王威

【摘要】2020年公募基金行业迈进第22个年头，以余额宝为代表的互联网理财的兴起，公募基金公司的数据量带来了爆发式的增长，企业意识到数据是一座金矿，但是如何有效的挖掘这座金矿，数据治理变得尤为迫切。

【关键词】数据治理;数据资产目录;数据标准

一、背景

随着公募基金业务飞速发展，系统也愈发复杂，叠加各公司的科技战略转型，在IT系统建设上加强自研投入，加深科技壁垒，为业务赋能。在系统建设的过程中，由于行业还是存在龙头供应商对核心应用系统的绝对把持，系统中“烟囱系统”和“数据孤岛”依然是普片存在的现象，为了应对这个问题，各公司先后实施了数据中心、数据仓库类项目，打通数据孤岛，实现数据整合。

海量的数据汇聚，新的问题也接踵而来，数据标准不一致，数据口径不统一，数据质量不高。其实如同企业发展一样，当数据发展到一定规模数据治理也变得迫切。通过数据治理清晰的了解各类数据归属情况，观察其数据流转情况，建立统一的数据标准，提高数据质量，为深度挖掘数据价值打下基础，但数据治理确实一项庞大而体系化的工程，如何有效的实施推进值得探讨。

二、数据治理方案

数据治理并非是简单的上线一个信息化系统，而是一个持续长久的、体系化的过程，需要有组织，有制度，有系统支持。如图1所示，梳理治理体系框架包含了数据治理、数据管理、数据应用与服务三个维度，及相关的十五个子模块。每个子模块涉及的工作内容都可以作为一个专题进行分享，在此就不展开。

三、数据治理实施建议

笔者参加公募基金数据治理的工作几年，公募基金行业也具有自身明显的特征，经过咨询及实践落地的洗礼，从自己走过的弯路和成功的经验中总结了几项数据治理实施建议，希望给行业内准备开展数据治理公司带来一些启发。

（一）数据治理对领导层的信息同步

数据治理属于一项治理工作，涉及“权责利”，需要从上至下推动。具体执行过程中涉及多个业务部门工作协调、组织架构设立、公司数据治理相关流程制度建立，领导层对数据治理工作有全局的了解是非常有必要的，有利于对工作的推进开展，而不跑偏方向。

数据治理是一个持续长久的过程，前中期完成数据治理体系框架中的十五个子模块也需要分好几期项目持续几年来进行，在数据治理中后期相关工作进入到持续运营、持续改善阶段。通过咨询公司的宣导，让领导层数据治理的实施周期，投入和产出有合理预期尤为重要，是项目可以持续投入，持续进行的重要因素。

（二）前期成立数据治理小组

数据组织与职责中，较为核心的是在前期就成立跨部门的数据治理小组。该数据治理小组核心成员应该包含数据产生、数据加工、数据使用的主要业务部门，IT在其中主要是数据加工处理这个环节，核心成员起到持续推动数据治理建设工作的职责。数据治理小组相关人员的明确，也可以帮助起到在业务部门内关于数据治理宣导、数据治理协调等作用。该组织在数据治理前期成立，是持续工作推动数据治理工作有效进行的必要条件。

（三）领导层对数据治理工作的充分授权

数据治理涉及到多业务部门的工作协调，其中数据认责、治理激励与考核的工作会直接影响业务的日常工作范围以及KPI，这个过程中只有充分授权的组织才能有效推动工作的正常进行。

（四）合适的才是最好的

数据治理和公司治理一样，每个公司的数据情况，数据的痛点有所差异，系统和数据规模匹配的数据治理的强度也不盡相同，需要在治理成本和治理带来的效益中找到平衡点。完整的数据治理体系框架包括范围很广，数据治理行业咨询顾问也会提供很多其他公司的经验及行业最佳实践，但公司可以结合自身情况对其中按照优先级选择性的实施，在逐步迭代实施的过程中找到匹配自身规模的治理强度。

（五）敏捷的方式推进数据治理工作进行

这些年以敏捷的方式推进软件的开发被广泛接受。数据治理的工作也可以参考敏捷开发的思路，采用迭代、循序渐进的方法，将一期项目拆分成多个子工程，每个子项目的成果都可以独立的价值交付。通过敏捷迭代的方式摸索匹配自身的数据治理方案。

（六）数据治理涉及的系统

公募基金行业存在一个共性的特征，核心应用系统主要由几家供应商提供，供应商在各条业务线集中度较高，相关系统基本上无法配合进行数据治理相关标准改造。涉及数据治理的相关系统建议以数据中心为主全面梳理，其他自研系统适度配合改造，外购系统配合提供信息提供即可。

四、结束语

数据治理实施路线如何推进，各家公司情况不一，技术主导、管理主导、应用主导，各有优劣。但数据治理的价值和方向确也无需再证，希望大家在数据治理的路上不断摸索迭代，找到符合自身情况的最佳方案，在实施的过程中，遇到难题困难，做到不抛弃、不放弃。

参考文献：

[1]许洪斌，侯进.大数据时代的银行数据管理研究[J].中国金融电脑，2019.

[2]冉冉，刘颖，胡楠，等.大数据环境下的数据治理框架研究及应用，[J].电子世界，2018.