UDN-企业互联网技术人气社区

板块导航

浏览  : 374
回复  : 0

[数据湖] 基于数据模型的证券期货行业数据资产管理案例

[复制链接]
沉默的代码杨的头像 楼主
发表于 2019-6-17 19:44:12 | 显示全部楼层 |阅读模式
本帖最后由 沉默的代码杨 于 2019-7-15 14:34 编辑

基于数据模型的证券期货行业数据资产管理案例
-------------------------------------------------
     数据资产管理知识体系涉及管理、技术、金融等多个学科领域,是一个非常复杂的系统工程,本白皮书涉及的知识内容及理论体系尚不成熟,还有很多问题和缺陷有待完善,目前处于一个非常初级的阶段,为了促进经验交流,本白皮书还征集了数据中心联盟成员内相关 专家企业主导或参与的应用案例供业界参考。

据情况   
----------------------------------------------------------------
     现代证券期货行业是依赖信息化程度**的行业之一,IT 系统运行产生的数据是证券期货行业最核心的资产。中国证券期货行业涉及涉及机构类型多样、数量庞大:参与市场运行的核心组织机构有近20 家;证券、期货、基金、私募经纪公司等各类注册经营机构有数千家;交易的标的物品种繁多、交易量大,日均交易量在 3.5 亿笔左右;交易方式多样、变化迅速、结构相对复杂,一笔交易需要经过多家主体机构才能完成运行流转。证券期货行业产生的数据量大(截止到 2016 年底,国内证券期货行业行业结构化数据量已经达到了 PB 级)。但与“通常意义上”的大数据低价值密度、快速处理、非结构化为主相比,证券期货业大数据结构化程度高、数据质量好、附加值高,并且数据需要在需要在多个企业间进行数据交换,形成主营业务闭环,对数据交换要求极高的频率。

       **作为证券期货行业的监管部门,对证券行业的良性发展起到了不可或缺的作用。在数据方面,**一直致力于推进数据标准和治理工作,旨在通过建立统一的框架,指导、规范整个行业数据交换与统计。证券庞大的机构群、巨大的数据量、高结构化、相对复杂的数据交换环境使证券期货行业的数据资产管理工作面临巨大挑战。


痛点难点
----------------------------------------------------------------

     在目前的国际数据资产管理体系中,各国际标准组织及数据管理组织对数据资产管理的概念、框架、目标要求都已有明确定义,但是在应用与成果理论两个环节,还没有深入和具体的方**。简而言之,如何将抽象、粗线条的数据资产管理概念和框架具体应用于行业级场景仍缺乏系统性的理论和实践探索。 如前所述,中国证券期货行业机构繁多、交易多变,基础数据定义冲突较多;数据交互相对复杂但跨机构、甚至机构内部的通用程度较差,数据交换接口标准定义各异;在业务协同、监管等领域缺乏清晰可见的行业数据关系图谱。可见,整个行业急需系统化的数据资产管理,以统一明确的数据模型,描述整个证券期货市场业务、数据情况,明确数据定义、规范数据交换、指导行业系统建设。中国**在吸收国际先进标准的基础上针对行业应用这一空白研制了中国证券期货行业数据资产管理方**,建立了以数据模型为核心的行业数据资产管理体系。


实践路径
----------------------------------------------------------------

      **行业数据资产管理以行业数据模型为核心,规范数据定义,服务行业标准化。 证券期货行业数据模型的建设首先是解读行业规则,即以证券期货行业相关法律法规、业务规则、制度及流程等为依据,梳理行业顶层数据流图及机构内数据流图,识别行业数据的现状。 进一步以“交易”、“监管”、“披露”三大业务线条为切入点,分别完成对行业中各种业务的全面遍历,最终形成一系列有关联关系的数据项和数据表。以行业现状的识别、行业规则的提取为基础,根据模型的应用深度的不同,形成用于规范行业标准化的抽象模型和指导行业数据应用建设的逻辑模型,最终完成证券期货行业的数据模型建设。


应用效果
----------------------------------------------------------------

      证券期货行业数据模型已用于规范行业各类标准制定,指导行业各机构应用系统建设,乃至为行业数据大集中项目提供权威数据标准。

      1.规范行业标准化:建立一套基于行业数据模型的行业标准编制、审核机制、关联查询方式,通过行业标准审核,规范、统一在行业中交换数据的含义和口径。

     2.支持核心应用系统建设:运用不同视角的逻辑模型,直接指导行业系统建设,特别是数据仓库类的数据应用系统建设,规范机构间进而到机构内部系统间的数据定义,提升全行业数据标准化程度。

     3.指导智能数据挖掘方**:建立智能数据挖掘方**。通过数据模型中的业务流程和实体关系图,形成数据挖掘地图,开展不依赖于业务需要的工程化数据挖掘,遍历特定业务方向上的数据特征,全面提取业务间的关系列表,提高数据挖掘准确性和挖掘效率。

     4.在行业范围内建立数据资产管理实践:以证券期货行业数据模型为基础,开展行业数据模型治理工作,梳理证券公司逻辑模型,形成指导证券公司开展数据仓库建设及其他应用系统建设的**实践。

     5.整合行业数据资源,提升数据利用价值:在建立行业数据资产管理**实践的过程中,借助行业力量,整合行业数据资源,使**实践更具备行业通用性,更具有行业指导作用,有效提升数据利用价值。

     6.加强数据合规、风险和隐私:在数据资产管理过程中,综合考虑全面风险管理,基于行业模型、行业标准等积累完整、准确的内外部数据,更好地服务于风险识别、计量、评估、监测和报告。


洞察启示
----------------------------------------------------------------

      中国**推动的基于数据模型的行业数据资产管理是对DAMA“数据资产行使权力和控制的活动集合”这一数据管理活动抽象定义的具体落地。各行业主管部门、大型公共事业、以及大型企业的管理层应清晰的认识到数据资产管理对于行业数字化发展、行业监管、以及大数据战略落地的意义,高度重视数据资产管理的工作,结合自身业务战略,对照各自行业数据特点、数据管理成熟度、以及未来行业数字化趋势,学习借鉴**的**实践,以对行业、企业未来和社公众的高度责任心、科学的方法、和严谨务实的态度开展数据资产管理工作,形成一把手带队、组织机构健全、职责清晰到人、嵌入绩效、自上而下与自下而上结合的数据资产管理文化。










您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关于我们
联系我们
  • 电话:010-86393388
  • 邮件:udn@yonyou.com
  • 地址:北京市海淀区北清路68号
移动客户端下载
关注我们
  • 微信公众号:yonyouudn
  • 扫描右侧二维码关注我们
  • 专注企业互联网的技术社区
版权所有:用友网络科技股份有限公司82041 京ICP备05007539号-11 京公网网备安1101080209224 Powered by Discuz!
快速回复 返回列表 返回顶部