csisc：证券期货业信息技术数据治理能力评估标准研究报告（90页）.pdf

1、1证券期货业信息技术证券期货业信息技术数据治理能力评估标准研究报告数据治理能力评估标准研究报告2目录1.背景.11.1 课题背景.11.2 证券期货业数据治理相关政策文件.31.3 课题目的和意义.52.主要理论.52.1 国外数据治理评估模型理论.62.2 国内 DCMM 数据管理能力评估模型理论.152.3 目前证券期货业数据治理评估主要问题.173.研究方法.193.1 研究方法论概述.193.2 DCMM 自评研究.203.3 数据治理功能域维度研究.343.4 数据治理成熟度级别研究.364.证券期货业数据治理评估标准构建.384.1 数据战略域评估项构建.384.2 数据治理域评估

2、项构建.424.3 数据架构域评估项构建.474.4 数据标准域评估项构建.554.5 数据质量域评估项构建.634.6 数据安全域评估项构建.684.7 数据应用域评估项构建.734.8 数据生存周期域评估项构建.785.结论与展望.84【参考文献】.853【摘要【摘要】本课题基于国内外数据治理能力评估体系，参考证券期货业数据治理相关政策并结合证券期货业数据特性，充分考虑我国证券期货业数据治理能力发展现状，兼顾全面性、简洁性、目的性及可计量性的原则，细化并建立证券期货业数据治理能力评估标准体系；规范和指导证券期货业数据治理的发展，促进证券期货业科技发展“十四五”规划的落实；规范和标准化证券期

3、货业数据治理，明确职能划分、工具技术、数据治理体系。关键词：关键词：证券期货业；数据治理；评估标准。11.背景1.1 课题背景随着金融科技飞速发展，证券行业生态和业务模式正在发生颠覆性的改变，同业竞争也愈演愈烈；同时，监管机构积极鼓励和引导证券公司利用金融科技提升客户服务、经营管理和风险控制水平，加快公司数据化转型，国内证券公司已越来越注重数据在业务发展中发挥的重大作用。目前国内证券公司在数据管理方面普遍存在信息系统建设孤岛化、数据存储碎片化、跨平台数据口径不一致等诸多问题，很难从源头管控数据标准和质量，从而造成数据价值损失。推进金融科技创新体制改革，加速数字化转型，已成为业内转换发展动能和寻

4、求发展突破的共识。序号数据治理挑战具体情况解决应对方式1行 业 整 体 起 步 较晚，缺乏成熟解决方案统一客户、产品和业务等系统，头部券商，仅仅部分落地；全面风险系统的数据源，基本从源系统采集，极少建立起企业级数据服务。积极进行领先行业（如银行）的调研交流，结合证券期货行业自身情况发展制定具有特色的数据治理方法论并逐步落地。2公司数据先建设后治理，历史欠账多投行系统相对孤立，数据质量和管控不足，致使与财务等相关系统数据互通，收入、项目类数据根据新建系统和存量系统的特点进行分类管理，贯彻边发展边治理的方针。2无法有效获取，故通过规范财务摘要的方式。3数据治理关联方众多，协调管理复杂交易前中后台系

5、统估值对账存在差异，需多方共同寻找问题根源，精准归因并设计解决方案和实施落地。夯实数据治理组织的管理职责，建立明确的数据认责制度，落实正负向激励及通报机制。4满 足 业 务 短 期 需求，与数据长期规划存在矛盾单一证券和单一客户方案设计主要以满足现有需求为主，搭建系统级解决方案，尚未实现企业级主数据建设。在保证发展方向一致的前提下，针对紧急需求设计过渡方案，同时建立长期远景，未来进行逐步迭代靠拢。表 1 国内券商数据建设存在的常见问题由上可知，数据治理已成为证券行业监管机构的明确要求，更是企业内部数字化转型的重要基石。然而，证券业金融机构的数据治理仍处于探索阶 段，且面临诸多挑战：首先，大部分

6、机构的技术能力和数据基础较为薄弱，存在数据标准混乱、数据质量参差不齐、数据孤岛化严重等弊端，严重阻碍了数据的共享应用；其次，受限于数据人才缺乏、数据文化不成熟，数据治理内部驱动力不足等原因，数据治理在证券行业内的应用较为局限，其应用目前主要集中在满足行业内监管需求以及局部的数据应用场景；再次，数据治理缺乏3统一的成效评估标准，导致数据资产难以像有形资产一样被运营或管理。本课题研究是基于国内外数据治理能力评估体系，参考证券期货业数据治理相关政策并结合证券期货业数据特性，充分考虑我国证券期货业数据治理能力发展现状，兼顾全面性、简洁性、目的性及可计量性的原则，细化并建立证券期货业数据治理能力评估标准