數據報表在商業銀行是一種被廣泛應用的數據展現形式，如何運用科學的數據治理方法，梳理業務數據現狀，重塑數據報表，精細化管理數據，提高運營效率，成為了數據服務和應用的過程中的重要課題。

存量未經治理的報表常常遺留諸多數據問題，如業務各自提需求，缺少口徑的統一管理，數據指標同義不同源等，給業務運營效率帶來很多不便。為了更好地挖掘數據價值，提升精細化運營管理能力，可以通過拆解和重塑報表，保障數出同源，提升數據時效性和準確性，并在此基礎上滿足靈活多樣的數據需求，實現數據在監控、運營、考核等方面的價值。

01報表重塑整體框架

報表重塑是一個掰開揉碎，再塑造的過程，主要包括數據資產摸排、數據分布調研、數據標準化度量、數據應用落地四個方面。通過摸排和調研，了解業務的數據現狀，利用數據標準化為標尺，制定新的數據規則，達到提升數據質量、減少糾錯成本、提升業務運營效率的目的，從而為業務可視化、智能決策和業務創新奠定基礎，報表重塑框架圖如下：

02厘清數據資產與數據分布

在實際的工作中，可獨立進行數據資產的摸排和數據系統的調研，也可同時進行。在這個過程中，更多的是和業務方充分交流，了解業務需求、業務現狀以及未來的規劃，以確保信息的互通和對稱。

1.厘清數據資產：在厘清數據資產的過程中，主要圍繞六大維度分析資產情況，分別是數據用途、使用頻次、使用對象、數據源，數據系統分布及數據加工方式。主要目的是了解數據、評估數據重塑難度以及確定重塑的方向和落地的目標。

2.數據分布：數據分布的探索可以從數據源、數據流、信息鏈三個維度出發。數據源是唯一被調用的數據源頭，以保證跨流程、跨系統數據的唯一性和一致性，了解數據源是確保數據質量的關鍵環節。數據流是數據在各業務系統流轉的重要節點，信息鏈數據在業務處理的流轉，是業務分析和挖掘運營價值的關鍵。

通過摸排數據資產和調研數據分布，可以掌握存量數據的基本信息，通過整合這些信息，初步形成實現新報表體系難易程度的評估。

03以數據標準為尺分析數據質量問題

數據報表難易程度的初步評價，無法直接成為后續工作開展的依據，應進一步定量推動項目的落地和實施。數據標準是我們選擇作為報表指標拆解和重構的重要指導。

數據標準是確保數據質量的關鍵。這里主要指需共同遵守的屬性層數據的含義和業務規則，形成企業內部對某個數據的共同理解。審視現有數據的質量問題和重新建立數據規則，可以從以下三大視角出發，分別是業務視角、技術視角、管理視角。

基于統一化的標準，結合三大視角找到數據質量的標尺，識別存量數據的數據質量問題，如在多張報表中，指標同名不同源（同一數據指標，存在不同的數據口徑和邏輯）；或在同一報表中，同一屬性有不同的指標名稱；亦或數據類型未進行標準化，使用了時間格式記錄數值等。

04“數據治理”+“業務需求”指導指標設計與落地

基于以上對于存量數據的摸排與梳理，在后續新報表設計及落地的過程中，既要規避已知問題，也需要考慮業務部門的對于數據的需求，重塑報表體系。

數據標準化是報表重構的指導首要原則，標準化的主要內容如下：

基于此，數據指標的解構和重建可分為以下兩個步驟。

1.指標澄清需求：通過明確業務對象、實體、屬性等信息，避免業務含義混淆，指向模糊等問題，同時也是充分了解業務，更好輸出業務價值的重要過程。

2.指標拆解和重構：按照需求進行指標拆解，對指標進行結構化管理，是指標落地的關鍵。主要包含四個步驟：一是解讀指標含義，識別指標，業務管理部門從業務角度了解指標基本信息、所需統計維度、指標度量場景及各場景計算邏輯和口徑；二是基于指標疊加公式拆解指標，根據指標計算邏輯識別原子指標，明確原子指標口徑、維度和支撐屬性，以及原子指標與組合指標之間的關系；三是基于拆解結果，識別指標數據，明確原子指標的度量屬性和支撐屬性，并根據指標的維度、口徑修飾詞匹配已發布業務對象的屬性，形成指標；四是數據匹配報表落地，補充指標中的標準屬性名稱以及對應的落地物理表，支持用戶自助查詢指標，打通指標設計和落地。

完成報表的設計過程，也是數據標準化的過程，兩者相互呼應、相輔相成。數據治理及數據應用不是一次性過程，作為數據的一部分，報表的設計和落地也是一樣，隨著行業標準的調整、業務的變化、技術的發展，需要報表的責任主體，即業務規則責任主體、數據維護責任主體、數據質量監控責任主體協同優化，實現數據價值。