本文共字，预计阅读时间。

文/东莞证券股份有限公司 舒飞燕

（本文为“证券机构数字化转型与证券科技创新”征文活动入围文章。）

一、研究背景

在数字化转型的浪潮下，数据已成为不可或缺的决策依据，在经营管理、业务拓展、风险控制等方面发挥至关重要的作用。国内证券公司经过多年的信息化建设发展，已积累了海量的数据，但这些数据分散在各个业务系统，系统间未形成统一的数据标准规范，导致业务人员难以全面、快速、集中有效使用这些数据，且数据质量问题时有发生。

为解决数据使用面临的这些突出问题，进一步提升企业数字化经营水平，切实满足发挥数据价值的要求，证券公司亟需开展数据治理工作。一方面，建设数据治理管理体系、健全数据质量控制机制、加强数据内外部共享，提升数据管理水平来保障公司数字化转型战略的落地。另一方面，真实、准确、连续、完整的高质量数据是实现证券业务全面风险管理的基础，也是监管部门对证券公司提出数据治理的监管要求，可进一步为证券行业高效发展保驾护航。

图1-1 数据治理背景与目标

二、设计与实践路线

国际数据管理协会（DAMA）对数据治理的定义：对数据资产管理行使权力和控制的活动集合。数据治理本质是一个管理体系，包括组织、制度、流程、工具，它管理的对象是“数据”。它是企业实现数字战略的基础，其最终目标是提升数据的价值。图2-1是数据治理框架图。

图2-1 数据治理框架图

东莞证券从2017年开始提出数据治理工作计划，同年启动大数据平台建设工作，计划基于大数据平台开展数据治理工作。利用大数据平台数据整合能力，采集各业务系统源数据，完成业务数据的归集。结合业务发展，从数据应用与服务入手，紧抓重点领域，通过数据治理手段，制定统一的数据标准、提高数据质量、增强数据共享能力，实现自助数据分析，推广数据治理文化。图2-2是数据治理-自助分析平台案例实施路线。

图2-2 数据治理-自助数据分析平台实施路线

（一）建立数据治理组织架构与制度，明确职责

为有效开展数据治理工作，我们借鉴银行业数据治理的经验，依据东莞证券实际情况，建立了科学合理的数据治理委员会、工作小组、专员三层组织架构，制定了围绕数据生命周期管理的数据治理制度，形成了较为完备的数据治理管理体系。

数据治理委员会主要进行数据治理战略上的规划，包括规划公司数据治理工作蓝图，发挥企业数据价值：制定数据治理战略、方针及政策；领导、协调开展数据治理具体工作；审议数据治理制度、组织架构、管理流程；评审数据应用规划；听取和指导数据治理工作小组的工作；制定数据治理工作考核机制。

数据治理工作小组是数据治理委员会的下设机构，负责制定数据治理的相关制度、流程；负责掌握公司数据治理现状，评估数据治理方法，制定可行的实施方案；负责评估公司各单位数据治理工作；负责组织和牵头数据治理评估、建设、推广工作，形成数据治理文化。

为将数据治理工作落到实处，东莞证券特别要求各单位设置一名“数据治理专员”来落实本单位的数据治理相关工作。数据治理专员负责梳理本单位常用业务指标、定义指标口径标准、掌握自助数据分析平台工具的使用、负责本单位的业务数据分析工作。其中分支机构的数据分析需求，由经纪业务管理总部数据治理专员负责。

（二）业务驱动治理，咨询与实施并行

数据治理的一大难点是业务单位在一开始很难看到治理的直接成效，因此我们优先深入挖掘业务人员数据使用的痛点：不能及时获取数据、不能清晰理解数据指标的含义、由于业务人员与技术人员的理解差异获取了错误的数据。上述痛点问题，归根结底是数据标准的问题，因为缺乏统一的标准，对数据没有统一的认识，所以存在理解差异的风险，需要做好数据标准管理。东莞证券通过建设标准化数据指标池，构建自助数据分析平台，业务人员可以直接获取并清楚理解自己使用的数据。在向业务单位推广自助数据分析平台的过程中，业务人员能够真实的体会什么是数据治理，理解数据治理的文化及其价值。

考虑到证券行业数据治理起步较晚，相关咨询公司案例缺乏且咨询费用较高两个因素，数据治理管理单位牵头组织各公司各业务单位数据治理专员，组成数据治理业务咨询与实施团队。数据治理管理单位依据过往三年全公司的数据分析需求和已有的数据分析报表，梳理出常用的业务数据指标，整理出业务数据指标口径。口径包含两种描述，一种是业务定义，具体到系统、菜单、字段名，加工过程，这种口径是业务人员和技术人员都能理解的；另一种是技术口径，是具体的SQL加工语句，是技术人员能理解的。将整理出来的业务数据指标标准文档发送各业务单位，与各业务单位数据治理专员一一沟通确认，数据治理专员在整理的数据标准文档基础上补充所需的业务数据指标标准描述，删除已不再使用的数据口径，修正口径有误的数据指标标准。

（三）公司业务数据字典建立

利用大数据平台的海量存储能力，把各业务系统数据采集到大数据平台，经过数据清洗、整合，数据治理管理单位依据业务数据指标标准文档，加工出对应的数据标准指标池，将指标池数据部署到自助数据分析平台，给到各相关业务单位进行测试。测试完成后，将业务数据指标标准给到各单位进行最后评审，评审通过后，将业务数据指标标准发布为公司业务数据字典。

后续公司涉及到数据开发相关的需求，以公司业务数据字典为依据进行开发，如果涉及新指标，需业务人员描述清楚指标标准口径，后续统一纳入公司业务数据字典进行管理。

（四）制定质量保障规范，加强源头系统质量治理

在案例实施过程中，我们发现质量问题主要分为两类，数据源质量和加工逻辑问题。源头问题需要反馈到业务单位，通过数据治理委员会进行督办整改，从根本上解决问题，形成良性循环；针对加工逻辑问题，要做好血缘分析、代码复核、数据质量稽核规则配置及监控，保障数据质量。最后在制度上将质量问题与各单位考核挂钩，保障问题得到治理。

（五）自助数据分析平台上线及数据治理文化推广

以日常实际数据需求为例，通过视频、操作指引、远程培训等方式，为各单位数据治理专员指导自助数据分析平台的使用，提高各单位自助数据分析能力。让各单位的数据获取从流程等待转变为自己动手，体会自助数据分析的便捷。

通过这样一个以数据价值变现和认知升级为目标的数据治理应用案例实践，证券公司从高管、中层、基层员工，公司内部各层级人员对数据治理价值和工作方向的认识水平都有了一定的提升。数据治理文化的推广是个持续的过程，需要定期组织培训，不断去推广这种文化。

三、实践效果及思考

（一）形成公司级业务数据字典

制定了资产、收入、交易、客户标志、客户权限、客户信息、运营分析等324个基础数据分析高频指标的数据标准，依据年、月维度供衍生出627个数据指标标准，形成公司级别的业务数据字典。首先达到了业务知识沉淀、传承的目标；其次，各单位对业务数据指标有了清晰的认知，可缩短日常数据需求的沟通时间，并降低双方理解存在歧义的风险；最后，因为有标准可依，可将数据指标池数据纳入每日数据质量监控体系，进一步提高数据准确性，降低经营决策和对外报送的风险。

（二）提高业务人员数据分析便捷性

自助数据分析平台上线后，业务单位可快速进行常用业务数据分析，不再需要通过传统的审批流程提取数据，提高了公司整体的工作效率，最重要的是能够随时分析，快速发现业务机会，提高公司业务竞争力。

透视分析示例图：

组合分析示例图:

涉及新增计算口径示例：

（三）提高数据共享能力并降低使用风险

因为已经形成标准的指标池，后续其他应用需要相应的业务数据则无需再次加工，在数据开发方面提高了整体的数据共享能力。指标池中数据部署到自助数据分析平台，各业务单位按需使用，在使用方便，与传统定制报表相比提高了数据共享能力。由于数据口径是标准可理解的，处于质量监控体系中，数据质量得到进一步保障，风险进一步降低。

（四）数据治理未来思考-数据驱动业务

社会经济在升级，证券公司也面临着从通道收入向产品与服务转型的压力。深入理解跟踪客户、打造分类分级服务体系、精准营销适当的金融产品、优化业务布局、做好风险预警管理，这些都离不开数据分析的支持，也是数据治理发挥数据价值，助推证券公司转型的最终目标。

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文版权归原作者所有，如有侵权，请联系删除。