搜索
数据治理及经验分享主讲人：王勇PhD，CFA，FRM光大证券首席风险官国家千人计划专家目录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？4、我们的经验分享光大证券数据流资讯行情交易端银行信息系统……个人服务机构……机构…风险管理…营销服务管理决策……委托、社交数据委托、业绩数据成交、清结算数据行情资讯数据光大证券数据的价值风险管理…营销服务管理决策……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，提升客户体验，围绕以客户为中心，提供全生命周期服务光大证券数据的应用价值，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将数据应用支持范围和深度进行扩大完善以大数据建模为核心的专业数据分析应用建设风险管理指标和配套管理框架及应用平台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。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：建立完整的数据管控流程。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。3.营销服务2.管理决策1.风险管理光大证券数据价值－风险管理应用光大证券公司业务目标和对风险的态度风险容忍度市场风险限额信用风险限额其他风险限额业务1限额业务2限额业务3限额业务N限额目标风险状况实际风险状况市场风险总量信用风险总量其他风险总量业务1风险业务2风险业务3风险业务N风险公司风险总量123日报，季报监控、比对主动管理风险偏好体系风险量化体系风险报告通过数据应用，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数据范围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准确性完整性一致性完备性有效性时效性数据质量参与人：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对某一数据结构或数据模型的具体数据项的参照完整性的考察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不存在关键信息项缺失的情况数据以合适的格式被存储，并且具有有效的取值能够及时满足系统的访问需求光大证券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？4、我们的经验分享目录光大证券常见的数据问题（金融领域）监管要求&业界动向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）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。光大证券常见的数据问题（自身）一致性完整性及时性准确性“”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“”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“”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。——风险管理部通过调研，发现数据问题主要包括光大证券数据“污水”治理风险管理…营销服务管理决策……信息系统未治理的“污水”数据流！数据治理完成治理后的“清水”数据流！光大证券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！看不见的数据与行业标准不一致数据不准确数据缺失不同部门的数据统计口径不一致获取数据需要一一协调各部门解决，耗时耗力数据统计依靠手工，效率低下“”看得见的数据管控流程元数据管理数据质量评估数据管控制度主数据管理数据标准数据管控组织光大证券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？4、我们的经验分享目录光大证券数据治理的目标及工作思路光大证券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数据管理目标目标一：解决当前存在的影响业务运营、风险管理等问题数据管理工作思路目标二：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切入点二：以规划为主线切入点一：已解决现实问题为切入点切入点三：以促进业务发展为最终目标逐步提升数据质量管理光大证券数据治理体系框架概况数据管控对象基础促进支持支持支持企业数据模型数据应用服务报表服务应用服务数据文件服务应用数据组织职责数据管理绩效数据生命周期数据安全管理技术支持数据标准元数据主数据数据模型数据控制与流程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重点和难点数据管控－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非数据管理组织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理组织（近期组建）数据管理组织（远期组建）首席数据官（CDO）数据管理部各业务部门信息技术部数据管控组数据服务组数据分析组一级部门董事会数据管理委员会总裁（CEO）经营管理层312321光大证券数据管控－组织模式2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非数据管理组织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（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，协调各部门商讨重大数据管理工作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）首席信息官（CIO）系统研发部各业务部门数据服务组数据分析组一级部门董事会数据管理委员会总裁（CEO）经营管理层312321系统开发部数据管控组数据管理部系统运维部光大证券数据管控－跨部门分工协作主数据分类管理部门建议客户机构业务部、零售业务部、固定收益总部产品发展规划部财务机构业务部、零售业务部、固定收益总部人员人力资源部风险缓释风险管理部额度风险管理部机构人力资源部/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”光大证券数据质量－流程和目标•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数据质量定量定性评估准确度数据是否准确地描述了事实？集成性应关联的数据之间是否存在断开的链接？一致性数据是否有单一的表现形式完整性是否有关键信息丢失？单一性数据值是否单一?例如，无重复值或记录可访问数据是否易于访问、理解和使用？精确度数据是否按业务的精确度需求进行存储？及时性信息是否定期更新以满足业务需求？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”-源头控标准事前预防事中监控事后纠正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）光大证券数据标准的作用什么是数据标准化？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必要先行和重要基础统一业务技术人员认识！提高业务技术沟通效率！提高业务需求质量！业务、科技间的共同语言统一认识，避免业务部门之间，与信息技术部门之间出现“鸡同鸭讲”的情况光大证券数据标准是“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。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；业务管理IT系统建设数据标准的作用(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。光大证券数据标准体系2.指标类数据标准1.基础类数据标准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1.4渠道数据标准1.5财务数据标准1.1客户数据标准1.2产品数据标准1.3交易数据标准1.8资产数据标准1.9营销数据标准1.6内部机构数据标准1.7协议数据标准1.11公共代码1.10地址数据标准券商日常业务开展过程中所产生的具有共同业务特征的基础性数据，如客户、产品、协议、交易等基础类标准为满足公司内部管理需要及外部监管要求，在基础性数据基础上按一定统计、分析规则加工后的数据，如全面风险管理指标体系指标类标准数据标准体系