भारतीय रिजर्व बैंक (RBI) ने बैंकों और वित्तीय संस्थानों के लिए डेटा प्रबंधन और सुरक्षा को बेहतर बनाने हेतु एक नया ड्राफ्ट फ्रेमवर्क जारी किया है। इस प्रस्ताव में कंपनियों को बोर्ड-स्तरीय जवाबदेही सुनिश्चित करते हुए, एक स्पष्ट 'थ्री-लाइन्स-ऑफ-डिफेंस' मॉडल अपनाने की आवश्यकता होगी। इस कदम का उद्देश्य डेटा विसंगतियों को ठीक करना और संस्थाओं को 2027 तक अपेक्षित क्रेडिट लॉस (Expected Credit Loss) अकाउंटिंग में संक्रमण सहित आगामी नियामक आवश्यकताओं के लिए तैयार करना है।
Detailed Coverage
डेटा गवर्नेंस को मजबूत करने की तैयारी
भारतीय रिजर्व बैंक (RBI) ने सभी विनियमित वित्तीय संस्थाओं के लिए डेटा गवर्नेंस मानकों को मजबूत करने के उद्देश्य से एक ड्राफ्ट फ्रेमवर्क पेश किया है। यह कदम ऐसे समय में उठाया गया है जब वित्तीय संस्थान परिचालन संबंधी जटिलताओं और साइबर सुरक्षा जोखिमों का सामना कर रहे हैं। डेटा के प्रबंधन, भंडारण और रिपोर्टिंग के तरीके को औपचारिक बनाकर, केंद्रीय बैंक का इरादा उद्योग को सूचना प्रबंधन के प्रति एक अधिक अनुशासित, एकीकृत दृष्टिकोण की ओर ले जाना है।
जवाबदेही और 'थ्री-लाइन्स-ऑफ-डिफेंस' मॉडल
नए प्रस्ताव के मूल में 'थ्री-लाइन्स-ऑफ-डिफेंस' मॉडल को अपनाना है। यह प्रणाली डेटा की खंडित जिम्मेदारी को समाप्त करने का प्रयास करती है, जहां निगरानी अक्सर आईटी, जोखिम प्रबंधन और व्यावसायिक टीमों के बीच बंटी होती है। नई गाइडलाइंस के तहत, जवाबदेही बोर्ड स्तर तक पहुंचाई जाएगी, जिसे डेटा प्रथाओं की देखरेख के लिए एक समर्पित समिति स्थापित करनी होगी। वरिष्ठ अधिकारियों को सीधी निगरानी का काम सौंपा जाएगा, जबकि प्रत्येक संगठन में डेटा मालिकों और संरक्षकों को जिम्मेदारी की स्पष्ट श्रृंखलाएं सौंपी जाएंगी। इस संरचना को यह सुनिश्चित करने के लिए डिज़ाइन किया गया है कि डेटा की गुणवत्ता को केवल एक तकनीकी कार्य के बजाय एक रणनीतिक प्राथमिकता के रूप में माना जाए।
'सिंगल सोर्स ऑफ ट्रूथ' लागू करना
RBI द्वारा पहचानी गई सबसे महत्वपूर्ण चुनौतियों में से एक विभिन्न बैंकिंग प्रणालियों में डेटा की असंगति है। इसे संबोधित करने के लिए, ड्राफ्ट 'सिंगल सोर्स ऑफ ट्रूथ' (SSOT) के निर्माण को बढ़ावा देता है। विभिन्न प्रणालियों से दूर जाकर जो अक्सर परस्पर विरोधी रिपोर्ट प्रदान करती हैं, वित्तीय संस्थान आगामी नियामक समय-सीमाओं को पूरा करने के लिए बेहतर स्थिति में होंगे। यह विशेष रूप से प्रासंगिक है क्योंकि बैंक 'एक्सपेक्टेड क्रेडिट लॉस' (Expected Credit Loss) अकाउंटिंग में संक्रमण की तैयारी कर रहे हैं, जो अप्रैल 2027 के लिए अनिवार्य है। इन नए अकाउंटिंग मानकों के तहत क्रेडिट हानियों की सटीक गणना के लिए सटीक और विश्वसनीय डेटा इंफ्रास्ट्रक्चर आवश्यक होगा।
कार्यान्वयन की चुनौतियाँ और अगले कदम
यह फ्रेमवर्क विभिन्न संस्थाओं के आकार और जटिलता को ध्यान में रखते हुए तैयार किया गया है, जिसका उद्देश्य छोटे गैर-बैंकिंग वित्तीय कंपनियों (NBFCs) और सहकारी बैंकों के लिए अनुपालन के बोझ को कम करना है। हालांकि, कई संस्थाओं, विशेष रूप से जो अभी भी लीगेसी कोर बैंकिंग सिस्टम पर निर्भर हैं, उन्हें केंद्रीकृत डेटा मॉडल में संक्रमण तकनीकी रूप से चुनौतीपूर्ण और महंगा लग सकता है।
एक अन्य क्षेत्र जिसमें स्पष्टता की आवश्यकता है, वह है विशिष्ट, मात्रात्मक मैट्रिक्स की कमी। जबकि ड्राफ्ट डेटा को 'उद्देश्य के लिए उपयुक्त' (fit for purpose) होने की उम्मीदें निर्धारित करता है, यह वर्तमान में यह मापने के लिए सीमित विवरण प्रदान करता है कि ऑडिटर अनुपालन को कैसे मापें। इसके अलावा, वित्तीय कंग्लोमेरेट्स को भारतीय प्रतिभूति और विनिमय बोर्ड (SEBI) और भारतीय बीमा नियामक और विकास प्राधिकरण (IRDAI) से समान सामंजस्यपूर्ण दिशानिर्देशों की कमी के कारण परिचालन कठिनाइयों का सामना करना पड़ सकता है। निवेशकों को आने वाले महीनों में परामर्श प्रक्रिया की निगरानी करनी चाहिए, क्योंकि इन नियमों का अंतिम संस्करण संभवतः संक्रमण समय-सीमा, गैर-अनुपालन के लिए दंड संरचनाओं और पर्यवेक्षी ऑडिट को संतुष्ट करने के लिए आवश्यक विशिष्ट मानकों को स्पष्ट करेगा।