【交易技术前沿】浅析基金业推进数据治理的阻碍及应对建议
上交所技术服务 2022-02-08 15:30
选自《交易技术前沿》第46期 数字化转型专刊
浅析基金业推进数据治理的阻碍及应对建议
马振民、朱于/ 汇添富基金管理股份有限公司
汪皓然、殷昊南、张帆/ 上海艾芒信息科技有限公司
邮箱:hnyin@c-ross.com.cn
一、引言
证券基金行业2019年6月1日起正式实施《证券基金经营机构信息技术管理办法》,其中第四章第二节整章节对数据治理提出了监管要求,要求各经营机构结合公司发展战略,建立全面、科学、有效的数据治理组织架构以及数据全生命周期管理机制,确保数据统一管理、持续可控和安全存储,切实履行数据安全及数据质量管理职责,不断提升数据使用价值。自此,数据治理引起了基金业的高度重视,大部分基金公司已启动了数据治理工作。但是,行业数据治理在落地和推进的过程中,仍然面临着不少阻碍。本文尝试分析这些阻碍,并提出了应对建议,希望能对推进数据治理、促进数字化转型、创造数据价值有所帮助。
二、基金业数据治理的目标
基金业与其它行业的数据治理既有共性又有不同,笔者认为基金业的数据治理目标,由低到高可以概括为:合规经营、提升效率、创造价值。
依法合规是基金公司经营的底线,基金公司的数据治理工作首先应达到监管要求。通过《证券基金经营机构信息技术管理办法》中的相关规定可以发现,监管对数据治理的关注点的重点之一是数据安全,其中对数据分类分级、数据安全保障措施、数据访问权限、数据使用监测和违规行为纠正、数据隐私保护等五个方面做了具体要求。基金公司应将数据安全管理作为合规经营的重要一环,落实相关的规定。
数据治理是提高数据质量的有效手段,基金公司需要高质量的数据提升经营和管理效率。基金行业的投资研究、客户营销、运营管理、风险管理和信息披露等业务都依赖于大量的数据。基金公司中的数据存在准确性、完整性、一致性、规范性等诸多质量问题,使数据使用方须耗费大量的精力查找和核对数据,严重影响了业务开展的效率。通过数据治理提升数据质量,可让用户使用数据时“容易找、放心用”,提升经营和管理效率。
行业中各机构已经逐步认识到,数据是一种极为重要的资产,可以创造价值。在基金业各核心业务系统中,多年来积累了大量的历史数据,其中包括投资研究、客户信息、销售和服务、业务运营等重要数据。这些珍贵的数据资源可在金融科技迅速发展的大前提下被很好的应用,帮助提升公司价值。如:可通过使用大数据技术分析客户需求;对目标客户进行画像并分析业务流程,以达到客户增长更迅速、产品销售更精准、业务流程更高效的目的。因此,为了提升公司的数据应用价值,越来越多的业内机构已经或希望开始对自身数据进行有效整合及梳理。
三、基金业数据治理的推进阻碍
通过同业交流和调研发现,目前行业内大部分基金公司都对数据治理的重要性有了一定的认知,并且积极从规划部署、组织架构、管理部门、专业数据团队以及相关的制度规范着手落实数据治理要求。但同时,在数据治理概念的实际落地过程中,因各家基金公司的资源及数据治理理念不同,导致了各家公司数据治理的步伐不一致,以及数据治理工作的质量参差不齐。如,为使数据得到有效治理,有些公司通过数据平台过渡到数据中台,有的直接建设数据中台,但期间公司内部没有形成良好的数据治理模式以及数据全生命周期的有效管理机制,以至于大多数公司的数据都分散于各业务系统中,数据格式与质量参差不齐,导致公司无法从大批量产生的数据中获得持续价值。在现阶段的推进数据治理工作、实现数据治理目标过程中,普遍存在着以下三个明显的阻碍:数据分类分级及权属不清晰带来安全隐患,阻碍了合规经营;信息技术发展模式影响数据质量,阻碍了效率提升;数据科技能力不足限制数据应用,阻碍了价值实现。
(一)数据分类分级及权属不清带来安全隐患
目前各家公司对于核心系统内数据字段的分类分级还不清晰。按照《证券期货业数据分类分级指引》中的要求,行业内各公司应对系统内各项数据按照其重要程度、影响范围等进行分类与分级,并按照不同等级程度对数据进行全生命周期的管理。但大部分公司现有数据分类分级制度以及落地措施并不十分清晰。一个系统中的一张表内可能含有的数据字段的重要程度相差过大,且因数据字段的分类分级没有标准能够依据,大多凭借制定者的经验进行主观判断,这直接导致了数据字段及数据表的分类分级出现误差,使得核心数据被边缘化管理。
数据分类分级的不清晰性也间接地造成了数据权属及审批机制的不清晰。因此,数据在各部门间流转的时候,很难确认最终数据的归属与认责应落在哪个部门,也无法明确谁应该对数据的准确性进行最终确认。在数据的日常维护与管理中,也无法得知哪个部门有义务对数据进行维护与管理。在数据的使用方面,同样无法明确谁拥有可以使用数据的权力。且不同级别的数据对内使用和对外发布时需要的数据安全策略也不相同,有些公开后并无危害,有些只能内部流转,有些更是只能在相关的部门进行流转,同时需经过层层审批,对其使用的安全性进行严格把控。因此,只有当数据被正确的进行分类分级时,公司内部才能建立一个成熟的审批机制对数据的全生命周期进行有效管理。
数据分类分级及权属的不明确也导致了数据层面的信息安全事件不断发生。内部员工对于公司持有的数据没有明确的认识,数据安全方面的意识淡薄且内部的数据管理模式也不够成熟,导致了如数据泄露、数据超限使用等数据安全事故时有发生。员工对于数据的重要程度及保密性认识不足,仅从方便业务发展的需求的角度考虑,在非数据保护区域对数据进行处理或存储。又或者业务部门被给予过高的数据使用权限,随意向IT部门索取高密级数据,IT部门只能被动进行配合。因此数据安全意识的淡薄及数据的分类分级不够明确致使数据的治理边界经常被突破。这不仅使得公司在运营过程中存在严重的安全隐患,也不符合监管部门对于数据合规使用及管理的相关要求。
(二)信息技术发展模式影响数据质量
首先,数据梳理和数据质量的提升过程中面临着业务和技术不协同问题。基金业内多数公司IT的发展是为了更加稳定、安全及高效的发展业务,IT相关的战略也以支撑业务发展为导向而建立。因此造就了业务部门的权限通常会高于IT部门。在数据治理的过程中也是如此,很多时候无法明确是应该由IT部门牵头组织亦或是应由业务部门牵头。这一现象导致了业务部门与IT部门互不配合。例如:IT部门想要从源头开始梳理各项数据的格式及数据字段的含义,可IT与业务层面的技术壁垒导致IT人员在没有业务部门配合的情况下无法对数据进行准确的梳理。又或是业务部门认为遵守新的数据管理制度会影响业务办理的效率,依旧按照自身的业务习惯对数据进行管理。公司内各部门对于数据治理项目的重视不足以及行动上的不配合,一定程度上阻碍了公司内部数据治理项目的推动。
其次,基金业信息技术技术发展过度依赖供应商的模式,也影响了数据的整合和质量提升。目前基金业各核心系统供应商提供的系统,如投资管理、估值核算、注册登记、直销等系统,都有属于自己的数据体系,而各基金公司通常选择多家供应商合作,导致了须与多套数据体系对接,这增加了数据标准化和数据转换的难度,数据标准缺失、数据转换过程中产生的差错,都严重影响了数据质量。
(三)数据科技能力不足限制数据应用
如需充分挖掘、梳理和分析数据内容,在业务经营、风险管理与内部控制中构建数据应用,充分有效发挥数据价值,基金公司需要拥有充足的数据科技能力和人才。但目前,多数基金公司的信息技术人员不多,其中的数据部门或数据团队往往疲于应付各类取数和报表需求,没有精力提升大数据、机器学习、人工智能等数据科技能力,无法有效支撑投资研究、风险管理、绩效分析、客户营销等数据应用中的深度数据挖掘、分析需求,影响了数据创造价值。
四、基金业数据治理的推进建议
针对以上行业内数据治理工作目前存在的阻碍,可以看出要让数据得到有效治理,基金公司必须采取有针对性的措施,推进数据治理工作。本文针对行业内数据治理的发展分享几点看法:
(一)从分类分级入手加强数据安全管理
首先,应切实加强数据字段的实际分类分级以及权属管理表的标记工作。公司应根据数据字段的重要及保密程度对数据字段进行明确的分类分级并要求全公司按照已划分的级别对数据进行妥善管理。同时也需要对数据权属的划分进行明确,从数据的归属部门、使用部门、管理部门三个层面进行考量,明确各数据字段的属主、日常管理保管者、对外报送的核查人及进行业务分析等工作的数据使用者。在数据分类分级部分,建议参考并引用《证券期货业数据分类分级指引》的相关内容,结合各家公司自身业务情况,判断各项重要数据的权属,制作数据血缘图,并明确数据勾稽关系等,以此来帮助公司对数据进行妥善管理。
在确认了数据字段的分类分级标准以及权属划分之后,则应不遗余力地在全公司范围内对此制度进行推广,并要求员工在平时的日常工作中参照相应数据的分级标准及权属划分对数据的全生命周期进行充分管理。
在数据安全管理方面,还建议通过技术手段与人员行为规范对数据进行安全管控。公司可以通过相关技术支撑实现数据层面的隐形水印,有效预防公司内部核心数据泄露,或在数据实际泄露过程中,帮助溯源,精准定位责任人。同时,从数据的安全使用方面对公司所有人员进行规范,明确只能在数据被保护区域使用数据,并对核心数据的处理、存储、查阅、流转、销毁等过程通过系统层面实现每个步骤都进行留痕,以此达到对内部数据全生命周期进行安全管控的目的。
(二)通过完善数据治理组织和机制提升数据质量
为了解决数据治理过程中业务和技术不协同的问题,公司应建立完善的数据治理组织架构,上至决策层、下至管理层和执行层均应在数据治理领导小组的决策下,积极配合数据治理工作的推进。另外,各相关人员都需了解数据治理的最终目标是提升数据价值,这是一个持续而漫长的运营过程,需要逐步完善、分步迭代,并且需要跨部门的积极配合。因此,指望一步到位完成数据治理是不现实的,但在实际执行过程中往往以项目交付为目标,点到为止,导致治理不全面、无延续,效果也注定是差强人意。
在数据治理的规划过程中,可使用“以用带治”的策略,优先解决几个业务人员用数的痛点问题。这样可以调动初期参与人员的积极性,起到示范效应后更易于全面展开。
在数据治理项目落地过程中,领导层应给与项目牵头部门相应的支撑,帮助协调全司各方面项目所需资源,以达到最佳的项目执行效果。其中,需明确数据治理项目相关的实施细则,包括各部门团队在项目中担任的角色以及各自的职责和相应的奖惩机制激励大家积极配合数据治理的各项落地措施的施行。项目管理过程中,提升业务部门的参与度也是十分重要的。各部门可以不定期组织数据治理工作的讨论会及培训会,对于在各部门间流转的数据的标准定义及数据管理方面给出自身看法,并帮助确定最终的方案。在项目阶段性结束后,为了确保数据治理措施的持续有效实施,提升运营效率,最终达到数据有效应用的目的,建议公司内部制定相应的绩效考核机制,阶段性对于公司各部门的数据治理成果进行考核,并与年度绩效结果进行关联,希望基于此可以使内部数据治理工作由被动执行转化为积极响应,最后形成公司固定且完整的数据治理体系。
数据标准化是数据质量提升的基础,公司应由内至外对数据的标准进行统一。公司内部能够切实梳理各信息系统中的底层数据,使各字段中英文命名、类型、长度等进行统一。制定如《数据标准模板》《数据标准制定办法》《数据标准实行细则》等,从元数据开始,对数据的各项标准进行准确定义,帮助推动公司内部数据标准化的落地。同时,结合行业内数据标准的最佳实践,使得各机构数据标准的制定尽可能统一。同时建议各机构加大与监管方面的沟通,以及参考监管部门对于数据治理给出的指引,各方协力合作形成行业内较为完整的、统一的数据标准规则,让业内各公司可以依据标准化定义完善自身数据的治理工作。对内,可降低各部门因对数据标准理解的不一致而导致的数据源上下游部门的沟通成本。对外,可以提高数据披露和报送的质量和效率。
(三) 内外部结合提升数据科技能力
随着数字化时代的到来,各行各业纷纷开展数字化转型,未来基金公司也必须具备大数据分析、机器学习、人工智能等数据科技能力。为了有效提升公司的数据科技能力,基金公司应在多方面采取措施大力发展数据科技能力和人才。首先要发展壮大自身的数据团队,注重建设“老、中、青”结合的数据人才梯队,社招和校招并重,在积极吸引有经验的专业人才的同时,通过校园招聘补充新鲜血液。其次,要注重提升数据团队、应用研发团队以及公司全员的数据科技能力,通过建设自助型、自动化的数据提取和分析应用,解放数据团队投入到更高价值的创性工作中。在借助外部力量方面,应优先考虑和有经验的厂商进行合作开发,深度参与掌握数据科技和数据应用,减少采购封闭系统,降低对供应商的依赖。
五、结语
由于数据治理已然成为了行业内各公司未来几年的核心发展目标,本文旨在帮助大家了解行业内数据治理发展过程中的阻碍,并为了公司消除数据治理阻碍提供一些看法和建议。
数据治理工作是一个庞大的工程,牵扯到公司各层级的数据和业务以及跨部门的合作与支持,数据治理工作不可能一蹴而就,所以各公司还需为其投入相应的资源,并给予足够的时间使得各项举措平稳落地到日常的工作中,长远来看,才能使数据得到有效治理,并且通过良好的使用数据提炼其为公司运营所带来的持续价值。在借鉴其它行业数据治理的成功经验的同时,基金业应结合行业自身的特点确立数据治理目标的优先级,以应对实现数据治理目标的各项阻碍。建议基金公司从数据分类分级入手加强数据安全管理,实现依法合规经营;通过完善数据治理组织和机制提高数据质量,提升经营和管理效率;内外部结合逐步提升数据科技能力,使用高质量的数据治理成果支撑数据应用,充分发挥数据价值。
免责声明
本公众号内容仅供参考。对任何因直接或间接使用本公众号内容而造成的损失,包括但不限于因有关内容不准确、不完整而导致的损失,本公众号不承担任何法律责任。如有问题请反馈至tech_support@sse.com.cn。
上海证券交易所为证券公司、基金管理公司等市场参与者及相关行业机构提供交易技术支持与服务,包括日常交易技术支持、技术交流研讨、市场调查反馈、证券信息技术知识库、测试等服务。