बैंकों में Data Governance: Ownership, Quality और Stewardship (CAIIB ITDB)
बैंक में data governance यही तय करता है कि customer data का owner कौन है, गड़बड़ी होने पर उसे कौन ठीक करेगा, और कुछ गलत होने पर regulator को जवाब कौन देगा। CAIIB ITDB के उम्मीदवारों के लिए यह एक high-yield टॉपिक है। परीक्षा में यहाँ से चार मुख्य बिंदु पूछे जाते हैं: ownership बनाम stewardship, golden source और master data management, छह data quality dimensions, और DPDP Act इस पूरी तस्वीर को कैसे बदलता है। इस article में हर बिंदु को सरल, exam-ready भाषा में समझाया गया है। साथ ही आपको concepts पक्के करने के लिए पाँच practice MCQs और चार FAQs भी मिलेंगे।
🏛️ What Is Data Governance in Banks
बैंक में data governance नियमों, roles और decision rights की वह व्यवस्था है जो तय करती है कि data कैसे बनाया, स्टोर किया, इस्तेमाल किया और retire किया जाए। यह कोई database नहीं है। यह कोई report भी नहीं है। यह वह framework है जो सुनिश्चित करता है कि उस report के आँकड़ों पर भरोसा किया जा सके।
बैंक deposits, loans, KYC, credit scores और transactions से जुड़ा data रखते हैं। कमज़ोर data governance का मतलब है कि एक ही customer का पता दो अलग systems में दो अलग तरीकों से दिख रहा है। अच्छा data governance मतलब एक पता, एक source, एक truth। यह regulatory reporting, credit decisions और customer service — सभी के लिए महत्वपूर्ण है।
इसके building blocks इसी paper में पहले पढ़े गए core IT concepts से जुड़े हैं। Information Technology and its Implications को समझने से यह स्पष्ट होता है कि data अब सिर्फ IT का मसला नहीं बल्कि board-level risk बन चुका है। Essentials of Information Technology के basics यह समझाते हैं कि data पहले systems के बीच मूव कैसे करता है।
💡 Exam Tip: अगर सवाल पूछे "who is accountable for data quality," तो जवाब आमतौर पर business data owner होता है, IT विभाग नहीं।
कमज़ोर data governance वाला बैंक audit के वक्त मुश्किल में पड़ जाता है। Regulators एक single, reconciled आँकड़ा माँगते हैं। अगर तीन विभाग तीन अलग figures दें, तो यह सिर्फ technology gap नहीं बल्कि governance gap है। यही exam का मूल angle है: governance एक people-and-process problem है, technology सिर्फ उसका सहारा है।
👥 Data Ownership and Stewardship Roles
बैंक data की जिम्मेदारी चार layers में बाँटते हैं। हर layer का काम अलग है, और exams में इनके बीच के अंतर को ज़रूर टेस्ट किया जाता है।
Data owner आमतौर पर एक senior business manager होता है। यह व्यक्ति तय करता है कि data को कौन access कर सकता है और उस data domain के लिए quality rules सेट करता है। Data steward एक operational role है। Stewards रोज़ाना quality पर नज़र रखते हैं, गड़बड़ियों को ट्रैक करते हैं, और मुद्दों को owner तक escalate करते हैं। Data custodian IT में बैठता है। Custodian physical storage, backups और security controls संभालते हैं, लेकिन business rules तय नहीं करते। इन तीनों के ऊपर board होता है, जो बैंक के data risk की overall accountability रखता है।
| Role | Primary Focus | Approves Board Data Policy? |
|---|---|---|
| Board / Risk Committee | Overall accountability and risk appetite | ✅ |
| Chief Data Officer / Governance Council | Policy design and standard-setting | ❌ |
| Data Owner (business head) | Access rules and quality standards for a domain | ❌ |
| Data Steward | Daily quality monitoring and issue resolution | ❌ |
| Data Custodian (IT/DBA) | Storage, backup and technical security | ❌ |
ध्यान दें कि policy को approve सिर्फ board करता है। बाकी सभी roles उसे execute करते हैं। यह अंतर CAIIB ITDB papers में बार-बार आता है, इसलिए इसे list की तरह नहीं बल्कि एक chain की तरह याद रखें।
Database Management Systems chapter custodianship का technical पक्ष बताता है: indexing, backup और database-level access control। इसे ऊपर दिए गए governance roles के साथ जोड़ने पर आप "what" और "who" — दोनों कवर कर लेते हैं।
🎯 Golden Source, MDM and the Six Data Quality Dimensions
Golden source वह इकलौता system है जिसे बैंक किसी data element के लिए origin of truth मानकर भरोसा करता है। अगर core banking solution किसी customer के account balance के लिए golden source है, तो किसी और report को उसे override करने की अनुमति नहीं है। यह विचार core banking solution architecture के केंद्र में है, क्योंकि ज़्यादातर golden-source data असल में CBS के भीतर ही रहता है।
Master Data Management (MDM) customer, account और product जैसी core entities का एक साफ़, consistent version हर downstream system में बनाए रखने की discipline है। MDM tools golden source से data खींचते हैं और उसका एक ही version reporting, risk और marketing systems को भेजते हैं।
Quality को छह dimensions पर परखा जाता है, जिन्हें examiners नाम लेकर समझाने की उम्मीद रखते हैं:
- Accuracy — value वास्तविकता से मेल खाती है या नहीं?
- Completeness — ज़रूरी fields भरे गए हैं या नहीं?
- Consistency — वही तथ्य सभी systems में मेल खाता है या नहीं?
- Timeliness — data इस्तेमाल के लिए पर्याप्त रूप से current है या नहीं?
- Validity — value अपेक्षित format या नियम का पालन करती है या नहीं?
- Uniqueness — हर वास्तविक entity सिर्फ एक बार दर्ज है या नहीं?
⚠️ Common Mistake: Data governance को BCBS 239 के तहत risk data aggregation के साथ मत मिलाएँ। Governance ownership, quality और stewardship की बात करता है। BCBS 239 एक अलग framework है जो यह देखता है कि बैंक reporting के लिए risk data को कितनी तेज़ी और सटीकता से aggregate कर पाता है। ज़्यादा जानने के लिए हमारा risk data aggregation and reporting पर article पढ़ें, जो एक अलग CAIIB paper के अंतर्गत आता है।
🔍 Metadata, Lineage and the DPDP Act Interface
Metadata data के बारे में data है। यह बताता है कि किसी field का नाम क्या है, उसका source क्या है, उसका format कैसा है और owner कौन है। Metadata के बिना कोई भी report के किसी आँकड़े पर भरोसा या उसे trace नहीं कर सकता। एक अच्छी तरह चलाया जाने वाला data governance in banks program एक metadata catalogue बनाए रखता है जिसे कोई भी auditor या analyst search कर सके।
Data lineage एक कदम आगे जाता है। यह किसी data element के सफ़र को उसके origin system से लेकर हर transformation से गुज़रते हुए final report तक map करता है। अगर regulator किसी आँकड़े पर सवाल उठाए, तो lineage बैंक को यह दिखाने देता है कि वह कहाँ से आया और रास्ते में उसके साथ क्या हुआ। यह तब बेहद ज़रूरी हो जाता है जब कोई core banking upgrade या नया interface किसी field के calculate होने के तरीके को बदल देता है।
Digital Personal Data Protection (DPDP) Act एक और layer जोड़ता है। बैंक बड़ी मात्रा में personal data process करते हैं, इसलिए उन्हें मौजूदा governance structure के ऊपर purpose limitation, consent tracking और data minimisation भी लागू करनी होती है। बैंक के data owner और steward roles को अब DPDP-जैसे सवालों के भी जवाब देने होते हैं: यह data क्यों collect किया गया, इसे कितने समय तक रखा जाएगा, और इसकी legitimate access किसके पास है? Networking Systems के तहत आने वाले networking और system design चुनाव भी इस बात को प्रभावित करते हैं कि personal data branches और data centres के बीच कितनी सुरक्षित तरीके से मूव करता है।
अच्छी metadata और lineage practice से DPDP compliance आसान हो जाती है। अगर आपको पहले से पता है कि किसी customer का data कहाँ रहता है और उसे कौन-कौन छूता है, तो compliance साबित करना एक documentation exercise बन जाता है, forensic खोज नहीं।
📋 Board-Approved Data Policy and Governance Structure
हर अच्छी तरह governed बैंक के पास एक single board-approved data policy होती है। यह document हर domain के data owners का नाम बताता है, quality standards तय करता है, और stewards को कोई समस्या मिलने पर escalation paths परिभाषित करता है। यह यह भी बताता है कि बैंक metadata, lineage और retention को कैसे संभालता है, जिससे पूरा framework आपस में जुड़ जाता है।
Board के नीचे, अधिकतर बैंक अब एक data governance council या committee चलाते हैं, जिसकी अध्यक्षता अक्सर एक Chief Data Officer करता है। यह council board-level policy को working standards में बदलती है: naming conventions, data quality thresholds, और access request procedures। यह quality metrics पर ऊपर की ओर और नए approved rules पर नीचे की ओर report करती है।
📌 Remember: Board policy को approve करता है। Council standards design करती है। Steward उन्हें रोज़ाना लागू करता है। Scenario-based सवालों के लिए यह क्रम याद रखें।
Data governance का cyber और access control practices से भी सीधा संबंध है। ऐसी policy जो data owners का नाम तो बताए लेकिन network security in banking IT infrastructure को नज़रअंदाज़ कर दे, एक gap छोड़ जाती है: अच्छी तरह labelled data जिसे कोई भी असुरक्षित तरीके से access कर सकता है। ये दोनों disciplines साथ काम करनी चाहिए, भले ही exam में इन्हें अलग topics के तौर पर टेस्ट किया जाए।
जैसे-जैसे बैंक customer service और analytics के लिए generative models जैसे और automated tools अपना रहे हैं, वही ownership rules लागू रहते हैं। generative AI in banking पर हमारा article बताता है कि ये नए tools मौजूदा governance structure की जगह लेने के बजाय उसी में कैसे fit होते हैं।
इस elective subject के पूरे topic map के लिए iibf.store पर Information Technology and Digital Banking tag hub देखें।
🧠 Practice MCQs: Data Governance in Banks
Q1. In a bank's data governance structure, who is primarily accountable for setting the quality rules of a specific data domain? (a) Data custodian (b) Data owner (c) Database administrator (d) Network engineer
Answer: (b) — Data owner, जो आमतौर पर एक business head होता है, अपने domain के लिए quality rules और access rights तय करता है।
Q2. A "golden source" in data governance refers to: (a) The most recently updated report (b) The single trusted system of origin for a data element (c) A backup server (d) The bank's data warehouse only
Answer: (b) — Golden source वह इकलौता system है जिसे किसी data element के लिए authoritative origin माना जाता है।
Q3. Which of these is NOT one of the six standard data quality dimensions? (a) Timeliness (b) Uniqueness (c) Profitability (d) Consistency
Answer: (c) — Profitability एक financial metric है, कोई मान्यता-प्राप्त data quality dimension नहीं; छह dimensions हैं accuracy, completeness, consistency, timeliness, validity और uniqueness।
Q4. Data lineage is best described as: (a) A list of data owners (b) The map of a data element's journey from source to final report (c) A metadata catalogue index (d) A backup schedule
Answer: (b) — Lineage यह ट्रेस करता है कि कोई data element अपने origin से final इस्तेमाल तक कैसे मूव और transform होता है।
Q5. Under a bank's data governance framework, who typically approves the board-level data policy? (a) Data steward (b) IT helpdesk (c) The board or board risk committee (d) Branch manager
Answer: (c) — Data policy की final approval board या उसकी risk committee के पास होती है; बाकी roles उसे execute करते हैं।
चाहिए chapter-wise mock tests, 100+ MCQs के साथ? Start practising free →
❓ Frequently Asked Questions
What is data governance in banks in simple terms?
यह उन नियमों, roles और processes का समूह है जो तय करते हैं कि बैंक के data का owner कौन है, उसे accurate कौन रखता है, और उसे कैसे इस्तेमाल और सुरक्षित किया जाता है।
What is the difference between a data owner and a data steward?
Data owner एक business manager होता है जो किसी data domain के लिए rules तय करता है। Data steward रोज़ाना quality checks करता है और मुद्दों को owner तक report करता है।
Is data governance the same as BCBS 239 risk data aggregation?
नहीं। Data governance ownership, quality और stewardship को कवर करता है। BCBS 239 एक अलग framework है जो इस बात पर केंद्रित है कि बैंक reporting के लिए risk data को कितनी तेज़ी और सटीकता से aggregate कर सकता है।
How does the DPDP Act affect a bank's data governance policy?
यह बैंक के पास मौजूद किसी भी personal data के लिए मौजूदा ownership और quality rules के ऊपर consent tracking, purpose limitation और data minimisation की requirements जोड़ता है।
✅ Build Your CAIIB ITDB Score with Structured Practice
बैंक में data governance एक छोटा लेकिन scoring के लिहाज़ से भारी topic है। चार pillars को मास्टर करें — ownership and stewardship, golden source and MDM, छह quality dimensions, और DPDP overlap वाला metadata — और आप examiners की ज़्यादातर variations का जवाब दे पाएँगे।
इस chapter को iibf.store पर CAIIB course के भीतर full-length practice के साथ मज़बूत करें, और ऊपर दिए गए MCQs को तब तक दोहराएँ जब तक आप हर जवाब बिना देखे समझा न सकें। इस पूरे subject को framework देने वाली RBI की व्यापक technology-risk अपेक्षाओं के लिए, rbi.org.in पर प्रकाशित RBI Master Directions on IT governance and risk देखें।
Quick quiz on this topic
5 exam-style questions from our free test bank — check yourself before you move on.
Practice this topic
मुफ़्त मॉक टेस्ट दें, चैप्टर PDF डाउनलोड करें या वीडियो क्लास देखें — सब iibf.store पर मुफ़्त है।
पढ़ना जारी रखें
