金融资产管理行业首个数据标准产出

新时代到来,数据即资产,作为国家级金融资产管理企业,为响应国家政策,长城资产需要加快向更高水平商业化企业转型的步伐,在转型过程中,标准化、规范化的数据是必要的。

ZD至顶网CIO与应用频道 03月17日 北京消息:新时代到来,数据即资产,作为国家级金融资产管理企业,为响应国家政策,长城资产需要加快向更高水平商业化企业转型的步伐,在转型过程中,标准化、规范化的数据是必要的。那么,依据什么方法建设数据治理体系,才能形成适合长城资产的数据标准,是需要考虑的首要问题。

资产管理行业拉开数据治理帷幕

中国长城资产管理公司是中国政府批准成立的四大国家级金融资产管理企业之一,其业务领域主要是对各类金融企业的不良资产进行综合开发和经营,是同业中唯一连续三届被国家审计署评为“全国内部审计先进单位”,连续四年被财政部评为“金融企业决算工作先进单位”,同时被四家权威资信评估机构授予最高AAA评级的先进企业。

在外部监管和内部需求的共同驱动下,资产管理行业的数据治理体系建设势在必行。一方面,在外部监管层面,中国银监会,财政部,中国人民银行,中国证监会,中国保监会印发了《金融资产管理公司监管办法》,此办法明确规定金融资产管理公司需要建设统一的数据治理体系,逐步推进数据标准建设;另一方面,在内部需求层面,企业级的数据标准是企业业务发展和信息化体系建设的根本保证,只有实现了数据的标准和统一,企业的业务流程才能通畅流转,决策才有据可循。

长城资产作为一流的金融资产管理企业,意识到数据治理的重要性,决定正式拉开数据治理体系建设的帷幕。

数据治理如何驱动资产管理企业增值?

数据治理体系能规范数据流程,保证企业在业务运营管理中得到准确、及时和完整的数据支持,进而有效提升企业的核心竞争力。普元认为,资产管理行业通过建设规范的数据治理体系,能在以下几个业务场景中获得收益:

风险管理

数据治理是金融资产管理行业风险分析的基础。企业通过专用风险数据集市,统一采集风险管理过程中的关注信息,数据治理能帮助企业排除因为数据质量问题导致的错误分析结果,通过整理各类风险数据资源,建立清晰的风险管理视图,在此基础上进行风险分析,切实将数据作为风险管理决策的准确依据,更有效地监管企业业务运转。

业务开展

数据治理梳理出的数据标准可以作为企业开展新业务的蓝本。企业在开展新业务时,直接参考和利用已有业务中的业务定义、系统规范等数据标准,在已有数据标准的基础上拓展新的业务标准,通过新老标准相结合的方式,科学提升企业数据管控效率,缩短业务流程。

数据管控

在大数据的推动下,企业数据资产变得日益复杂,与企业的其他资产不同,企业难以具体了解自身数据资产的情况,数据治理体系可以对整个企业的数据资产进行梳理,帮助企业了解内部的数据资产情况,进一步加强企业对复杂数据资产的管控能力。

计日程功,数据治理体系该如何建设?

数据治理体系是指企业控制信息交付、数据管理战略和数据资源的一系列活动,数据治理体系的建设需要建立人、数据、系统之间的和谐关系,具体要从以下五个方面着手。

1、数据治理组织架构——高层主导,业务部门引导

数据治理的进行需要强有力的组织架构来支撑,长城资产建立了由公司高层领导主导,各业务部门领导为成员的数据治理组织架构,包括高层领导办公室和数据治理管理委员会两部分。数据治理管理委员会包括由公司各业务部门主管的业务小组和由普元数据治理专家带领的技术小组。业务人员和技术人员之间的紧密合作,使数据治理工作更易于开展。

金融资产管理行业首个数据标准产出

 

2、数据标准制定——不仅要有标准,还要可落地

普元对长城资产系统数据进行了全面梳理,并推动各业务部门派专人加入数据标准评审小组,双方合作,经过几十次评审和修订,形成了可执行的数据标准。

数据标准制定过程中,普元根据多年金融行业的数据标准咨询经验,将长城资产系统模型和数据的梳理结果与同行业数据标准规范相结合,同时考虑了银监会对资产管理企业的要求,最终制定出了既能契合企业现状又能满足企业未来信息化要求的企业级数据标准。

金融资产管理行业首个数据标准产出

3、元数据管理——企业数据的全自动梳理

自动化的元数据管理能力是数据治理体系建设中的关键一环,通过普元的元数据管理工具,自动化采集企业各类元数据,快速梳理企业的数据资产,形成完整的企业数据地图,快速了解企业资产情况的同时还可追溯数据质量问题,为数据治理体系建设奠定了坚实的基础。

4、数据标准管理——与流程相结合,数据标准的系统化落地

为更好地利用数据标准产出物,普元将整理出的数据标准与长城资产现有流程相结合,形成了数据标准管理制度与流程,真正做到了数据标准的系统化落地。另外,数据标准定义、应用和维护应该是一个长期动态优化的过程,数据标准管理可以对长城资产业务的发展和系统的建设持续进行优化和完善。

5、数据质量管理——发现、跟踪和处理数据质量问题

为保证数据质量问题能够得到有效解决,长城资产后期将启动数据质量管理平台的建设。通过建设数据质量平台,发现、跟踪和处理企业的数据质量问题,配合业务流程和考核机制,规避数据质量带来的业务问题,进一步提升企业的数据管控能力。

本次与普元合作之后,长城资产建设了一套完整的数据治理体系,梳理出了企业级的数据标准,这也是金融资产管理行业的首个数据标准。另外,为更好地利用本次项目成果,长城资产将继续深化数据治理体系的建设,实现数据的持续有效积累。

来源:业界供稿

0赞

好文章,需要你的鼓励

2016

03/17

12:10

分享

点赞

邮件订阅
白皮书