रिझर्व्ह बँक ऑफ इंडिया (RBI) ने सर्व बँका आणि वित्तीय संस्थांसाठी डेटा व्यवस्थापन आणि सुरक्षितता सुधारण्यासाठी नवीन मसुदा नियमावली जारी केली आहे. या प्रस्तावानुसार, कंपन्यांना बोर्ड-स्तरीय उत्तरदायित्व सुनिश्चित करण्यासाठी 'थ्री-लाईन्स-ऑफ-डिफेन्स' मॉडेल (three-lines-of-defence model) अवलंबणे आवश्यक आहे. डेटा विसंगती दूर करणे आणि 2027 पर्यंत अपेक्षित क्रेडिट लॉस अकाउंटिंग (expected credit loss accounting) सारख्या आगामी नियामक गरजांसाठी संस्थांना तयार करणे हा यामागचा उद्देश आहे.
Detailed Coverage
RBI ने डेटा गव्हर्नन्ससाठी नवीन मसुदा जारी केला
रिझर्व्ह बँक ऑफ इंडिया (RBI) ने सर्व नियामक वित्तीय संस्थांसाठी डेटा गव्हर्नन्स मानके (data governance standards) मजबूत करण्याच्या उद्देशाने एक नवीन मसुदा (draft) जाहीर केला आहे. वित्तीय संस्थांना वाढत्या ऑपरेशनल गुंतागुंत (operational complexities) आणि सायबर सुरक्षा धोक्यांचा (cybersecurity risks) सामना करावा लागत असल्याने हा निर्णय घेण्यात आला आहे. डेटा कसा व्यवस्थापित केला जातो, संग्रहित केला जातो आणि अहवाल दिला जातो याचे औपचारिकीकरण करून, मध्यवर्ती बँक उद्योगाला माहिती व्यवस्थापनासाठी अधिक शिस्तबद्ध आणि एकीकृत दृष्टिकोन स्वीकारण्यास प्रोत्साहित करू इच्छित आहे.
उत्तरदायित्व आणि 'थ्री-लाईन्स-ऑफ-डिफेन्स' मॉडेल
या नवीन प्रस्तावाचा मुख्य भाग म्हणजे 'थ्री-लाईन्स-ऑफ-डिफेन्स' मॉडेलचा अवलंब करणे. ही प्रणाली डेटाच्या विखंडित जबाबदाऱ्या (fragmented data responsibility) दूर करण्याचा प्रयत्न करते, जिथे अनेकदा IT, रिस्क मॅनेजमेंट आणि व्यवसायिक टीम्समध्ये देखरेख विभागलेली असते. नवीन मार्गदर्शक तत्त्वांनुसार, बोर्ड स्तरावर उत्तरदायित्व (accountability) ढकलले जाईल, ज्यांना डेटा पद्धतींचे पर्यवेक्षण करण्यासाठी एक समर्पित समिती (dedicated committee) स्थापन करावी लागेल. वरिष्ठ अधिकाऱ्यांवर थेट देखरेखीची जबाबदारी असेल, तर प्रत्येक संस्थेमध्ये डेटा मालक (data owners) आणि प्रशासकांना (stewards) जबाबदारीची स्पष्ट साखळी नियुक्त केली जाईल. डेटा गुणवत्तेला (data quality) केवळ तांत्रिक कार्याऐवजी धोरणात्मक प्राधान्य (strategic priority) म्हणून पाहिले जावे, हे सुनिश्चित करण्यासाठी ही रचना तयार केली आहे.
'सिंगल सोर्स ऑफ ट्रुथ' (SSOT) लागू करणे
RBI ने ओळखलेल्या सर्वात महत्त्वपूर्ण आव्हानांपैकी एक म्हणजे विविध बँकिंग प्रणालींमधील डेटाची विसंगती (inconsistency). याचे निराकरण करण्यासाठी, हा मसुदा 'सिंगल सोर्स ऑफ ट्रुथ' (SSOT) तयार करण्यास प्रोत्साहन देतो. विसंगत अहवाल देणाऱ्या भिन्न प्रणालींऐवजी (disparate systems), वित्तीय संस्था आगामी नियामक मुदतींची (regulatory deadlines) पूर्तता करण्यासाठी अधिक चांगल्या स्थितीत असतील. बँका 'एक्सपेक्टेड क्रेडिट लॉस' (expected credit loss) अकाउंटिंगमध्ये संक्रमण करण्यास तयार असताना हे विशेषतः संबंधित आहे, जे एप्रिल 2027 साठी अनिवार्य आहे. या नवीन अकाउंटिंग मानकांनुसार क्रेडिट लॉसची अचूक गणना करण्यासाठी अचूक आणि विश्वासार्ह डेटा इन्फ्रास्ट्रक्चर (data infrastructure) आवश्यक असेल.
अंमलबजावणीतील आव्हाने आणि पुढील पायऱ्या
हा मसुदा विविध संस्थांचे आकार आणि गुंतागुंत लक्षात घेऊन तयार केला गेला आहे, ज्यामुळे लहान नॉन-बँकिंग वित्तीय कंपन्या (NBFCs) आणि सहकारी बँकांवरील अनुपालन भार (compliance burden) कमी होईल. तथापि, अनेक संस्था, विशेषतः ज्या अजूनही जुन्या कोअर बँकिंग प्रणालींवर (legacy core banking systems) अवलंबून आहेत, त्यांना केंद्रीकृत डेटा मॉडेलमध्ये तांत्रिकदृष्ट्या मागणी आणि महाग संक्रमण आढळू शकते.
स्पष्टतेची आवश्यकता असलेल्या आणखी एका क्षेत्रात विशिष्ट, मोजता येण्याजोग्या मेट्रिक्सचा (quantifiable metrics) अभाव आहे. मसुद्यात डेटा 'उपयोगासाठी योग्य' (fit for purpose) असण्याची अपेक्षा असली तरी, ऑडिटर्सनी अनुपालनाचे मोजमाप कसे करावे याबद्दल सध्या मर्यादित तपशील दिला आहे. याव्यतिरिक्त, सिक्युरिटीज अँड एक्सचेंज बोर्ड ऑफ इंडिया (SEBI) आणि भारतीय विमा नियामक आणि विकास प्राधिकरण (IRDAI) कडून समान सुसंगत मार्गदर्शक तत्त्वांच्या (harmonized guidelines) अभावामुळे वित्तीय समूहांना (financial conglomerates) ऑपरेशनल अडचणी येऊ शकतात. गुंतवणूकदारांनी पुढील महिन्यांतील सल्लामसलत प्रक्रियेवर (consultation process) लक्ष ठेवावे, कारण या नियमांच्या अंतिम आवृत्तीत संक्रमण टाइमलाइन, गैर-अनुपालनासाठी दंड रचना (penalty structures) आणि पर्यवेक्षी ऑडिट (supervisory audits) पूर्ण करण्यासाठी आवश्यक असलेले विशिष्ट मानक स्पष्ट होण्याची शक्यता आहे.