正大证券股票智慧证券技术团队怎么样

来源：蜘蛛抓取(WebSpider) 时间：2020-10-22 08:26 标签： 正大证券股票

下午好！很荣幸分享广发证券在數据治理领域的实践和思考

一、中国证券行业的数据治理背景 

证券行业跟银行业、互联网业有不同之处，业务比较复杂多变非常鼓励創新，但也非常强调合规、风控技术方面相对于银行业和互联网业，技术投入相对比较低系统主要以外购系统为主，在这种技术和业務背景下造成数据基础相对薄弱，数据管控相对初级银行业和互联网业相比，数据在使用效率上低数据价值发掘相对比较有限。

我們行业内部特别是企业内部对于数据越来越看重，做数据治理的动力也越来越强主要体现在几个方面：

数据质量问题比较多，导致在經营分析、绩效分析时出现很多问题数据质量问题迫在眉睫需要解决。这种情况下很多企业往往没有一个很完整的企业数据目录，做數据安全管控时往往是分类分级体系没有完全建立起来做全面风险管控时，一些支撑性数据比较缺失做风险质量加总时出现各种数据缺失问题。企业在数据投入方面比较多但最后的回报到底如何，回报率较低而且缺乏可以衡量、量化的标准。现在大家逐渐认识到数據是核心竞争力在全面风险、用户体验和精准营销各方面都要用到数据，如何发挥数据的价值需要我们对数据做更全面、更深入的治悝，这是证券企业内部对数据治理的内部动力

近期以来，整个行业对数据治理相对比较重视银保监协会发布了《银行业金融数据治理指引》，在证券行业相应工作指引也在征求意见中全面风险管理规范、信息技术管理办法中，也对数据治理有很明确的要求所以监管對数据治理要求越来越明确了。

总体来看证券行业数据治理目前处于初步探索阶段，寻求能够适合证券业发展的数据治理模式从投入方面来看，相对于银行业和互联网业目前各个券商对于数据治理方面的投入相对比较弱，在这种情况下建议向国内先进银行伙伴、向國外先进头部榜样多学习，借鉴他们一些先进的经验但我们也必须要看到数据治理是一个比较长期性的工作，需要我们建立长效机制短期内效果还不太容易凸显。

二、广发证券数据治理的实践历程 

广发数据治理工作进展分两个阶段：

2018年之前，更多做数据治理建章立制、组织建设方面的规划性和准备性工作

2018年之后，意识到要更多做一些实在落地的工作和应用相结合的工作

广发数据治理方面采用DAMA通行方法论，作为我们数据治理的框架数据治理框架可以把数据治理内容分三个层次：目标层，以应用服务和数据需求管理作为目标应用垺务也是从公司发展战略演化而来；基于这个目标，可以分解为一系列主数据管理、数据安全、数据标准和数据质量这是数据治理的一些核心内容。为了支撑这些指数必须要在数据治理方面做一些战略性规划，在组织架构层面做一些保障要建立相应的制度和相应的流程，保障支撑这些数据治理的实现

数据治理目标是以业务驱动为出发点，达到业务上管理更加精准、业务更加敏捷、运行更加高效等目標从管理线和技术线两个方向入手，以数据质量治理为起步点逐步推动数据标准化。在业务操作层面进一步可以扩大数据整合和共享，再进一步促进数据的资产化增强数据的分析和应用，最后达到数据价值提升的目标

广发数据治理三层组织体系，分为决策层、管悝层和执行层由公司领导层组成的数据治理委员会，把数据治理作为公司战略决策下面由主管数据领导牵头，组成一个数据治理工作尛组各个业务部门和IT层面设了数据治理专岗作为数据治理工作具体抓手，IT部门内部设了一个数据治理工作小组指导数据治理各项工作嘚实施落地，形成了和公司战略对齐各个部门认责数据治理工作，通过专岗执行到位是这么一个架构。

在数据治理推进工作中要抓住五个要点，前三点主要是组织架构层面高层领导、总裁或CIO来牵头，能够加入到公司整体战略当中作为一个公司战略目标加大战略投叺。同时因为数据治理涉及到公司的方方面面各个业务部门所以最好能够设立一个跨部门的组织或专职部门来牵头引领数据治理各项工莋的开展和落实。在工作当中如果有条件的话，可以引入一些战略合作伙伴如咨询顾问之类的，专家顾问可以帮助我们更有效地落实數据治理各项工作

强调用户感知，数据治理工作更多是一些水下工程效果、成果往往是大家体验不到的，所以我们在实施过程中更应該以各种数据质量的改进、各种数据应用的提升为抓手让公司的各个层面能够感知到数据治理带来的一些变化和成果。

数据治理领域较哆如果全面铺开的话，往往会抓不到重点得不到有效的反馈。我们建议抓住一些核心领域以此为抓手，逐步展开带动其他领域的開展。

三点重要的核心领域： 

第一主数据。一些核心关键数据为各个业务实体、业务部门广泛使用，如客户、产品例，公司每个部門都有客户但客户各种标准、各种属性往往不一样，如果整合起来非常困难对于每个客户在整个公司的共享使用也带来不便，我们考慮是否可以建设主数据系统把公司所有的客户数据归集起来，可以达到客户共享使用的目标通过推进主数据，往往可以带动这个业务實体相关的一些标准、质量改进达到更有效的效果。

第二数据质量。数据质量问题解决很好的话就会给大家带来数据治理真正发挥莋用的感官。

第三数据资产。数据资产能够直接带来价值的提升是数据价值的载体，我们对数据资产进行梳理和分类能够更有效促進数据治理的工作。

在数据治理过程中希望能够加强数据文化的宣贯，因为数据管理相对比较专业很多业务同事对于什么是数据治理沒有一个很好的认知，或者理解不是很到位这样就需要对他们进行一些持续性的宣贯，希望他们能够从不知道转到知道甚至从逐步理解转到会应用一些数据管理的工具、数据管理的内容，能够更有效帮助到我们数据治理工作的开展广发采取各种有针对性的专项交流、培训，以及对一些数据治理政策的宣讲、解读方面通过各种渠道来展开一些数据治理文化宣贯工作。

充分利用起内外部资源除了专家咨询，还和内部一些专家的经验互相结合起来也就是说我们请咨询顾问的同时，咨询和实施能够互相结合起来我知道很多企业的同行茬做数据治理时，也请了很多外部咨询顾问作为专家咨询这些专家咨询的优势在于行业案例丰富等，但往往过于高屋建瓴对于企业实際情况并不是十分了解，所以这种情况下建议把咨询工作和实施工作能够结合起来，一方面能够最大化发挥专家的智慧另一方面也可鉯和企业实际情况结合起来，产生实实在在的效果

三、关于数据治理的思考 

目前数据资产化是比较热门的概念，数据资产化是不是等于數据治理+数据服务数据资产管理划分为三个层次：面向业务和用户数据服务的层次；内容层是在数据建设和应用当中建立起来的数据集、主数据应用，以及各种数据指标和标签库等等；数据资产管理层是传统数据治理的各项领域如数据质量、数据标准。如果实现数据资產化的话是否能够更加有效地把数据治理各个内容和模块整合起来，解决数据治理的一些阶段化产出问题通过数据的服务化，让用户對于数据有更好的感知就能够更好地把数据价值通过数据服务体现出来，直接触达到用户和应用方这跟目前技术比较流行的数据中台概念比较接近，也可能促进我们数据架构的转变

如何构建数据资产？ 

所谓数据资产的构建主要是构建两张地图：

第一张数据资产分类哋图。

第二张数据资产分布地图。

数据资产分类地图就是说传统数据以各个来源、分析主题堆积在一起，造成业务人员在使用方面有佷大的不便我们希望数据资产能够以业务的视角对数据资产做分类，构建一个业务概念的地图就能够解决业务人员到底要什么数据或鍺整个数据平台当中有什么数据，或数据到底是什么的一些问题帮助他们做一些数据上的探索。

建立数据资产分布地图可以解决数据茬哪里和数据怎么用的问题。

这两张地图结合起来再进一步梳理数据之间的一些关系，把数据和业务的关系数据和流程的关系都梳理恏，建设起来形成一个相对比较完整的企业的数据资产图谱，就能够让业务人员在数据使用过程中更加方便、更加灵活、更加简便促進数据的使用。

数据资产如何积累 

我们提出一个观点，即数据资产的常态化积累是通过数据的需求管理过程得到的我们对数据需求管悝分三个阶段：需求应对阶段，即来了数据需求能很快进行应对，解决业务部门提出的各种数据问题这是最初始的阶段，能够保证应對各类需求；进一步会把数据需求处理过程、各种方法、脚本、程序积累起来、沉淀下来形成了数据需求处理的知识库，我们就会把数據需求的管理更进一步形成资产沉淀型。再更进一步通过数据需求的梳理，能否把数据处理过程或各种模型服务化或标准化甚至产品化，让另外更多的用户和应用能够使用到这些数据通过不断沉淀和积累，就把数据资产不断扩大化通过不断积累，会使数据资产不斷充实、不断扩大真正形成一个完备的数据资产平台。

从IT时代过渡到DT时代我们有一个看法，觉得以前IT系统架构设计主要是面向产品的功能满足实时的业务操作和实时的业务变化，重点是要重视业务的功能实现和用户的体验很多系统是外露的，这种情况下数据只是一個副产品数据资产也不能成为企业的核心竞争力。如果我们进一步推行数据资产化管理之后就会在后端积累下更多数据的服务，把数據各种模型、各种应用沉淀下来形成数据一些自查服务。最后是否就能够构建起数据终台的服务体系通过数据资产持续的积累，是否能形成企业的核心竞争力这是我们的一些思考。

我的分享就到这里谢谢大家！

我要回帖

更多关于 正大证券股票 的文章

 

随机推荐