作者 \ 李峰、吕祥友、李健、谷文臣、於勇成、王恩会、赵阳   

摘要:本课题以我国证券公司开展数据治理工作中存在的困难为出发点，借鉴国内外先进的数据治理经验，提出了以“数据中台”为主要方向的证券行业数据治理建设方案，目标是打破原有“烟囱式”、“项目制”系统之间的集成和协作壁垒，发挥证券公司数据资产价值。课题详细研究论证了建设方案的总体特点、落地路径、核心模块以及运行保障措施，应用的可操作性高，系统完备且创新性强，对于推动证券公司数字化转型，实现高质量发展具有重要意义。

一、绪论

数据资产已成为丰富市场产品、提供精细化服务、提高组织绩效、带动经济增长的新型生产要素。2020年政府工作报告强调，要“推动要素市场化配置改革”“促进人才流动，培育技术和数据市场，激活各类要素潜能”。数据治理日益成为证券公司充分利用数据资产、实现数字化转型、推动高质量发展的基础。构建完善的数据治理体系和良好的数据生态，能够提高数据资产的配置效率、发挥数据资产作为新型生产要素的经济价值，为消费者和投资者提供更加多样化的金融产品和服务，成为证券公司提升核心竞争力的必由之路。

（一）选题意义；

（二）研究内容；

（三）研究思路；

（四）研究方法；

（五）研究价值。

二、国内外研究文献概述

随着数据时代的来临，数据产生的价值越来越大，海量数据的处理与应用构成了数字经济存在与发展的关键性必要条件，数据作为基础性战略资源的论断已然成为国际社会的普遍共识，但是关于数据治理的概念尚未统一。

（一）数据治理概念的界定。

组织以发展战略为导向，在数据安全保障制度、数据资产确权标准、行业监管要求等宏观制度环境约束下，以组织、制度、流程、文化等为保障，借助金融科技手段，降低组织内行政成本和官僚成本，提升组织绩效的过程。

（二）数据生态建设。

数据生态仍然要以个体组织的行为激励为驱动力，以构建完善的数据治理体系为支撑，确保数据质量、提高数据使用效率、充分发挥数据价值。

（三）数据治理的相关政策和标准制定。

2018年，中国证券业协会牵头开展了跨行业的数据治理调研，并起草了《证券公司数据治理操作指引》（征求意见稿），借鉴国际和国内数据治理、数据生态建设经验，从“加强方向指引、推动统一规划、形成数据治理架构、建立数据治理制度、促进行业数据生态建设、推动数据应用与数字化转型”六个方面提出了具体建议，为证券行业实现高质量发展强基固本。

（四）数据治理与生态建设中的数据安全问题。

中国《网络安全法》也将个人信息保护纳入网络安全保护范畴，围绕数据保护的相关配套法规和管理标准相继出台。

（五）基于数据治理的监管创新。

近年来，中国证监会也在大力发展监管科技工作。2018年8月正式印发的《中国证监会监管科技总体建设方案》，提出了监管科技分步实施的战略规划，是建立完善监管科技顶层设计的重要指引。2019年12月，中国人民银行发布公告表示，为贯彻落实《金融科技（FinTech）发展规划（2019-2021年）》，将积极构建金融科技监管基本规则体系，探索运用信息公开、产品公示、社会监督等柔性管理方式，努力打造包容审慎的金融科技创新监管工具，着力提升金融监管的专业性、统一性和穿透性。

三、国内外证券行业数据治理历史及现状分析

（一）国内外数据治理发展历程。

从发展历程上看，数据治理主要经历了编码时代、主数据时代、信息标准化时代和数据治理时代四个阶段，各阶段的特点如下。

1、编码时代；2、主数据管理时代；3、数据标准化时代；4、数据治理时代。

（二）证券行业数据治理存在的问题。

数据治理是企业数字化转型的基础与前提，现阶段证券公司对于数据治理的理解仍较为初级，对应的机制和基础能力还需进一步积累完善，如何将数据治理工作做好将成为证券公司数字化转型面临的长期挑战。总体来看，目前国内证券公司在数据治理方面普遍存在以下几个方面的问题。

一是未形成统一规范的数据治理标准；二是数据治理组织架构和体制机制有待进一步完善；三是尚未形成高效的数据治理体系；四是数据孤岛现象较为突出，数据管理工作亟待加强；五是数据服务水平与分析能力有待提高，数据资产化任重道远；六是证券公司数据生态尚处于探索阶段。

（三）证券业数据治理与生态建设的市场经验和主要模式。

科技赋能并不是将一系列先进技术做简单叠加，而是在充分把握行业发展趋势和了解现有业务痛点的基础上，以客户为核心，借助科技力量带动服务能力提升，为客户提供更优质的服务。

四、证券公司数据治理体系构建

为了引导行业加强数据治理工作，提高行业数据质量和数据应用能力，中国证券业协会发布《证券公司全面风险管理规范》，明确指出证券公司应当建立健全数据治理和质量控制机制；中国证券监督管理委员会发布《证券基金经营机构信息技术管理办法》，要求证券基金经营机构应当结合公司发展战略，建立全面、科学、有效的数据治理组织结构以及数据安全生命周期管理机制。

（一）以“数据中台”为总体方向；

（二）全面梳理数据资产；

（三）基于数据资产实现数据中台；

（四）搭建数据管控平台；

（五）结合数据中台实施数据治理；

（六）模式优点；

（七）行业价值。

五、数据治理核心模块

（一）数据门户地图。

数据门户管理，实现数据分布与地图管理，建立可信源及拥有者管理、数据目录树、数据实体、数据项、数据标签为基础的数据资产目录，打破信息孤岛和部门边界，实现组织范围内的数据关联与分析管理，实现数据的便捷查询、浏览，增强用户体验，提升业务价值，实现数据分级分类，为数据战略、数据管理策略的落地打下基础。

（1）数据资产目录管理；（2）数据关联与分析管理。

（二）元数据管理工具。

（1）元数据采集；（2）元数据管理；（3）元数据展示；（4）元数据应用；（5）元数据搜索。

（三）主数据管理工具。

具备企业级主数据存储、整合、清洗、监管以及分发等五大功能，并保证这些主数据在各个信息系统间的准确性、一致性、完整性。

（1）主数据存储、整合；（2）主数据管理；（3）主数据分发与共享；（4）主数据分析。

（四）数据指标工具。

（1）数据指标定义；（2）指标维度管理；（3）指标维护；（4）指标的查询；（5）指标值的管理。

（五）数据资产管理。

（1）数据资产管理主要包括；（2）数据资产注册管理；（3）数据资目录管理；（4）数据视图管理；（5）数据资产统计分析；（6）数据成本管理和数据价值（收益）管理。

（六）数据交换和服务工具。

（1）数据采集服务；（2）数据交换服务；（3）数据加工处理服务；（4）数据共享服务；（5）运行支撑服务。

（七）数据质量工具。

（1）数据质量初步分析；（2）数据质量精度检查；（3）数据质量检查服务；（4）相似重复记录检查；（5）比对和验证检查；（6）检查结果处理；（7）系统提供问题数据统计。

（八）数据模型管理工具。

（1）数据模型设计；（2）模型差异稽核；（3）数据模型变更管控；（4）模型可视化。

（九）数据安全工具。

（1）数据授权；（2）数据脱敏；（3）数据访问安全；（4）数据服务的发布/申请/审核管理；（5）数据服务的接入控制。

（十）数据开发工具。

（1）实现数据预处理；（2）建立数据加工流程；（3）基于数据流实现单个业务主题在多个业务系统之间数据变化过程和数据加工开发，每个业务主题具有一个由数据源模型、数据加工节点组成的数据流式加工模型，上一个加工节点的目标源模型是下一个加工节点的数据源模型；（4）数据加工模型管理。

六、实施步骤和运行保障

（一）实施步骤。

本报告认为数据治理是一个持续性的服务，而不是一个有着明确范围的一锤子买卖。第三阶段的常态运营应该融入公司常态化运营和工作范畴，把数据持续有效的用起来，形成数据-服务-运营-数据的闭环。

（二）运行保障。

数据治理涉及证券公司各业务经营和管理领域，需要建立完善的组织体系和运行机制，切实保障数据治理工作的顺利推进。

七、结论和展望

（一）研究结论。

本报告针对我国证券公司开展数据治理工作中存在的问题和困难进行了系统梳理，借鉴国内外先进经验，研究论证了以数据中台为核心建设我国证券公司数据治理体系的可行性，并对数据治理的落地举措、核心模块、实施步骤和运行保障等要素进行了详细设计，报告主要内容可概括如下。

一是总结归纳了国内外数据治理研究现状。梳理了国内外关于DAMA数据管理知识体系、IBM数据治理统一流程理论、数据治理成熟度模型等数据治理理论研究，为证券公司数据治理体系的构建奠定了理论依据。

二是对国内外证券行业数据治理历史及现状进行了分析。首先介绍了国内外数据治理发展历程，并通过访谈调研、系统分析等方式，总结分析了证券行业在数据采集、数据共享、数据应用系统建设、数据管理模式等方面的现状、问题和困难。

三是提出了证券公司数据治理体系构建的具体方案。报告在现状分析的基础上，通过对比监管部门以及有代表性金融机构的先进做法，明确了证券行业数据治理发展目标，从数据采集、数据标准、数据治理管理、数据共享、治理机制、数据安全管理、数据平台建设、数据应用系统建设等方面提出了适合我国证券公司的数据治理体系框架。

四是对数据治理核心模块进行了研究分析。针对课题提出的数据治理体系，详细了论证数据标准管理、数据治理管理、主数据管理、元数据管理等各模块的基本构成、属性特征、核心功能和应用。

五是提出了具体实施步骤和运行保障措施。针对课题提出的数据治理体系框架及各个模块，报告明确了证券公司数据治理中长期的建设任务、实施路线图、分阶段实施重点、阶段性目标、实施计划，以及在实施过程中的关键风险因素与应对策略、组织资源保障等内容，方案建议切实可行。

（二）政策建议。

助推证券公司数字化转型、融入数据生态的主要路径可分为两类，一是证券公司主动把握金融科技发展机遇，以提升经营决策能力和运营管理效率；二是监管层通过监管科技倒逼金融机构完善数据治理。前者可视为同业竞争下的市场驱动，后者则是监管层抢占数字经济发展先机下的政府驱动。从健全个体组织数据治理到形成证券行业数据生态的过程中，需要坚持“政府+市场”的发展思路。一方面，组织推动数据治理和数据共享的目的在于组织绩效最大化，其本身具有制定数据治理战略规划、提升竞争力的激励。另一方面，数据生态的形成过程具有强烈外部性，纯粹依靠市场主体自下而上的方式成本很高，需要相当漫长的市场演化过程。处于数据垄断地位的企业缺乏合作激励，不利于数据生态的形成，而且数据生态需要良好的数据基础设施，如统一的数据标准、数据治理体系指引等。以上这些并非单个市场主体可以推动，需要监管层面以提供公共产品的思路，构建完善的数据生态基础设施。

第一，通过政府监管组织和协会自律组织等公共部门完善证券行业制度供给。一是破除因数据标准不一致而产生的组织合作壁垒，完善《证券公司数据治理操作指引》，为证券行业数据治理涉及的监管要素、技术要素、治理结构要素提供指引，逐步打通国家标准、行业标准、组织标准界限，探索与国际标准接轨；二是以行业监管为主抓手，通过强化数据报送等环节的监管要求带动提升数据治理水平，并以监管大数据平台带动形成良好的市场数据生态；三是通过个别指导、先进案例、组织培训等方式拉近金融机构、监管者、第三方服务商之间的距离，增强市场需求主体之间的交流沟通；四是组织人才和技术培训，发展人工智能、大数据等底层技术，优先布局前沿技术；五是注重保护个人隐私和数据安全。需要指出的是，严格界定的数据产权并不一定产生最优的资源配置效率，尤其是在市场发展初期，严格的数据产权保护可能提高信息传播和数据共享成本，导致矫枉过正的后果。

第二，监管层在构建基础设施、完善制度环境的同时，也要注意构建数据生态的目的在于提高市场中数据资产的资源配置效率，这一过程主要依赖于市场驱动。一是证券公司等市场主体要主动拥抱数字化转型趋势，健全治理组织，加强治理文化宣贯，引入咨询战略伙伴，抓住治理核心领域，建立长效治理体系。通过打造统一的数据服务平台，如数据管控服务、资讯数据服务、数据安全服务等，为证券公司各分公司、营业部提供多样化的支持；建设各类支撑性应用系统，如精准营销模型，自助分析系统等，使数据资产价值得到充分发掘。二是在政府引导下，发挥龙头证券公司作用，建立有利于全行业互联互通、合作创新的数据分享与合作机制。三是形成政府与市场双向沟通的议事机制，引导证券公司积极参与数据治理标准制定工作，满足市场发展需要，推动行业高质量发展。