国际统计数据质量管理框架的思考和实践

摘要：统计数据质量是数据管控的生命线，统计数据质量的重要性催生了国际组织和各国统计机构对它的评价与管理。通过对国际上统计数据质量管理框架的介绍，重点分析了主要质量管理框架的差异性，寻求适合的数据质量管理框架模型。针对我国金融统计质量管理的特点，借鉴国际理论的评估方法，尝试性地提出了基于层次分析理论下的统计数据质量管理框架模型，并应用于实际工作，具有一定的实践价值。

关键词：金融统计；数据质量管理框架；评估；层次分析

中图分类号：F253.3 文献标识码：A 文章编号：1001-828X（2013）12-00-02

麦肯锡认为，当今的每个行业都离不开“数据”，它已经渗透到各个领域，成为重要的生产因素。不同于其他行业，数据对于金融业来说就是业务本身。大数据的出现为金融业带来了机遇的同时也带来了挑战——数据质量问题。金融统计是国家统计体系的重要组成部分，也是一面反映国家金融业是否健康发展的镜子，而作为统计工作生命线的数据质量，其好坏直接决定了数据分析和依据决策的正确性与科学性。无论是国际组织还是各国统计机构都非常重视统计数据质量的评估与管理。本文将分析国际上统计数据质量评估框架之间的相互联系和各自特点以及我国现有存在的数据质量问题，结合我国金融业发展情况，提出基于层次分析理论的统计数据质量综合评估框架，以适应商业银行分支机构的管理要求。

一、国际统计数据质量管理框架的理论探讨

国际组织和各国机构通过长期理论联系实践，制定了适合不同经济环境的数据质量管理框架。国内一些学者如程开明[1]等人对国际上不同的统计质量管理框架进行了评估与对比，这些框架既有联系又有区别，我们需要对不同的体系深入探究，为建立符合我国国情的数据质量管理框架提供科学依据。

1.主要框架介绍

国际货币基金组织（IMF）吸取了金融危机的深刻教训，制定了统一的数据标准，为各成员国提供全面、准确、及时的经济信息，提前制定金融危机的防控政策[2]。该框架认为数据质量评估的重点内容必须与统计体系管理、核心统计程序和统计产品紧密联系，从诚信的保证性、方法的健全性、准确性和可靠性、适用性、可获得性这五个维度及数据质量的先决条件，将目标数据与最佳标准进行对比得出综合评价结果[3]。

欧盟统计局（ESS）以欧盟统计手册为基础，构建了涉及制度环境、统计过程、统计输出三方面的统计质量框架。框架通过实际调查得到一组定量化指标来设计数据质量评估清单。评估方法一共分为三个层次，其中第一层为文件测量层，通过文件报告来指导质量评估；第二层为评价层，在第一层信息的基础上进行内外评估；第三层为合格层，通过评估标准，将评估结果以“标签”的形式传递给用户，使统计结果更具可信度和公信度[4]。

欧洲中央银行（ECB）则强调代表统计质量的各个方面，如统计保密、成本效益、关联性、可靠性等。ECB的统计质量框架（简称SQF）通过阐述统计质量的主要原则和要素来指导ECB的统计生产，确保欧洲央行为决策机构以及外部使用者如金融市场分析师、新闻记者提供科学的统计数据[5]。

2.框架的差异分析

在质量维度上，IMF包含5个维度，而ESS 和ECB则包含了6个维度。三者相比，IMF注重对获取的数据与元数据的质量状况；ESS在重视统计数据质量的同时，加入了“时效性”、“可达性”等过程维度，兼顾了统计过程的质量管理；ECB侧重于统计生产过程中的质量保障，通过“统计保密”、“成本效益”、“协调合作”等维度来加强对过程因素的管理。

在结构层级上，IMF采用层次结构，以统计质量管理的内容为导向，逐层逐级对质量要求进行细化； ESS 则明确分为3层——测量层、评价层和合格层，三个层级是逐级推进的，上一层的质量效果产出是下一层的质量效果产出的基础；ECB 的层级相对模糊，其将整个统计活动的每个阶段视为一个层级，对每阶段的质量管理提出要求，逐步推进管控成效。

在评估方法上，IMF更多的采用了专家意见的评测，按照诸如“优秀”、“合格”、“不合格”等三个等级得出相应评估结果；ESS则通过抽样调查得到一些质量维度的量化指标，给出在统计过程中质量评估的清单；ECB将统计活动过程分解为诸多步骤，定义主要的质量原则和因素，涉及机构环境、统计程序和统计产出等各方面，指导并评估统计资料的制作和管理。

在对象范围上，IMF所对应的数据接受者范围最大，而ECB最小，ESS居中。IMF的质量管理框架相对而言更为宽泛，纲领性更强；而ECB的框架更倾向专业，针对性更强。

3.框架的借鉴意义

三种管理框架较好地对应了我国金融的监管机构、法人机构和分支机构的管理模式。监管机构可以采取IMF的框架模式，侧重于“评估”，更多地采取一些“定性”的手段和方式，对各金融机构的统计质量进行全面评估；法人机构则可采取ESS的框架模式，侧重于“管理”，做到“定量”和“定性”相应结合，对下属机构的统计质量进行整体管理；分支机构采取ECB的框架模式，侧重于“保证”，对统计过程进行“定量”测度，保证统计数据生产的各个环节和过程达到质量管理要求。

二、层次分析型质量管理框架的模型建立

1.我国金融业基层统计工作的现状

目前我国金融业的基层统计工作主要存在以下问题：（1）指标设置相对落后，手工报表的占比偏高；（2）金融机构之间的会计科目和统计指标存在差异性，给统计数据质量带来了不确定因素[6]；（3）统计工作的重视程度不够，职能分工和问责机制不够明确；（4）统计调查的方法和制度缺乏严谨的科学性，误差控制能力较差。

2.分支机构模型的必要性

从我国金融统计管理的现状看，特别是基础数据质量的管理仍集中于分支机构，因此有必要建立一个适合分支机构数据质量管理的框架模型，对相关指标进行量化处理，保证指标有一定的监控可测标准和管理精准导向。在质量管理上实行专项的管控评价，以确保法人机构数据质量的整体提高。

3.质量管理框架的建立

数据质量评估的基本模型一般是以六元形式建立的评估模型：其中，D表示需要评估的数据集，I表示需要进行评估的指标，F表示指标的评估方法，W表示各评估指标的权重，E表示结果参考标准，S表示评估结果[7]。

本文根据数据质量评估的基本模型，利用层次分析理论，并结合我国金融统计管理要求和统计工作现状，借鉴IMF评估框架的指标体系，构建了适合商业银行分支机构的统计数据质量管理框架模型（见表1）。

表1 统计质量管理框架

（1）指标权重的确定。依据层次分析法，指标权重通过构建判断矩阵来确定，其基本过程为：专家采用9标度对每一层的指标进行两两对比并构建判断矩阵；计算矩阵最大特征值和特征向量，计算一致性比率C.R检验矩阵的一致性，当C.R

（2）评估方法及标准。本文采用专家打分与国际标准相结合的方式对各指标进行评估。评估值按照考核指标与考核标准的符合度分为4档，分别为符合、大体符合、较不符合和不符合，可用7、5、3、1对以上4档进行赋值。最后通过指标值与权重相乘，逐层合成，得出目标数据的综合质量评价值，即总得分=。

三、层次分析型质量管理框架的应用

分支机构可以应用本模型对自身的质量管理进行全面的评测，同时也可以通过对各指标权重的设置，在相应的约束条件下，反推质量管理的重点所在，使质量管理效能最大化。针对某报表的质量管理情况，我们建立的指标体系和计算结果如表2所示：

表2 某报表的数据质量评价体系

将报表数据质量的综合评价值，对照模型设置的四档分值（7，5，3，1），确定该报表数据质量为符合。

在质量管理方面，也可通过设定的约束条件（即在实际工作中，用于提高数据质量的资源相对有限），制定多个在约束条件下的质量提升方案，并对每个方案的评估指标进行效果估算评分，最终根据质量评价公式求出每个方案的评估值。假定在约束条件下存在N个方案，那么与之对应，也存在N个评估值。其中，必有标号为n的方案满足公式（7），即：

（2）

由此，我们将标号为n的方案确定为在约束条件下的最优方案，即该方案对各个指标所采取的提高改进措施，对提升质量管理产生的效用最大。

四、结语

本文所提出的模型，不但继承了IMF多维多级评估框架的优点，而且结合统计管理的相关因素，对因素进行权重赋值，从而体现了各指标影响数据质量的不同程度。定性和定量有机结合，使评价过程数学化、系统化，将数据质量综合评价转化为多层次单目标问题；评价结果以数字的形式表达，较客观地表达了各机构的数据质量，方便监管决策。

从方法的应用方面看，不但可以对某项报表进行数据质量的综合评价，同样也适合决策及对各数据报送机构进行对比，增加了综合评估的可比性，使各机构的数据质量一目了然，有利于数据质量的管理控制。

通过数据质量管理框架的建立和应用，对分支机构统计数据质量管理得到了以下几点启示：

1.加强统计指标管理，明晰指标含义，避免标准的多重性；

2.优化会计科目设置，明确科目匹配，保障归属的惟一性；

3.强化基础数据质量，细化数据标识，确保数据的可用性；

4.严格统计报送流程，简化手工报表，减少环节的偏差度；

5.加快信息披露频度，加大用户沟通，增强数据的透明度；

6.充实基层统计力量，提升人员素质，提高人员的复合度。

参考文献：

[1]程开明.国际上统计数据质量管理体系架构及进展[J].调研世界，2010（11）.

[2]汤琰，金勇进.数据质量评估框架及其信息量分析[J].商业经济与管理，2011（09）.

[3]常宁.IMF的数据质量评估框架及启示[J].统计研究，2004（01）.

[4]Eurostat； The eurostat quality assurance framework[EB/OL].http：//epp.eurostat.ec.europa.eu/portal/page/portal/quality/documents/QAF%20leaflet.pdf.

[5]European Central Bank； ECB Statistics Quality Framework. [EB/OL]； http：//www.ecb.int/pub/pdf/other/ecbstatisticsqualityframework200804en.pdf？332575cdde06e52607d7a2ae44be8360.

[6]耿传红.对提高金融统计数据质量的思考[J].青海金融，2006（11）.

[7]许永洪.统计数据质量的基本概念与数据质量评估的基本模型[J].商业经济与管理，2010（12）.

[8]网站数据分析； 层次分析法（AHP）[EB/OL].http：///data-analysis-method/ahp/.

[9]申丽娟，吴江.城乡社会统筹评价指标体系证实分析——以重庆市为例[J].西南师范大学学报，2009（02）.