新光人壽揭資料治理關鍵，讓業務部門擔任資料擁有者，來管理資料品質

隨著AI浪潮來襲，企業迫切期望打造AI創新應用，但在開發AI應用時，可能高達六七成時間都在前置作業—資料整理。「資料絕對是AI發展的基石。」新光金控資訊長林國彬在一場研討會中以此點出資料治理的重要性，並分享新光人壽資料治理歷程。

新光人壽自2015年開始推動數位轉型，從最初的數位紮根，到數位賦能，近年走到整合與全體驗時期，內部作業開始採智能化、自動化，數據平臺建置也逐步完善，但在資料使用程度大幅增加的同時，資料問題也浮出水面。

例如，在數據品質上，可能有資料不一致、資料內容不符業務邏輯或資料格式未標準化等問題。此外，林國彬指出，原先的資料倉儲未依照資料架構層的方式提供資料，而是以蜘蛛網的方式交錯連結，造成各種業務邏輯分散在不同程式及應用，且資料表過多，各單位分析人員使用資料的方式不同，不同單位在分析資料時可能因此產生落差，或不清楚有哪些資料可用。

即便市面上有工具可以快速彙整資料，不過，林國彬認為，只要資料定義不清楚，無法分辨資料擁有者，開發的成品仍會十分雜亂，「還是要回歸資料本質，將管理方法長久列入維運SOP中。」林國彬說道。因此，新光人壽展開了一連串的數據治理工程，要從底部開始重整累積多年的資料。

建立資料治理架構，確立角色權責，業務部門也要參與資料管理

首先，是建立資料品質管理流程與制度。新光人壽建立了資料治理架構，共分為三層，治理決策層、治裡推動層和執行層。其中，治理決策層由各業務部門和資訊部門組成，以進行跨組織的資源規劃，推動層則是由特定部室主管組成數據治理推動小組，負責報告資料品質管理狀況，並針對各資料擁有者的單位中，資料品質不合格處進行追蹤管理。

最後一層則是執行層，由各業管單位協助數據治理推動小組展開資料標準、元數據管理等工作。在試行階段，先由部分部門擔任資料擁有者，作為主要推廣試行單位，包含業務部門和資訊部門，進行資料標準和業務詞彙新增與異動作業，並定期進行資料品質檢核，後續再逐步納入各部單位。此外，試行階段中，資訊部門也作為技術資料管理員，除了要進行資料管理工作，也要協助業務單位檢視品質檢合失敗的可能原因。

接著，新光人壽透過優先資料匡列，確認優先處理的資料。他們先從主要推廣試行單位擁有的數據匡列資料，從超過一千項的原始資料，收斂到60項以下的關鍵欄位。匡列原則是依據資料使用者提出需求、效益衡量與執行影響，和資料敏感性等，再由各單位根據評估因素算出第一優先處理的資料。

建立好數據治理組織和角色權責，並確認優先處理的資料範圍後，新光人壽也建置數據品質管理系統，建立數據品質管理流程及各個角色細項分工。此外，新光人壽也制定了資料標準，並盤點元數據相關資訊，包含管理資訊、業務資訊、資料標準、遮罩規則、業務詞彙和品質檢核規則等，協助資料使用者查找數據定義。

最後，再藉由資料品質儀表板來追蹤資料品質。其儀表板共規劃6個維度面向，包含月份檢核、日檢核和業務詞彙等。當資料使用者在儀表板發現資料品質異常時，可以和資料擁有者和IT人員共同討論，針對錯漏部份校正與清理。

新光人壽藉由建立資料品質儀表板，來讓資料使用者透過儀表板追蹤資料品質。（攝影：李昀璇）

新光人壽制定數據品質管理流程，明確訂定各角色分工細項。（攝影：李昀璇）

過去資料管理並未明確定義資料擁有者，例如，某部門只負責更新前的資料，另一部門只管理更新後的資料，一旦資料發生問題時，就不容易找出負責單位。因此，林國彬指出，資料治理的關鍵是明確定義資料擁有者，由業務部門擔任擁有者，例如以資料使用量或需求度來分配擁有者，由業務單位提出需求，再讓資訊部門提供技術協助。

林國彬建議，IT人員可以藉由特定事件來說服上層來推動資料治理，例如資料發生問題，或支援行銷方案。他解釋，當資料能得到行銷部門支持，就能抓緊機會逐步擴大資料整理範圍。他也建議，可以成立數據治理委員會，逐步拉高資料治理層級，並讓資訊部門擔任技術支援單位。

下一步建立資料血緣，更長期目標是建立一體化數據治理平臺

目前，新光人壽的資料治理正在第二階段，下一步是建立資料血緣，藉此確認異常數據的影響範圍。到了最後的第三階段，則要建立一體化數據治理平臺，藉由資料集成和交互操作，提高資料完整性、真實性和即時性，落實企業橫向的資料共享。此外，第三階段也會進行非主資料的數據治理，例如業務資料與基礎資料管理，和非結構化資料管理。