1-4 王劲松 - 平安人寿数据管理实践与展望

内外部要求：响应《关于深化保险业数字化转型的指导意见》及监管办法，推动数据管理规范化。
常见问题：
- 数据查找困难，缺乏有效索引。
- 数据口径不统一，沟通成本高，数据错误导致信任缺失。
- 跨部门协作不畅，业务/技术需求反复确认。
- 数据分散且难以整合，无法形成全局视图。
- 职责不清，数据问题无人负责。
数据治理与数据管理的理解：数据治理是顶层设计，数据管理是落地执行，两者需协同推进。

数据管理体系规划：
- 基础类：
  - 组织体系：成立数据治理委员会、数据管理办公室、科技开发运营团队，明确职责分工。
  - 管理模式：采用“集中式”或“分布式”模式，确保高效协同。
  - 角色协同：明确业务、科技、数据治理三角色职责，确保责任到人。
  - 制度体系：构建覆盖全面的数据管理制度，确保可落地执行。
- 过程类：
  - 责任认定：明确数据责任归属，采用统一识别和分配方法。
  - 元数据管理：通过元数据管理数据，提升数据价值。
  - 数据标准：以业务术语构建词根库，建立数据标准字典，统一数据语言。
- 结果类：
  - 数据质量：以数据质量为目标，提升运营效率。
  - 数据安全：以数据安全为重心，保障数据安全。
  - 数据价值释放：促进数据价值释放，赋能业务发展。
平安经验：
- 业务结构和模式决定主数据管理需求。
- 主数据管理是管理问题，需持续运营。
- 主数据管理是变革，需自上而下推动。
- 企业架构可解决部分主数据管理问题。
数据能力体系（数据中台）：通过机制和工具实现一体化保障。