金融证券数据治理及经验分享（48页）.pptxVIP

数据治理及经验分享

securtesAssCatnfchna;

2、为什么要做数据治理？

3、如何做数据治理？

4、我们的经验分享

光大证券;;

n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

n推进综合经营与集团协同，帮助公司发挥混业经营优势;;;;

3、如何做数据治理？

4、我们的经验分享

光大证券;

BCBS239Principlesforeffectiveriskdataaggregationandriskreporting“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）;

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

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

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们的风险控制造成了很大的困难。

——信用业务部

光大证券;

信息系统;

“

数据与行业标准不一致

数据不准确

数据统计依靠手工，效率低下;

4、我们的经验分享

光大证券;

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;;;;

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;

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;

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;;;

数据模型是指用实体、属性及其关系对企业运营和管理过程中涉及的所有业务概念和逻辑规则

进行统一定义、命名和编码，包括概念模型/逻辑模型/物理模型;

对于构建基于数据的应用来说，企业数据模型中的逻辑模型，就相当于构建一座大楼所用的设计图纸；数据应用不基于逻辑模型，就像构建一座建筑物，不用设计图纸；现实中，建造一座民房（小型数据应用），设计图纸可能是可选项，但构建一幢大楼（大应用），它应该是必选项。;;

1、数据对我们有什么价值？

2、为什么要做数据治理？

3、如何做数据治理？;

缺乏统一的数据来源

n需直接从各业务系统采集数据，既不安全，效率也不高

n历史原因造成的信息孤岛直接导致系统间的数据无法建立勾稽关系

大量数据需要手工处理

n业务部门的大量手工数据需要手工处理，费时费力。

n无法自动产生各种报表

n原始数据未能完全覆盖一些深度的风控指标。如公司资本金的计量、流动性精细化预测等;;;

手工录入

前后台数据

核对困难

缺失客户信息

缺失统一的

分析型应用

缺失数据治理

数据未共享

无数据分析应用;;;

数据中心包括：

l贴数据层、数据处理加工处理层和数据模型（企业数据模型）

l贴源层的