欲行万里路必长 世间难觅捷径短

戴翔

信托公司面临数字化转型的重大抉择，可以说数字化转型对信托行业而言变得重要且紧急，而数字化转型的关键在于如何更好地利用数据，因此数据治理变得越发重要。数据治理工作管理海量、多样、长期的数据，复杂度高、专业化要求强、数据价值链长、涉及跨系统跨部门的协调配合多，任何环节不到位都可能导致数据价值难以充分体现。“数据人”们必须树立攻坚克难的决心，采用科学的方法，去追寻数字化时代的星辰大海。

2021年对于信托行业来说是十分关键的一年：一是整个信托行业迎来了监管加强引发变换赛道的严峻考验，业务上的转型突破必然要求信息化的升级转型；二是在宏观政策层面，国务院国资委印发《关于加快推进国有企业数字化转型工作的通知》以推动国企数字化转型，国有信托公司面临数字化转型的重大抉择。可以说数字化转型对信托行业而言变得重要且紧急，而公司数字化转型的关键在于如何更好地利用数据，因此数据治理变得越来越重要。下面我想谈一谈对该项工作的理解，不当之处在所难免，敬请指正。

数据治理是公司高质量发展的基础性工作。

当代史学家伯恩斯坦在论述人类文明史时提出：“确定现代和过去之分野的革命性理念是对风险的掌握”。（伯恩斯坦《与天为敌》）风险管理对于金融机构来说，是核心竞争力，是机构治理水平、业务能力水平的直接体现。有效风险管理需要足够多的数据，准确、及时、完整的数据如此重要，以至于在当今世界，数据上升到了资产的层面；这些以物理或电子的方式记录的数据资源，相对于实物资产以数据形式存在，被认为是数字时代最重要的资产形式之一。

数据资产的价值在于运用数据进行建模和分析，从而赋能、优化机构的战略规划和经营决策过程，减少尽可能多的风险损失和提高盈利水平。而数据质量直接关系到数据资产运用的效果，俗话说“垃圾进，垃圾出”，错误和不适合的数据很有可能造成危害；还有组织内部不同条线产生的数据不尽相同，不同的部门使用的数据源头也有可能不一样；所以数据治理关心所有数据是否经过了恰当的组织管理以供使用，是对数据资产管理行使权力和控制的活动集合，它是一个管理体系，包括组织、制度、流程和工具。

银行监管巴塞尔委员会（BCBS）2013年就数据收集、存储、应用实践和监管要求等方面发布了指导原则（BCBS239），包括了总体要求、数据汇聚能力要求和数据应用要求，对开展数据治理工作有很强的指导作用。

（总体要求包括原则1和原则2）

原则1：治理。数据治理应纳入公司治理的范畴。

原则2：数据结构和IT架构。应设计、建设和维护符合日常数据汇聚和应用需求的数据结构和IT架构；同时还要求在危机发生时能够应对压力发挥效用。

（数据汇聚能力的要求包括原则3到6）

原则3：准确性和集成性。应通过自动化集成的方式建立准确和可信赖的数据集合。

原则4：完整性。应从机构自身各条线收集所有完整的原始数据。

原则5：时间性。应建立满足时间线要求的数据集合。

原则6：适应性。应建立满足机构各条线需求的数据集合。

（数据运用的要求包括原则7到11）

原则7：精确性。应精确的应用数据、反映实际情况。

原则8：完整性。应基于机构内外完整的数据进行分析应用。

原则9：清晰和有效。应展现出清晰有效的信息。

原则10：频率周期。应设置明确的统计频率周期。

原则11：穿透性。应确保各个层面的数据都可信穿透。

完全达到这些原则性要求是个巨大的挑战，整个金融行业（包括信托行业）还要有很长的路要走。

特别需要指出的是在金融科技时代下，数据的工作同时还要考虑如何融合日益增多的人工智能、机器学习等新兴技术的使用。

自1979年新中国第一家信托公司成立以来，中国信托业已走过40多个春秋，目前全国共有68家信托公司。发展经过了以下几个阶段：1979年～2007年，开启了信托投资时代，其间信托业历经6次大整顿，初步建立信托业基础监管体系框架。2008年起，信托业发展迅速，信托资产规模实现了近10倍的增长，2016年信托总规模达到了26.25万亿元。2017年始，伴随国内经济增长减速换挡，供给侧结构性改革步入深水区，在金融严监管、资管新规出台的背景下，第七次行业整顿有序开展。信托牌照“优势”逐步减弱，券商、基金、保险资管、银行理财子公司等金融机构不断与信托争夺资管市场份额，信托行业又一次来到了转型分化的十字路口。

2008年以后，随着业务类型的丰富和监管要求的提高，各信托公司逐步加大投入，開展一体化信息系统的建设。据不完全统计，截止目前，我国信托公司信息技术部人数平均约为14人，信息科技外包人员总数平均约为24人；信息化建设总投入平均值约为2700万元。具体到数据治理层面，全国68家信托公司中，约有三分之二已经开展了数据治理规划相关工作，投入大部分在500万元以内，数据治理专职人员人数平均在2人以内。由此可以看出，信托行业信息化起步晚，虽然在资源投入方面增幅较大，但还是远远落后于银行、证券、基金、保险等金融机构。如何克服资源禀赋的劣势，发挥后发优势搞好数据治理工作，我想需要做好以下几点工作：

（一）规划先行，科学架构

加强大数据战略规划和统筹部署，加快完善数据治理机制，参照数据管理能力的行业要求和国家标准建立总体工作框架：包括数据治理保障体系、数据架构管理、数据开发、数据操作管理、数据安全管理、参考数据和主数据管理、数据标准管理、元数据管理、数据质量管理等方面，概括如图1所示。

规划阶段参照的标准主要有以下几个：

1.《银行业金融机构数据治理指引》（银保监发【2018】22号）

2.国家标准化管理委员会 2018-06-07发布，《信息技术服务 治理 第5部分：数据治理规范》，标准号：GB/ T 34960.5-2018

3.国家标准化管理委员会 2018-03-15发布，《数据管理能力成熟度评估模型》。标准号：GB/T 36073-2018

4.《数据安全法》《个人信息保护法》

5.由国际数据管理协会DAMA发布的《数据管理知识体系指南-DMBOK》

6.由卡耐基-梅隆大学CMU软件研究所SEI发布的数据能力成熟度模型DMM

（二）公司治理，有力保障

数据治理的本质是管理数据，不能认为数据治理就是开发一套功能强大的系统就可以管好数据。事实上，排查一个数据问题往往牵扯出前中后台相关的各个部门，有的是因为管理方面职责不明确，导致录入操作不规范、不及时；有的是因为业务上数据定义不明确，导致填报不准确；更有唯工具论者，认为一切工作都应全部交给系统，系统应承担一切责任，最后成了所有管理、数据问题的挡箭牌。要解决以上种种问题，必须在公司治理层面明确内部管理机构和职责、制订相关管理制度和工作流程，切实建立起数据工作长效开展的保障体系。

在有效保障体系加持之下，方能支撑数据治理成为信托公司一个持续运营的过程，逐步完善、分步迭代，不断优化规范、优化组织、优化平台、优化流程。

（三）一体化建设、IT赋能

逐步建设一体化企业级数据治理平台，在功能设计上要求能够覆盖数据生命周期各个阶段，以规范化、自动化、智能化为目标，将过程中所产生的规范、标准、流程、质量控制措施、绩效考核等落地到系统平台上，源头治理，不断积累公司数据治理能力，提高工作效率、降低运行成本。

建管一体化，组建公司级别独立的数据团队，同时负责系统建设和后续管理应用，保证数据模型血缘与任务调度的一致性，解决数据管理和数据生产口径不一致的问题。

IT赋能，通过系统平台推进与各业务系统的互联互通和跨部门、跨层级的数据融合应用机制，在切实保障个人隐私、商业秘密与敏感数据前提下，强化信托与司法、社保、工商、税务、海关、电力、电信等行业外部数据资源融合应用，实现数据资源有效整合与深度利用；进一步提升数据洞察能力和基于场景的数据挖掘能力，充分释放大数据作为基础性战略资源的核心价值。

数据治理工作管理海量、多样、长期的数据，复杂度高、专业化要求强、数据价值链长、涉及跨系统跨部门的协调配合多；任何環节不到位都可能导致数据价值难以充分体现。基础数据质量标准化往往是一个长期的过程，对于个人绩效很难带来直接的回报，在领导眼里也不知道“这伙人”整天忙忙碌碌在忙什么；同时公司内部其他部门的价值或者战略目标有可能在优先级方面高于大数据，往往带来一线工作的被动性。尽管困难重重，但“欲行万里路必长 世间难觅捷径短”，我们必须树立攻坚克难的决心，采用科学的方法，不忘初心、不断摸索，去追寻数字化时代的星辰大海。

作者单位：江苏省国际信托有限责任公司