本文是一篇质量管理论文，本文以DF农商行为研究对象，结合问卷调查法和人员访谈法对基于EAST的DF农商行数据质量进行有效性评估和分析，总结数据质量存在的问题并剖析其形成的原因，并从组织体系、数据标准建设和流程管理机制三个方面着手制定切实可行的数据质量提升对策，为DF农商行数据治理提供有效支撑。
第1章绪论
1.1选题背景与研究意义
1.1.1选题背景
（1）国家背景层面
“谁掌握数据，谁就掌握了主动权。”数据掌控力开始成为国家软实力和竞争力的重要标志。在互联网时代，网络信息能够跨国界流动，信息流引领技术流、资金流和人才流，信息资源日益成为国家的重要生产要素和社会财富资源。面对“全球数据爆发式增长，海量聚集”的新特征，习近平总书记深刻洞察“大数据正日益产生重要影响”，并作出了“大数据是信息化发展的新阶段”的重要论断，着重强调“要构建以数据为关键要素的数字经济”，首次明确数字是一种重要要素，是国家发展的“基础性战略资源”，数据作为新型的生产要素，是数字化、网络化和智能化的基础。数据要素是全国经济实现高质量发展的“新动能”，具有“创新引擎作用”。数据要素具有“高创新性、强渗透性和广泛覆盖性”，不仅是我国新的经济增长点，更是改造提升传统产业的重要支点。数据要素是国家治理体系和治理能力现代化的“有力支撑”。
习近平总书记多次强调，“没有信息化就没有现代化”。数据要素在现代化建设过程中具有丰富且十分重要的应用场景，构建数据基础制度是发挥数据要素作用的关键支撑，亦是社会主义现代化建设的要求。习近平总书记在中央全面深化改革委员会第二十六次会议中指出，“统筹推进数据产权、流通交易、收益分配、安全治理，加快构建数据基础制度体系。”这就为我们构建数据基础制度指明了前进方向。习近平总书记以全球视野，特别强调“积极参与数据安全、数字货币、数字税等国际规则和数字技术标准的制定”。通过积极探索和构建具有中国现代化特色的、符合国际标准的数据基础制度，为更好更快发挥数据要素作用提供强有力的支撑。
1.2文献综述
1.2.1国外研究现状
（1）数据治理方面
大多数国外的研究人员认为数据质量是信息系统中的数据视图和现实数据的特性测度，Kallimani（2018）1提出针对系统数据和用户数据进行深入研究，指出数据质量就是数据能够适用于某种场景，并能够支撑该场景的正常使用,数据质量是数据治理的基础，提升数据质量是数据治理的重要过程。Redman（2001）2在他的研究中指出：如果数据对于业务运行、决策决议、计划执行等方面都可以使用的话，那么可以说这些数据是高质量的；数据如果是完整的且具有所需要的数据特征，则这些数据是适合使用的，不需要进行数据治理，反之需要开展数据治理提升数据质量。Shastri和Sreeprada（2016）3提出了数据质量应该包括数据的准确性、经济性、保密性、时效性，数据治理是基于数据质量的特征，将不符合使用要求的数据进行完善，达到决策者使用的标准。Malik（2013）4认为数据质量的含义是“数据能够适合数据消费者的使用”，但是往往很多数据并不能达到企业的使用要求，数据治理便是在这样的场景下应运而生，数据治理着重于数据质量的提升，结合监管要求，立足企业实际，是目前数据治理工作的重点。
（2）数据质量提升方面
国外机构对数据质量提升的研究早于国内，且较为全面。数据质量提升是指针对信息相关过程的决策权以及职责体系，这些相关过程和职责体系遵循一定的特点，并在组织内予以高度的认可方法来执行，确保数据质量提升。国外研究专家Brackett（2009）1的研究中，把数据质量提升的定义确定为对数据资产管理行驶权力和控制的集合，DAMA将数据治理认为是一系列的政策和规则，数据质量提升可以基于DAMA的治理框架展开，分层推进。Scannapieco和Catarci（2022）2在计算机科学视野下提出了数据质量提升的必要性，为了适应数据时代的到来，数据挖掘和数据应用的前提就是数据达到使用标准，不断提升适用企业发展的数据质量。
第2章基本概念和理论基础
2.1基本概念
2.1.1 EAST及发展历程
（1）EAST
EAST全称Examination&Analysis System Technology，是国家金融监管局为了顺应大数据发展趋势需求，帮助监管部门提高检查效能，在2008年开发的具有自主知识产权的检查分析系统，主要包括“银行标准化的数据提取、现场检查的项目管理、数据模型生成工具和数据模型管理”。EAST包括银行端和监管端两个层面，二者通过金融专网连接，银行端主要涉及数据报送，银行将自身业务系统产生的原始数据，按照监管数据标准化规范要求，通过报送系统向监管部门报送数据，监管部门通过数据采集服务器接受数据，构建原始数据库，并对其进行脱敏优化，形成EAST数据原始表和数据元。本文的研究主要基于银行端，对银行端需要报送的数据质量进行提升，确保银行的自身业务系统产生的原始数据达到EAST的报送标准。
（2）发展历程
EAST 1.0：2012年启动，面向中小银行，报送59张表。EAST 2.0：2014年启动，面向中小银行，报送79张表，相对1.0增加客户风险、理财、资金等。EAST 3.0：经历过试点（2016年）和正式版本（2017年）两个阶段，面向主要金融机构，共报送58张表。EAST 4.0：2019年启动，面向所有金融机构，共报送66张表。ESAT 5.0：2022年启动，面向所有金融机构，共报送70张表、理财8张，1838个数据项。
本文主要基于EAST5.0展开研究，通过提升DF农商行业务系统中的基础数据质量，确保监管机构采集到的基础数据，能够真实完整准确的反映DF农商行经营业务的开展情况，能够更方便外部监管机构监测DF农商行的业务发展和风险把控。
2.2理论基础
2.2.1金融创新理论
随着金融机构数据治理工作的持续深入推进，金融创新理论为金融机构数据治理提供了强大的理论支持。金融经济学家多用企业利润最大化的微观经济学理论，来分析新金融工具的诞生和金融机构努力创新的进程。金融创新是一种需求诱发的利润驱动的金融现象，指出技术创新与经济发展有着极大的联系。金融创新理论主张将新技术与金融业结合在一起，从而为金融业的发展带来充足的利润支撑。将一种或者多种新的要素融入到企业现有的生产管理中，可以为企业的生产体系带来新的发展机遇。正因如此，金融创新受到金融机构普遍的认同和实践。
基于EAST的数据质量提升研究是在金融创新理论的大背景下展开，也为本次研究提供了内生动力，指导搭建本次研究的整体框架。数字经济时代的到来，DF农商行面临的竞争压力日益增大，生存的空间也被逐步压缩，为了降低自身的运营成本，提升金融机构的经营利润空间，通过数据治理的方式来整合其海量的数据资源迫在眉睫，也是在这个数字经济时代得以生存的保障。本文的研究就是基于数据信息，对目标客户进行全方位的识别分析，逐步解决金融机构所面临的信息不对称问题，优化DF农商行内部资源的有效配置，推进数据治理工作，实现数据资产的价值最大化，不断满足DF农商行数字化转型的需要。
第3章基于EAST的DF农商行数据质量现状........................18
3.1 DF农商行概况.............................18
3.2 EAST数据质量评估标准.....................19
第4章基于EAST的DF农商行数据质量问题及原因分析........................26
4.1基于EAST的DF农商行数据质量问题...........................26
4.1.1数据完整性和准确性不高...............................26
4.1.2数据标准方面有待提升......................29
第5章基于EAST的DF农商行数据质量提升对策.............................37
5.1完善组织体系来实现上下联动..........................37
5.1.1完善组织架构设置.............................37
5.1.2建立数据职能小组.............................37
第5章基于EAST的DF农商行数据质量提升对策
5.1完善组织体系来实现上下联动
5.1.1完善组织架构设置
DF农商行在数据治理初期，建立的组织架构是不完善的，忽视了执行层的重要性。初期建立的组织架构仅包括董事会、监事会和高级管理层（各部门），未将最终的执行层纳入整个组织架构。董事会主要负责将数据治理纳入本行的战略规划，审批数据治理相关的重大事项内容，督促管理层提升数据治理的有效性并承担最终责任。监事会主要负责监督评价本行的董事会和管理层履职尽责情况，定期进行监督评价跟踪。管理层建立数据治理体系，配置数据治理资源，制定并实施问责激励机制，建立数据质量控制机制，定期评估数据治理并向董事会报告。DF农商行目前的组织架构缺乏重要的执行层，导致数据质量提升工作缺乏后续执行能力，数据质量提升对策无法落地。
根据组织结构理论，完善DF农商行的组织架构，设置从上至下的三层式组织架构，由决策层、管理层、执行层构成。决策层决策、管理层制定对策、执行层实施，层级管理、统一协调，完善健全、职责边界清晰的数据治理架构。DF农商行三层组织架构图设计如图5-1所示：
第6章结论与展望
6.1结论
本研究基于EAST数据治理理论知识和国内外研究理论基础，设计调查问卷，选取高管层、管理层、业务人员和外部专家开展问卷调查，对DF农商行的数据质量问题进行分析；通过人
