数据治理及经验分享

看得见的
“数据与行业标准不一致 数据缺失
数据不准确
数据统计依靠手工， 效率低下
获取数据需要一一协调各 部门解决，耗时耗力
不同部门的数据统计
口径不一致
”
看不见的
数据管控组织 主数据管理 元数据管理 数据质量评估
光大证券
数据管控流程 数据管控制度 数据标准
数据治理的目标及工作思路
从解决当前的经营管理问题出发，分三步走，循序渐进，最终促进业务战略目标的实现
必要先行和重要基础
光大证券
数据标准的作用(续)
在统一认识的基础上，规范信息系统建设：数据内容不再完全是供应商说了算
数据标准化的业务属性
在业务方面，通过对业务 定义、属性、规则进行收 集、整理和规范，支持业 务管理的规范化；
数据标准化的技术属性
在技术方面，通过统一数 据定义，提高数据的一致 性，促进数据共享，提升 数据质量。
光大证券
切入点三：以促进业 务发展为最终目标
数据治理体系框架概况
1） 组织、流程、制度是基础保障；2）数据标准是治理对象；它们是数据价值体现 的基础
数据管控
基础
数据 组织 职责
数据控制与流程 数据生命周期 数据质量管理
数据管理绩效
数据 安全 管理
技术 支持
支持
企业数据模型
对象
支持
数据标准
元数据
主数据
一级部门
3 数据管理部
信息 技术 部
数
数
数
据
据
据
管
服
分
控
务
析
组
组
组
数据管理组织 （近期组建）
数据管理组织 （远期组建）
各业 务 部门
非数据管理组织 光大证券
1 建立数据管理委员会
由后台部门（合规部、风控部、审计 部）、中台部门（信息技术部、计财部、 运营部、数据管理部（拟建））以及相 关的业务部门领导组成
统一业务技术人员认识！
业务、科技间的共同语言
提高业务技术沟通效率！
提高业务需求质量！
什么是数据标准化？ 什么是数据标准？
数据标准化是通过一整套的数据规范、管控流程和技术
工具来确保公司的各种重要信息，包括产品、客户、机构、 协议等在全公司内外的使用和交换都是一致、准确的
数据标准是一整套数据规范，它是开展数据标准化工作的
门商讨重大数据管理工作
务 部门
3 设立数据管理部为二级部门
与系统开发二级部并列 职能范围：近期业务涵盖数据管控、数
据服务，远期业务增加数据分析
数据管理组织 （近期组建）
数据管理组织 （远期组建）
非数据管理组织 光大证券
数据质量－流程和目标
数据质量包括事前的预防（数据标准）、事中监控（质量检查）、事后纠正（数据纠正）
光大证券
数据管控－跨部门分工协作
明确公司内各类主数据的负责部门，牵头全公司主数据管理，原则上，“谁的数据谁 负责”；“谁相关的数据，谁提供建议”
主数据分类 客户 产品 财务 人员 风险缓释 额度 机构
管理部门建议 机构业务部、零售业务 部、固定收益总部 发展规划部 机构业务部、零售业务 部、固定收益总部 人力资源部
光大证券
3. 营销服务
以大数据建模为核心 的专业数据分析应用
建立大数据应用机制与
用数模式，支持数据挖 掘类的分析应用。
数据价值－风险管理应用
通过数据应用，建立风险量化评估及报告体系，将风险偏好及限额管理有效落地
1 风险偏好体系
3 风险报告
2 风险量化体系
公司业务目标和 对风险的态度
风险容忍度
目
标
风
1.1 客户数据标准 1.2 产品数据标准 1.3 交易数据标准 1.4 渠道数据标准 1.5 财务数据标准 1.6 内部机构数据标准 1.7 协议数据标准 1.8 资产数据标准 1.9 营销数据标准 1.10 地址数据标准 1.11 公共代码 2.1 分析类指标定义框架 2.2 分析类指标分类体系 2.3 分析类指标维度体系
负责商讨并颁布公司统一的数据指标和 管理标准，同时负责制定公司数据架构 蓝图规划
2 设置首席数据官
负责数据管理组织日常工作的管理决策；
组织召开数据管理委员会议，协调各部 门商讨重大数据管理工作
3 设立数据管理部为一级部门
职能范围：近期业务涵盖数据管控、数 据服务，远期业务增加数据分析
数据管控－组织模式2
数据模型
促进
数据应用服务
应用
报表服务
应用服务
数据文件服务
支持
重点和难点
光大证券
数据管控－组织模式1
参照国际投行的管理模式，通过搭建企业级数据管理组织，构建以数据服务、数据管 控、数据分析为核心的业务体系，以数据为抓手推动公司战略目标的达成
董事会
经营管理层
1 数据管理委员会
2
总裁（CEO）
首席数据官 （CDO）
事前预防
事中监控
事后纠正
• 制定统一的数据标准 • 明确数据资产所有者 • 建立数据管控体系
• 数据质量分析 • 数据质量跟踪检验
• 数据质量缺陷管理流程
准确度 集成性 一致性 完整性 单一性 可访问 精确度 及时性
数据质量定量定性评估
数据是否准确地描述了事实？ 应关联的数据之间是否存在断开的链接？ 数据是否有单一的表现形式 是否有关键信息丢失？ 数据值是否单一? 例如，无重复值或记录 数据是否易于访问、理解和使用？ 数据是否按业务的精确度需求进行存储？ 信息是否定期更新以满足业务需求？
们的风险控制造成了很大的困难。
光大证券
” ——信用业务部
常见的数据问题（金融领域）
金融数据数量较大，数据模型多样，数据分类标准不一、整合度低、子公司数据缺乏统 一管理平台等缺陷，为金融机构有效管理风险带来挑战。
监管要求 &
业界动向
BCBS239 Principles for effective risk data aggregation and risk reporting “有效风险数据归集和风险报告原则”
CBRC监管统计数据质量管理良好标准
金融机构纷纷加强对于数据管理的投入：加强数据治理，设立首席数 据官（CDO）
光大证券
数据“污水”治理
信息系统
数据治理
未 数完 水治 据成 ”理 流治 数的 ！理 据“后 流污的 ！水“”清
风险管理
…
营销服务
…
光大证券
管理决策
…
数据问题的冰山理论
看得见的问题是表象，看不见的问题是本质；解决了“本质”问题，表象问题也就不攻 自破了。数据问题的本质，是数据治理问题！
体验，围绕以客户为中心，提供全生命周期服务
…
管理决策
…
汇集公司数据，为公司经营管理层提供各类分析决策报表， 提升分析决策效率及准确性
推进综合经营与集团协同，帮助公司发挥混业经营优势
光大证券
数据价值的构建阶段
首先解决“生存”问题 – 风险管理应用；最终实现“发展”- 支持管理决策和营销服务
1. 风险管理
具有有效的取值
一致性
必须保证企业范围 内同一语义的数据 具有相同的表达方 式
完备性
不存在关键信息项 缺失的情况
光大证券
数据流
个人
机构
服务机构
资讯行情
交易端 …
委托、 社交数据
…
委托、 业绩数据
银行 …
…
成交、 清结算数据
信息系统
…
行情 资讯数据
风险管理
…
营销服务
…
光大证券
管理决策
…
常见的数据问题（自身）
由后台部门（合规部、风控部、审计 部）、中台部门（系统研发部、计财部、 运营部、系统运维部）以及相关的业务 部门领导组成
负责商讨并颁布公司统一的数据指标和 管理标准，同时负责制定公司数据架构 蓝图规划
2 设置首席信息官
负责数据管理组织日常工作的管理决策；
组织召开数据管理委员会议，协调各部
各业
通过搭建部门级数据管理组织，构建以数据服务、数据管控、数据分析为核心的业务 体系，以数据为抓手推动公司战略目标的达成
董事会
经营管理层
1 数据管理委员会
2
总裁（CEO）
首席信息官 （CIO）
一级部门
3 系统研发部
系统 运维
部
数据管理部
系
统
数数数
开 发 部
据据据 管服分 控务析
组组组
1 建立数据管理委员会
对于多来源的数据，由于缺乏集中统一的数据仓库以及数据核对和数据清洗的机制，导 致各类风险管理系统的取数来源不统一，阻碍统一风控平台系统的建设。
“ ” ——风险管理部 量化对冲基金从研究、业务实施、投资管理到绩效评估对数据的要求都比较高。未来这 部分业务将实现产品化，资金规模将增大，非常需要有良好的数据平台和系统平台支撑。 ——光大富尊
数据的价值
数据的应用价值，主要体现在1）风险管理 2） 经营决策 3） 营销服务
风险管理
…
整合前中后台数据，为全面风险管理提供支持，降低经营 风险，支持业务转型
加强业务合规性，落实各项监管要求，并同时提升监管自 动化报送效率
营销服务
通过客户数据共享、产品数据共享、统一账号等措施，打
通各部门存在的客户共享壁垒与交叉销售壁垒，提升客户
风险管理部
风险管理部
人力资源部/前台管理部
主数据管理相关部门主要工作： 明确参与部门与职责划分 建立主数据管理制度与工作流程 排查主数据需求，确认主数据管理范围 定义主数据匹配规则 统筹协调全公司日常主数据管理工作 推进相关数据系统的建设或改造
光大证券
数据标准的作用
统一认识，避免业务部门之间，与信息技术部门之间出现“鸡同鸭讲”的情况
建立风险管理指标体系：包括指标
标准，指标血缘，指标应用模式等。
建立风险数据统计模型：建立数据
统计模型及报表管理的框架，包括 相应的架构、流程和工作手册，指 导日常的管理和维护。
建立风险管理系统和数据平台：建
立配套的平台应用与管理功能。并 结合指标梳理结果，完善核心指标 展示范围。
风险数据运营和管理模式：建立完
业务管理
ቤተ መጻሕፍቲ ባይዱ
数据标准是 “桥梁”
• 来源于业务，服务于业务。 • 不是建设IT系统，而是规范IT系统建设。 • 关于业务和技术的一整套数据规范。 • 随着业务的发展变化，也会持续的完善和
更新。
光大证券
IT系统建设
数据标准体系
数据标准体系的内容包括基础类数据标准和指标类数据标准
数据标准体系
1. 基础类数据标准 2. 指标类数据标准
整的数据管控流程。
建设风险管理指标和配 套管理框架及应用平台
2. 管理决策
综合考虑不同业务需求，
完善和扩展已有的指标库 并在已有平台上实施，能 够支持金融机构管理层及 不同部门或主题的大部分 用数需求。
确保各类管理指标完善机
制和管理平台的平稳运行 和持续优化完善。
将数据应用支持范围 和深度进行扩大完善
险
市场 风险 限额
信用 风险 限额
其他 风险 限额
状 况
业务1 限额
业务2 限额
业务3 限额
业务N 限额
监控、比对
日报，季报
主动管理
光大证券
公司风险总量
实
际
风
险
市场
信用
其他
状
风险
风险
风险
况
总量
总量
总量
业务1 风险
业务2 风险
业务3 风险
业务N 风险
数据价值实现的基础
我们需要类别完整 和 高质量的数据；低质量和不完整的数据，只能带来错误的决策
对于多来源的数据，风险管理部需要对接各个部门的系统，取数和核数都由手工操作， 工作量大数据准确性问题严重，影响市场风险和流动性风险管理工作进行。
“ ” ——风险管理部 信用业务要求大量的实时数据，例如在确定授信额度的时候，需要实时数据，差几个小
时的数据都可能不准确，决策时有困难，甚至可能违反监管要求。现在数据不及时对我
数据范围
参与人： 客户、员工、分支机构 产品: 产品信息、资讯、行情 合约： 行为、交易、授信额度 业务方向： 风险缓释 、财务
对目标数据和源 数据之间误差的 判断及管理
能够及时满足系 统的访问需求
准确性 时效性
对某一数据结构
或数据模型的具
体数据项的参照 完整性
完整性的考察
数据 质量
数据以合适的格
有效性 式被存储，并且
通过调研，发现数据问题主要包括
完整性 一致性 准确性 及时性
“ 创新业务和衍生品业务的风险管理方面，国内系统对复杂产品的支持还不达标, 数据没
有集中进入数据中心，难以获取，另外部分数据未落地，难以采集，不利于对此类业务
进行风险管理。
——风险管理部
“ ” 恒生投资交易系统业务数据分散在部门各个系统中，无法集中获取。希望公司未来建立 的数据中心可以对接不同系统，将各业务部门的数据统一入仓和管理，确保系统架构和 业务数据的一体化。 ——金融市场总部
目标一：解决当前存 在的影响业务运营、 风险管理等问题
切入点一：已解决现 实问题为切入点
逐
步 提 升
目标二：建立完善的 管理体系；形成数据 管理文化提高管理效 率和管理质量
数据管理 数据管理 目标 工作思路
切入点二：以规 划为主线
目标三：为应用更为 先进的数据应用技术 奠定基础，让数据成 为在行业竞争中的利 器
经验教训
是对数据可用性的提升，而非追求“完美”，不 是为了管理而管理
数据质量问题，是业务和技术部门的共同问题， 需要共同参与解决
数据质量的提升是一个长期持续的过程，其提升 效果会在实施过程中逐步体现，即“利在未来”！
数据质量问题不仅是事后的纠正，即“治污”， 更需要在源头预防，即“防污”- 源头控标准