特别专题 | 传统企业大数据应用案例【三】

导读：本期“谁是数据英雄？传统企业大数据应用案例”给大家介绍《 长城资产：数据管控驱动管理增值 》。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。作为四大国家级金融资产管理企业之一，中国长城资产管理公司率先拉开数据治理体系建设的帷幕。

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。

中国长城资产管理公司作为四大国家级金融资产管理企业之一，率先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。实际上，资产管理行业通过建设规范的数据治理体系，可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。

数据治理组织架构——高层主导，业务部门引导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。

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。

数据标准制定——不仅要有标准，还要可落地

长城资产对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，长城资产将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。

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，长城资产通过元数据管理工具，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。

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，长城资产将数据标准与现有流程相结合，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。

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。

目前，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。