2018年银保监会颁布了《银行业金融机构数据治理指引》，为商业银行进行数据治理工作提供了方向，其中，数据标准体系的建立是关键，更是基础。然而，数据标准体系的建立不同于普通的软件系统开发，它有特定的方法和工程过程，并且需要持续维护和管理。
标准体系建立的两种路径
在实践中，商业银行数据标准体系的建立过程一般有两种路径。一种选择借助新一代信息系统建设的契机，统一规划、统一实施。通过构建数据标准体系，实施数据标准的强管控，让不符合数据标准规范的旧有数据随着系统下线逐渐消亡。这种方案的优点是通过顶层设计和企业级标准建模，减少了后续的数据供应链中进行数据转换和映射的成本，也使数据标准从源头到后端到应用都能够一致统一。但是，这样的数据标准化过程也必须有一个非常难得的实施机遇和窗口，某种程度上可遇不可求。
第二种是绝大部分商业银行在推进数据标准时都面临的场景，即存量系统、增量系统、重构系统混合，既要做好现有系统的对接，又要抓好新建系统的标准化，还要解决好数据质量问题在源头系统的改进，更要处理好数据赋能应用，正所谓“既要+又要+还要+更要”的四要模式。面对这样的“四要”难题，数据标准工作就必须进一步做到从实践出发，多方兼顾、有的放矢、稳步推进。
在实践工作中，关于如何在第二种场景中进行标准化工作，概括地说，可以用三个策略作为指导思想，从数据标准的三个维度、两个分类、一个平台着手，简称数据标准“3321”方案。
标准体系建立过程的三大策略
为了应对第二种场景中的诸多难题，商业银行在数据标准领域可以从三个角度出发，帮助业务部门、技术部门理解数据标准，认识数据标准价值，推进数据标准实施，从而实现数据标准的流程化管理。
聚焦各个业务领域的数据治理需求，在有需求、有资源、有驱动力的前提下，按需组织推进标准化工作。只有业务部门的深入参与才能做好标准的治理，只有针对业务自身需求进行的治理，才能得到业务部门的认可和支持。建立了数据标准体系后，按系统推动数据标准落地应用，在需求流程中实施数据标准的强管控。通过联合技术开发部门使用标准化的数据字典进行建模，实现数据字典标准化管理及应用，进而规范数据标准。对于新建系统与重构系统，应采用落标策略；而对于存量系统，可采用升标策略，此前的文章已关于此内容进行了详细说明，故不再赘述。针对数据治理过程中发现的重点、重要的数据质量问题，例如监管数据质量问题、数据多口径问题、数据低时效问题等，通过改造系统，落实数据标准，从源头消除数据不规范等问题，进而达到提升数据质量的目的。
有了推进策略，具体如何建设数据标准体系，需要将业务部门、数据管理部门、开发实施部门之间的工作在数据标准的内容层面衔接起来，兼顾各部门的职责，发挥各部门的特点，既同心合力，又分工落实。从实战出发，数据标准的内容体系可以分为三个维度，分别是业务术语、数据标准、数据字典，由各个部门来分头处理。
业务术语是面向业务部门的，用于明确业务部门在经营管理活动中使用的业务定义、业务规则和统计口径。通过梳理业务术语，实现业务人员对业务概念的统一理解，从而在编写业务需求时避免概念混淆，减少数据冗余。数据标准是数据管理部门基于业务术语进行的标准化规范。相较于业务术语来说，建立标准索引、设置业务主题归类、对照进行数据安全分类分级，设置必要的质量规范定义，使得数据项从基本的业务概念层面升级到标准化和规范化定义层面。数据字典是面向技术开发部门的，是数据标准的开发实施参照与依据。数据字典规范了表、字段的命名规则，在开发实施过程中，开发部门应该遵循数据字典，推进数据标准的落地应用。在数据管理部门进行针对各种数据项的标准化过程中，结合实际工作情况，一般可以将标准规范分为两类，一种是基础数据标准，一种是指标数据标准，以两类细分规范来进行更进一步的管理，为后续的各种数据管理工作提供便利。基础标准是基于业务开展过程中直接产生的数据，制定的标准化规范。在基础标准中，一般也包括各种枚举值编码标准。指标标准是指按使用场景分类，针对为满足内部分析管理需要以及外部监管需求，对基础类数据加工产生的指标数据制定的标准化规范。
有了工作策略，有了具体的数据标准体系，也实施了分类的数据标准规范，就需要有一个系统化、流程化的数据标准管理机制来持续管理和维护数据标准体系。这个平台，面向业务部门、数据管理部门、技术实施部门的不同层级的用户，将管理过程分模块进行细分，并进一步实现数据标准化服务功能。
这其中，包括将各种数据标准管理制度的流程化，例如平台化的数据标准管理、数据资产目录管理、数据安全分类分级管理、元数据管理等功能。数据治理平台为数据管理人员能够快速便捷地查询或更新数据标准体系提供渠道；对数据标准提供即时查询、即时更新、即时应用的服务。以上就是数据标准体系建设的实践之路。但其实真正实践的过程仍然会面临很多的困难和挑战，这需要在实践中不断调试策略和方法，同时加强数据治理平台的用户体验，把工作前移，把问题前置，不断改进和优化数据标准管理工作的细节，最终形成多部门之间的工作合力，一起推进数据标准体系的建设工作。
