广泛性、公共性和一定前瞻性的企业级数据标准，提出数据标准管理的建议，满足企业的精细化管理和对数据监管及应用需求的提升 ●诊断当前XXXX数据质量现状，并制定全面提升数据治理的规划与建议，结合数据治理机制，提出数据质量管理框架，实现数据价值体现和效益转化。 本项目的工作内容主要包括以下几点 ， 一、数据架构：参考行业先进经验及最新的数据处理技术，提出XXXX数据架构的发展规划、实施路线图和阶段性目标；在了解XXXX系统建设历史，梳理XXXX各系统及数据概况的基础上，结合信息架构建设方法论与当前越来越被重视的大数据处理、MPP数据库等新型数据处理技术，给出数据类系统建设的路线图，再重点针对主要的数据架构组件建设提供建议。 二、数据治理：梳理和制定数据管控机制与规范，涵盖流程、角色、管理办法等多个层面；针对XXXX当前数据治理的极度缺失，理解XXXX在数据上的痛点，制定XXXX的数据治理总体规划，同时针对数据治理的重要部分(如元数据、数据标准、数据质量)分别提出更详细的管理办法与制度。这部分工作需要与第一点紧密结合为XXXX后期的数据平台类建设提供有效的意见。 三、数据标准：结合公共标准、同业经验和XXXX实际情况制定数据标准；从数据标准的概念、原则和规范上制定数据标准的设计框架，整理出以基础业务为主题的企业级数据标准，需要涵盖从客户、账户、交易到会计层面的主要业务要素。 四、数据质量：在制定的数据标准基础上结合当前XXXX的数据需求与痛点(如监管、分析、流转等),制定数据质量评估方案并设计质量评估方法，对几个重要的业务系统进行数据质量分析与评估，总结数据现状；为XXXX后期数据质量提升提供坚实的依据。 五、数据质量提升：基于数据现状总结，结合XXXX当前的系统建设规划与情况，从数据流、系统改造难易程度、数据变更影响性、资源投入、工期等多方面考虑，提出数据质量提升的方案与可行性步骤。 项目成功条件 我们认为要成功执行本项目，需要具备以下各项条件： ■端到端的解决方案 咨询公司必须具备良好的业务咨询能力和系统实施实力，能够为XXXX提供可靠和优质的服务，按时提交要求的服务和交付物。由于本项目涉及从业务咨询、数据架构、数据质量分析的设计全过程，咨询公司需拥有完整的解决方案作为后盾。因此，选择具备业务咨询和系统实施能力与经验是项目成功的重要前提。 ■丰富的成功案例 咨询公司应熟悉国内银行业及XXXX实际情况，在国内同业数据治理相关领域具有丰富的咨询经验和成功实施经验，这是本项目成功的最关键因素。 ■对XXXX的深入了解 本项目必须在充分了解银行现状的基础上进行有针对性的诊断分析，了解问题和需求，才能确保咨询结果是适合XXXX实际情况的、可实施和可落地的，而不是简单基于学术理论和国外案例的空中楼阁。所以咨询公司应与XXXX建立了良好的合作互信关系，对客户有着深入的了解。 ■具备丰富经验的咨询和实施项目团队 为了确保项目成功，咨询公司需要拥有成熟的咨询和实施方法，已在其他大型银行得到了充分验证，并可在本项目中与XXXX充分地分享同业成功经验。由于项目范围广，相关领域具有很强的专业性，每个领域有特定的实施技巧，因此咨询公司应配备具有丰富相关项目经验的专家；同时在实施过程中及时、有序地完成向XXXX的知识转移。 ■高度重视质量保证 由于本项目成果会直接影响到XXXX未来数据类系统的应用和完善，项目团队必须对项目工作投入最大的努力并保证质量。项目团队应该在与XXXX的合作及关系上强调项目管理、用户确认、满意签收及交付成果的质量保证。 ■完成知识转移 咨询公司必须与XXXX人员进行紧密的合作，一方面确保XXXX人员能分享外部顾问的方法和知识，实现知识转移的目标；另一方面使XXXX做好相应的准备，以便在项目告一段落后，XXXX人员将有能力继续管理与推行项目的各项持续工作。 总之，本项目的挑战，是如何在限定的项目周期内高效地制定项目计划、并行有序地工作、及时有效的质量管控以及贯穿整个项目的风险管理和变革管理。 信息架构建设方法论 信息化建设原则 企业级信息架构的建设是一项难度大、历时长、牵涉面广的系统工程，它是一个持续改进的过程。事实上，国外许多银行在企业级信息架构的建设和完善方面已经做了几十年的工作，目前仍在进行过程中。企业级信息架构在具体设计上遵循以下原则： 前瞻性原则 实施计划必须保持一定的前瞻性，必须能够为未来的企业级信息架构的建立提供长期的指导。因此，在考虑的内容上，要以国内外的参考领先实践为目标，而不以仅满足近期需求为目标。 循序渐进原则 实施计划必须循序渐进，具有可操作性。企业级信息架构在国内银行尚处于初级阶段，目标领先实践不可能一蹴而就。实施计划将考虑XXXX的现实条件和内外部限制因素，分步骤地推进企业级信息架构的全面落实。 互动原则 企业级信息架构虽然包含很多方面，从组织及管控、政策及流程、方法、报告、项目实施到运营维护，但是各方面之间是互相依赖的整体。实施中应以整合的视角充分考虑各模块的互动关系，在此基础上安排各自的先后次序。 风险控制原则 企业级信息架构实施计划实施过程复杂，潜在风险较大，可能的风险比如对已有系统的大量改造；牵涉到较多跨部门的配合；人力资源不足等等。因此在设计过程中我们充分考虑项目实施的前提条件与应具备的能力，以保证各个项目实施控制在可控范围之内，不同模块之间有一定程度错开，以免相关部门在某一时期内投入人力资源过多，影响日常工作。 信息化建设成熟度评估 2.2.1评估标准 信息化建设成熟度模型共分为5个等级： 1.数据信息化，企业在第一个阶段将数据信息化，并能为业务部门提供简单的查询和报表功能，实现基本的数据自动化，但是缺少企业级的数据，信息和应用架构。 2.信息支撑义务，企业在第二个阶段可以充分利用信息化服务来支撑业务的发展，信息基础化建设已基本完成，业务流程和业务应用均已上线，企业级数据仓库已建成并能为业务应用提供所需的数据。在这个阶段，企业级的信息管理流程，数据标准已经建成并在企业内广泛采用，新的信息化项目由业务部门和IT部门协作完成。 3.信息成为战略资本，企业在第三个阶段已充分意识到信息和人力资本、金融资本一样，同样是企业战略化发展的重要资本。业务的流程实现自动化和工作流管理，有企业级的主数据管理和内容管理，决策分析系统能生成主要绩效记分卡和管理层仪表盘等综合程度较高的分析报表。同时，有企业级的整合的数据、信息和应用架构，并且能够基于这些信息、数据和模型快速、敏捷的支撑新产品和新的业务流程。 4.信息驱动创新，企业在第四个阶段利用信息驱动产品和服务 创新，IT不断地为业务提供增值服务，业务系统可以实时地得到客户的360度全方位信息，商务智能和分析工具在企业范围内被广泛采用，信息能帮助企业实现差异化竟争。 5.信息成为核心竟争力，企业在第五个阶段已经把信息转化为核心竟争力，IT部门也已经由成本中心转化为创新中心。信息能为企业提供实时预测分析能力，通过预测分析客户的倾向性提高盈利并减少风险。 2.2.2评估方向 1.数据定义和数据管理——数据和信息质量决定了信息能否达到其用途；数据和信息需要被标准化，规范化，并且被作为服务从而变得易于使用。标准化和简单化一直都是增加信息价值，减少成本和时间的方法。数据治理则用来管理优先级、计划、业务流程、应用和数据。为了让信息能够随需应变，数据和信息治理是一件重要且必须的任务.有效的治理使得一个组织能够执行其策略。无效的治理则会毁掉哪怕是最好的策略。 2.数据基础架构——信息技术其本身提供了执行信息策略的基础架构。在这个维度中需要评估IT基础结构是否能够支撑信息的随需应变。 3.可信赖的信息——主数据管理描述了一组规程、技术和解决方案，这些规程、技术和解决方案用于为所有的利益相关方(如用户、应用程序、数据仓库、流程以及交易对手)创建并维护一套一致、完整、精确并具有相关性的业务数据。主数据管理的关键就是“管理”。主数据管理不会创建新的数据或新的数据组织结构。相反，它提供了一种方法，使企业能够有效地管理存储在分布系统中的数据。主数据管理使用现有的系统，它从这些系统中获取最新信息，并提供了先进的技术和流程，用于自动、准确、及时地分发和分析整个企业中的数据，并对数据进行验证。 4.分析和优化——分析和优化不仅包括企业的商业智能以及绩效管理，同时还涵盖了更为先进的预测和分析能力，包括如何利用数学模型，最优的运算模式、仿真、数据分析和挖掘等优化技术来提高企业的盈利和运维效率。 IBM 数据治理规划方法论 IBM 数据治理体系框架 IBM数据治理体系框架由四个管理层次以及其下的十一个管理领域组成，四个管理层次包括基础支撑层、核心管控层、价值创造层和组织责任层。 其中： 基础支撑层包括数据架构和标准、分类和元数据、审计日志和报告三个管理领域，核心内容是数据架构的业务和技术规范，以及理解数据、处理数据的相关细节信息，是建立数据治理体系所需的基础性保障，也是支持“核心管控层”相关领域落地的基础。另一部分内容为审计日志和报告，为数据安全管理提供技术支撑和基础信息保障。 核心管控层包括数据质量管理、数据生命周期管理及数据安全管理三个管理领域，是数据治理体系的核心部分，也是创造数据治理价值的关键手段。 价值创造层是数据应用层面的重要规范，也是数据治理体系价值的重要体现，主要体现在数据业务价值创造和风险管理两个方面。 组织责任层的核心内容是明确企业内部各级组织应负有的数据治理责任，是基础支撑层、核心管控层以及价值创造层三个管理层规范正常实施的组织和流程保证。其中，组织结构和政策为数据治理体系的正常运转，提供了人员和流程的保证，将数据治理上升到企业组织层面。数据责任人体系则明确了数据责任的矩阵分布，将不同主题或类型的数据责任划分清晰，做到人与数据相关联。 总之，数据治理的价值创造要求实施核心管控的技术手段 ， 核心管控的技术手段又需要建立在基础支撑层之上，同时，为保障数据治理体系的良好运转，还需要明确组织责任来加强整个体系的健全程度。 IBM 数据治理成熟度评估模型 基于以上数据治理体系框架，再结合信息化建设成熟度评估，我们采用在数据层面更为细致和专业的IBM数据治理成熟度评估标准作为数据治理现状的评估依据。该标准将企业在数据治理方面的成熟度划分为五个阶段，分别为初始阶段、基本管理阶段、主动管理阶段、量化管理阶段和持续优化阶段。 第一级初始阶段 企业尚未意识到数据应作为资产进行管理，对于数据的应用仅限于基本的报表，且基于试算表。数据的获取极大程度的依赖于手工作业和特殊查询，自动化程度较低。在此阶段，企业面临手工统计、计算的极大压力，无法将人力投放在更具价值的决策支持和业务拓展上。信息超载现象比较突出，无法很好的理解和使用获取到的信息。容易发生信息未反映真实情况的问题，且与数据相关的问题都只能在事后被动的发现，无法做到问题的预先防范。 这一阶段，企业在数据的应用和管理方面主要有以下特点： 数据：结构化的、静态的内容； 集成：无连接的、孤立的、非集成的解决方案； 应用系统：孤立的模块，依赖于特定的应用系统；基础架构：复杂、关系混乱，基于特定的平台。 第二级基本管理 企业初步认识到数据的价值，开始对数据的管理进行初步的探索。数据的应用体现在查询、报表和分析三大方面，已能够通过数据处理获取部分基础的信息。数据的获取不完全依赖于手工，实现了部分自动化，可以将一部分人力从手工统计的压力下解脱出来，投入到数据分析的工作中。数据已能够反映企业的真实情况，形成有限制的企业可视度。但由于数据标准不统一、口径不一致等原因，不同部门统计出来的信息不一致的现象比较突出，信息存在多版本的情况，造成数据可信度较低的问题。 这一阶段，企业在数据的应用和管理方面主要有以下特点：数据：有组织的、结构化的内容； 集成：部分的集成，孤立的情况依然存在；应用系统：基于组件的应用系统； 基础架构：层级式的架构，基于特定的平台。 第三级主动管理 随着业务的拓展，企业越来越意识到数据的价值，对数据治理的认知逐步增强，也有意愿主动的开展数据治理工作，愿意在数据治理方面进行投资。初步建立了数据治理的组织架构，形成有脉络的、基于职责的人员配合意识。对于数据的应用已基本实现了全面自动化，更多的人力投入到业务流程改造和应用系统增强上。数据实现了可获取、可信赖，跨部门和业务条线的数据得到共享，全企业形成唯一版本的信息，从而反映企业经营的真实情况。基于数据的业务绩效管理得到整合，经由数据的分析、挖掘，形成实时性的业务洞察力，为业务的拓展带来良好的推动力。这一阶段的主要矛盾体现在决策层逐步增长的数据治理意识与数据治理工作开展缓慢、效果滞后的现实之间。 此阶段与前两个阶段有着本质的差别，处在这一阶段的企业 才真正开始数据治理工作的实施，在数据的应用和管理方面主要 有以下特点： 数据：基于标准的，结构化的数据，以及部分非结构化的内容； 集成：孤立系统的集成，信息的虚拟化(信息的逻辑化表 示，不受物理限制的约束);应用系统：基于服务； 基础架构：组件式的，初步浮现S0A的理念，基于特定的平台。 第四级量化管理 经历了一个阶段的主动管理，此阶段已具备相当成熟的数据治理能力，不论是组织认知、流程规范还是技术实现都达到了一定的高度，开始步入量化管理阶段。数据治理已融入基于角色的日常工作之中，人员具备将数据质量相关工作全然融入工作流、流程和系统的能力。通过数据的挖掘，获取有价值的信息，从而激发业务流程改造和创新。同时，全面的、自动化的数据应用，为增强的业务流程和运营管理提供必要条件。从企业战略规划来看，丰富、可信的数据也能够全面的支撑前瞻性的视野和具预测性的分析，大幅提高企业的核心竟争力。 处于量化管理阶段的企业，已经通过数据治理取得了极大的业务价值，在数据的应用和管理方面主要有以下特点： 数据：无缝连接并且支持共享，信息和流程相分离，结构化和非结构化的信息完全整合； 集成：信息作为一种随时可用的服务；应用系统：流程透过各式服务而集成； 基础架构：有随时恢复能力的S0A架构，不限于特定技术的平台。 第五级持续优化 持续优化阶段建立在量化管理的基础之上，企业的数据治理水平已达到最高的程度，开始步入持续优化的科学发展阶段。在此阶段，企业的数据问题都已迎刃而解，能力和业务创新也达到 了相当的高度。贯通企业内外有弹性的、具适应力的业务环境。 数据的价值创造被发挥到最高水平，具备由下而上的战略业务创新的促进能力。企业绩效和运营管理不断的优化，建立在高水平信息展现基础之上的战略洞察力也得到体现。 进入持续优化阶段的企业在数据应用和管理方面具有以下特点： 数据：所有相关的内部及外部信息无缝连接，并且共享，新 增的信息很容易加入； 集成：虚拟化的信息服务； 应用系统：动态的应用系统组合； 基础架构：动态的、可重新配置的、侦测和回应。 4 项目解决方案 数据架构规划及路线图 目前，全国省级农村金融机构已经建立了大大小小的诸多IT系统，基本满足其日常业务运行的需要，但是从企业信息化及数据的角度来看，由于这些系统建设过程只注重功能，并不关注数据，所以这些系统所产生企业数据基本处于散乱、失序的状态，同时省级农村金融机构又面临激烈的市场竟争和越来越严格频繁的监管需 求，以及比其他金融机构更为复杂的两级法人管理体系，所以如何把企业的数据跳脱出单个IT系统，从整体上进行评估与审视，并制定切实有效的数据建设路线图成为省级农村金融机构摆脱数据失 控，走上企业信息化道路的迫切需求。 本项目将从信息架构的方法论出发，对XXXX信息系统与数据架构进行评估，找出当前成熟度状况，以此为基础制定XXXX的数据系统建设规划与路线图。 评估及差距分析 4.1.1.1评估内容 根据信息架构建设方法论所提及的根据评估标准和评估方向，本次评估的评估内容包括以下三个方面： 1.现有的数据架构分析 a)数据源(数据模型，数据量，数据存储方式等) b)原有数据平台设计概要 c)原有数据平台负荷性能分析 d)数据清洗抽取转换规则 e)数据质量 f)元数据管理 g)数据生命周期管理2.现有信息架构分析 a)信息流 b)原有数据平台提供的操作型报表和操作型查询 3.现有应用架构分析 a)业务应用功能梳理 b)对业务需求适应性分析 4.1.1.2企业数据架构差距分析 企业数据架构是从信息技术角度描述如何支撑整个企业的业务运行的架构。包括可信任数据源层、操作型数据存储层、企业数据仓库层、数据集市层、分析层、连接层、交互层、安全控制层、协作层、数据质量管理层、元数据管理层、主数据管理层、内容管理层共7横6纵13个架构层次，如下图。 安全控制层 (S cui y Co aol) 交互层(Interaction) 数据质量管理层 (D aQa li y Mangnen t) 元 数 据 管 理 层 乙 Q 3 乙 日 rt 连接层(Connection) 分析层(Analytics) 数据集市层(Data Marts) 企业数据仓库层(Enterprise Data Warehouse) 操作型数据存储层(Operational Data Stores) 可信任数据源层(Authoritative Data Sources) 针对XXXX每个层面的差距分析从阐述该层的最佳实践入手到分析当前现状与最佳实践的差异。 ◆最佳实践： -操作型数据存储层为了满足业务需求，对存放的数据要求如下 ·时效性：近实时性·数据粒度：最细粒度·分析/操作：操作型 ·历史数据：可以长期保存历史数据，并建议对历史数据进行生命周期管理 ◆差距分析： -XX银行在操作型数据存储层构建了HDS,并且已经满足了最细粒度、操作型以及长期保存历史的要求。 -近实时性：XX银行HDS的数据是通过汇聚平台从各个数据源系统获取过来的，由于汇聚平台性能问题，目前只能满足T+1的数据更新需求，无法满足近实时的数据更新需求。 -历史数据：由于需要长期保存历史数据，所以数据的累积是随着时间快速增长的，并且随着时间的推移数据的访问频率以及业务价值是下降的，这就需要引入信息的生命周期管理。 4.1.1.3企业数据模型差距分析 XXXX的数据模型的差距分析主要从以下四个方面入手 ， 统一的数据概念分类及描述： 统一的数据概念分类作为一个可扩充和可应用的基本框架，是非常重要的。可以说全行任何应用系统，包括分析型的数据仓库、数据集市，操作型的核心业务系统、信贷管理系 统、信用卡系统等等，在系统建设的时候都要遵循这个统一的数据概念分类标准 统一的数据业务标准： 统一的数据业务标准是对数据业务含义的统一解释及要求。它包括数据的业务含义解释、数据产生过程中所要遵循的业务规则。 统一的数据技术标准： 统一的数据技术标准是银行业务在应用环境中对数据的统一技术要求。它包括对字段长度、数据格式、数据的缺省值的定义等等 企业级数据模型： 企业级数据模型是一个关于整个企业的完整信息模型，包含了数据实体和实体间的关系、属性、定义、描述和范例。 数据模型规范： 数据模型规范是数据模型相关的统一管理原则、流程、支撑工具和相关组织机构 数据类系统建设路线图 根据上述数据架构差距分析，并结合XXXX当前正在实施的IT咨询规划和远期的目标蓝图，我们将给出XXXX数据类系统的实施路线图作为今后XXXX在数据类系统建设上的分阶段目标 ， 为XXXX在数据架构的13个层面的演进与提升提供基础，如下图 所示： 同时，针对部分迫切需要的近期建设目标，我们也会结合团 队在同业丰富的项目经验给出项目路线图和项目关键点说明，包括： ●项目需求与收益 ●项目分期阶段范围与内容 ●项目风险与注意事项 数据架构规划及建议 根据企业级数据架构的总体优化建议，我们选取IBM银行业企业级信息参考架构作为XXXX企业级数据架构的目标优化架 构。 按照此目标架构，结合目前国内商业银行情况，通常从以下几个方面向XXXX提出具体的建议 4.1.3.1主数据解决方案建议 主数据是指在整个企业范围内各个系统(操作/事务型应用系统以及分析型系统)间要共享的核心业务实体的事实数据，主数据通常需要在整个企业范围内保持一致性(consistent)、完整性 (complete)、可控性(controlled),为了达成这一目标，就需要进行主数据管理(MasterDataManagement,MDM) 客户主数据： 客户主数据管理可以帮助我们创建并维护整个企业内主数据的单一视图(SingleView),保证单一视图的准确性、一致性以及完整性，从而提供数据质量，统一商业实体的定义，简化改进商业流程并提供业务的响应速度。从变化的