基金管理公司完善数据治理研究

农村经济与科技2020年第31卷第7期（总第483期）

基金管理公司完善数据治理研究

李　萌

（兴业基金管理有限公司，福建　福州　350001）

[摘要]基金管理公司完善数据治理，不仅顺应了外部监管强化金融业综合统计的要求，而且是提升自身精细化管理水平的内在需要。作为一项持续投入、重点突破、不断改进、螺旋上升的长期性工程，基金管理公司应重点从建立数据治理管理架构、健全数据标准体系、提升存量数据质量、推进数据质量检查培训、重视业务应用等方面推进数据治理工作。

[关键词]基金管理公司；数据治理；数据标准[中图分类号]F830　　　　[文献标识码]A

随着金融业的快速发展，金融结构、金融产品和交易方式日趋多元化，跨行业经营、多产品交叉等新型金融业务形式不断涌现，资金的关联度和风险隐蔽性表现日益复杂。它不同于监管机构出台的统计管理规定各有侧重，比较容易出现数据标准不统一、信息使用不规范等问题。国务院办公厅于2018年发布《关于全面推进金融业综合统计工作的意见》，提出统筹负责金融业综合统计，通过金融业全覆盖的数据收集，加强和改善金融宏观调控，维护金融稳定。中国人民银行、中国证监会等监管机构也陆续出台加强金融业数据统计规范的规定。在此背景下，基金管理公司加强并完善数据治理势在必行。

数据归集存储、数据呈现运用等环节。2.1　数据生产环节

2.1.1　数据生产滞后于业务流程。数据是业务的反面，理论上数据生产与业务流程应保持同步，业务数据应在业务发生时即被生产出来。但目前有些基金管理公司在业务完成后才对数据进行维护，并且由于缺乏相应激励，难以保证数据质量。2.1.2　数据标准缺位。由于对业务数据生产缺乏规范化标准以及数据质量审核机制，数据生产表现出随意性。这一方面会给未来数据清洗及标准化处理带来难度，影响数据运用及分析，另一方面也往往会因所生产数据不符合要求而被动重复生产数据，导致业务数据生产无效率。

2.1.3　数据生产载体系统化水平有待提升。有些基金管理公司受限于系统化建设成本较高而选择手工台账管理部分业务数据。相比业务系统，台账管理方式具有随意性的特点，存在较大操作风险。

2.2　数据归集存储环节

2.2.1　数据资源分散。数据资源整合是数据分析运用的基础，通过数据资源整合实现集约化管理极为必要。然而，有些基金管理公司的数据资源分散在各个业务系统及手工维护的数据台账中，未能通过数据中心或数据仓库建设对数据资源进行整合，导致获取数据的时间成本大幅提高。

2.2.2　数据管理分散。多数基金管理公司的客户、产品等核心业务数据的管理职能分散在不同部门，由于职责分散及缺乏统筹管理，难以有效实现数据资源共享，同时容易出现相同数据字段重复采集等现象，影响数据管理效率。2.3　数据呈现及运用环节

2.3.1　数据分析偏手工化，导致难以将精力集中于数据分析运用。由于缺乏有效的数据工具支持，数据制作往往依靠手工制作，导致缺少时间与精力在更为重要的数据分析及挖掘方面的工作。

2.3.2　数据运用深度不够，数据资源价值未充分发挥。从目前的基金管理公司来看，数据难以实现最佳的指导运用，核心业务数据尚未在业绩管理、投资运作、风险管理等方面充分应用。

1　基金管理公司完善数据治理的必要性

近年来，随着金融业的快速发展，金融机构积累了大量客户数据、交易数据及外部数据，数据体量不断上升。作为金融机构的重要资产，如何通过有效管理数据资源来提升业务经营管理水平成为一项重要课题。在加强业务数据治理上对于基金管理公司而言也极具必要性。一方面，完善数据治理符合金融业开展综合统计工作的内在要求。2018年以来，作为支持金融服务实体经济、防控金融风险、深化金融改革的重要组成部分，监管部门加快推进金融业综合统计工作。在实现统计对象、业务、内容“全覆盖”的外部监管要求下，基金管理公司的资产管理业务数据，包括向上关联到委托人、向下关联到投资管理等业务的全链条数据均纳入监管统计监测范围。在外部监管要求日益严格的环境下，基金管理公司有必要通过完善数据治理从根本上理顺业务数据生产、存储及呈现机制，提升数据质量。另一方面，完善数据治理是基金管理公司提升自身精细化管理水平的基础。随着信息化、数字化、智能化快速发展，数据所创造的价值不断提高。基金管理公司在开展资产管理业务时若能最大程度地挖掘业务数据背后的价值，以数据治理赋能主动投资管理能力和产品创新能力，则有利于提升自身精细化管理水平，提升资产管理行业中的综合竞争力。

2　基金管理公司数据管理目前存在的问题

基金管理公司整个业务数据生命周期主要包括数据生产、

[收稿日期]2020-03-20

[作者简介]李萌（1981—），女，天津人，博士，主要研究方向：金融风险管理。

-154-

李　萌：基金管理公司完善数据治理研究

3　基金管理公司完善数据治理重点及建议

数据治理是一项长期性工程，表现为持续投入、重点突破、不断改进、螺旋上升的过程。基金管理公司在推进数据治理工作时，建立明确的数据标准和实现系统开发自主化是体现数据治理工作成效的核心。具体来说，首先应结合外部监管要求及内部管理需要，统筹全局制定各维度数据标准，主要包括业务适用规则及标准、数据类型及格式、数据标准管理维护职责等，明确数据生产内容规则，使数据生产有规则可依；其次，推动数据标准落地实施，将数据生产要求嵌入业务流程，加快建设相关系统，补齐数据生产载体，对数据质量进行考核并与绩效挂钩，确保数据标准落地；最后，推动系统开发从借助外部力量向自主开发过渡，内部自主开发系统有利于更好地贴合业务需求，更方便地服务于数据呈现与运用，基金管理公司应持续加大人员、资金等资源投入，支持并培育自主开发力量。为此，基金管理公司应从以下五个方面完善数据治理。3.1　建立数据治理管理架构

建立层次分明、职责明确的数据治理管理架构是数据治理的组织保障。首先，应通过构建包含决策者及执行者的管理架构形成支撑数据战略的组织职能和管理模式；其次，在决策者层面，应明确董事会、监事会、高级管理层的职责，通过落实数据管理机制组织推动数据在经营管理流程中发挥作用，实现各主体各司其责，协同配合；最后，在执行层面，基金管理公司应将客户端、产品端、运营端三大板块数据纳入数据治理范围，通过明确相关部门的职责分工，建立相互衔接的运行机制，形成数据规范生产、数据资源汇集、数据可视化呈现、数据质量监测的流程化管理体系，高效率支持外部监管数据报送要求及内部管理决策需求。3.2　健全数据标准体系

通过建立数据标准有利于形成统一的数据语言并实现准确计量，是基础性数据工作及数据应用的基础与前提。应全面考虑业务发展和内外部管理需要，梳理统一业务标准和数据标准，并确保数据标准内容的统一性和稳定性。一是依据外部监管要求并结合基金管理公司内部管理需求，梳理并规范各项业务定义、分类和规则，明确基础数据项标准与统计口径，逐步形成数据标准体系；二是严控数据标准在开发系统项目中的业需、概设和上线环节评审，确保数据标准落地；三是推进业务流程改造，将数据标准嵌入业务流程中，实现增量业务数据按规范生产。

3.3　提升存量数据质量

一是针对目前数据质量现状广泛开展调研，了解公司内部

财务·金融

在使用数据过程中存在的数据质量问题，收集数据使用部门的意见；二是针对收集的数据质量问题进行深入分析，并相应制定数据质量提升计划与方案，开展数据质量专项治理；三是以系统项目开发建设为契机，攻坚克难，推动存量数据质量问题解决，夯实巩固数据基础。3.4　建立数据治理考核评价体系

拥有数据治理考核评价权是确保数据治理成效的必要前提，基金管理公司应制定考核评价机制，加强对公司数据治理情况的考核，强化数据差错的跟踪整改和处罚问责，通过倒逼机制促进各项数据质量治理任务落地，保障数据治理体系的高效和规范。

3.5　推进数据质量检查培训工作

一是建立数据质量检查机制，通过日常监测发现的数据质量问题，通知责任部门进行整改，并持续加强数据质量分析及整改落实；二是重视数据治理培训工作，使数据治理人员时刻保持对数据的敏感性，提升专业技能，及时有效地管控数据质量，同时在公司范围内形成良好的数据文化。3.6　以业务应用驱动数据价值释放

一方面，基金管理公司应重视数据应用及价值挖掘，并选择与公司业务发展关系紧密的数据治理问题为抓手推进数据治理，帮助业务部门解决问题，体现数据治理工作的价值。另一方面，应树立数据驱动业务理念，推进数据分析系统建设，持续提升数据加总能力，在风险管理、业务经营与内部控制中持续加强数据应用，提高数据管理精细化程度，发挥数据价值。

[参考文献]

[1] 何海锋，张彧通，刘元兴.数字经济时代的数据资产[J].新经济导刊，

2018，271（12）：60-64.

[2] 李丹.商业银行数据治理研究[J].中国金融，2019（13）.

[3] 邵世敏，杨建华.提升数据质量的方法和路径[J].农业发展与金融，

2019（5）：81-84.

[4] 四川银监局课题组.以数据治理提升监管有效性[J].中国农村金融，

2015，000（019）：35-36.

[5] 吴晓光.构建金融大数据标准体系的思考[J].金融电子化，2017（9）：

30-32.

[6] 杨冰伦.论金融机构金融风险管理中的数据治理[J].辽宁公安司法

管理干部学院学报，2012（03）：145-146.

[7] 朱建明，杨鸿瑞.金融科技中数据安全的挑战与对策[J].网络与信

息安全学报，2019（4）.

-155-