財務管理數字化轉型下的數據治理
——以A 集團財務公司為例

王 丹 馬文騰 何 帆

（作者單位：廣州汽車集團股份有限公司）

一、研究背景

財政部發布的《會計改革與發展“十四五”規劃綱要》指出，以數字化技術為支撐，以推動會計審計工作數字化轉型為抓手，健全完善各種數據標準和安全使用規范，形成對內提升單位治理水平和風險管控能力、對外服務財政治理和宏觀經濟治理的會計職能拓展新格局[1]。

2013 年，美國政府的“棱鏡門”事件爆發，引發了世界對數據權利、數據監管和數據治理的普遍思考；2015年5 月工業和信息化部發布了《數據治理白皮書》，對國內外數據治理的最新研究現狀及目標進行了明確。黨的十九屆四中全會首次在國家層面將數據增列為必要的生產要素，數據資源和數據治理的重要地位得到確立。中共中央、國務院印發的《關于構建更加完善的要素市場化配置體制機制的意見》中明確要求加快培育數據要素市場，全面提升數據要素價值。2018 年5 月銀保監會發布《銀行業金融機構數據治理指引》（以下簡稱《指引》），要求金融機構加強數據治理、提高數據質量、發揮數據價值、提升經營治理能力和價值創造能力[2]。“十四五”時期是我國發展數字經濟的關鍵時期，標志著數據治理將進入集成創新、快速發展、深度應用、結構優化的新階段。

在財務數字化轉型過程中，為實現提升數據分析效率和數據可視化，A 集團財務公司作為集團公司的“內部銀行”，應人民銀行、銀保監會和集團的要求，公司需報送業務和財務的明細數據外部數據報送時效性強，數據更明細，數據質量要求更高，對系統和報送人員提出了很高的要求。A 集團在企業高質量發展和財務治理數字化轉型過程中在財務合并報表系統Tagetik，以提升“業務處理效率”，實現業財一體化，實現“合規與控制”“業務洞見”等建設統一大數據平臺和云數據中心，產生了海量的業財數據，如何對半結構化、非結構化的數據質量進行數據治理，減少管理冗余和成本，提升經營效率、監管評級和價值創造，從而適應大數據時代的發展趨勢和本質要求，成為A 集團財務公司發展過程中面臨的重要課題。

二、文獻綜述

國際標準化組織IT 服務管理與IT 治理分技術委員會制定了ISO/IEC 38500 系列標準[3]，認為應該“以終為始”驅動數據治理，并制定數據治理的基本原則、使用范圍等，但未對數據治理的驅動因素和實施路徑提出有效建議。

國際數據治理研究所（DGI）系統性地提出了數據治理框架，并指出數據治理是區別于IT（硬件、軟件和應用）治理，是一個組織依據治理規則在治理范圍內將日常的以規則導向、重復性高的業務處理活動，借助IT 技術手段，采用標準化、流程化的過程。但是對治理目標和治理范圍尚未作出明確闡述。

信息技術服務分會（ITSS）提出了數據治理的框架，明確了數據治理的范圍、內外部驅動因素、數據治理的目標和過程，并根據數據治理的成熟度，建立了企業的數據治理監督體系。

三、A 集團財務公司數據治理過程

（一）A 集團財務公司數據治理的背景

1.《指引》

《指引》要求建立組織架構，明確董事會、監事會、高級治理層和各部門職責，制定制度，確保數據統一治理，各部門高效運行，并在經營治理中發揮價值[4]。

此外，《指引》還要求金融機構應當建立全面有效的數據治理制度、覆蓋全面的業務規范和技術標準，建立問責機制，定期排查數據治理和數據價值實現方面的問題，并按規定進行問責。

2.外部數據報送的要求

應人民銀行、銀保監會和集團的要求，公司需報送業務和財務的明細數據，外部數據報送時效性強，數據更明細，數據質量要求更高，對系統和報送人員提出了很高的要求。

3.內部數據使用的要求

經過4 年運營和財務治理數字化轉型，公司積累了一定量的財務數據和業務數據，隨著新業務的開展，公司在經營決策、風險治理和業務運營方面的數據需求日益增加。但海量的業財數據存在不同系統中，不同系統的數據標準、規范不統一，數據之間無法進行有效集成，存放在不同系統的數據形成了“信息孤島”。

（二）數據治理推進情況

如圖1 所示，A 集團財務公司初步建立了數據治理工作團隊：建立了信息科技委員會牽頭，數據治理工作小組具體推進的組織結構體系，財務部作為數據治理工作小組的秘書機構，負責小組的日常治理；信息治理部負責系統建設，各業務部門負責部門數據報送和質量治理。

1.順利完成了各項數據報送

經過艱苦的努力，順利完成了各項數據的報送。通過數據報送工作，鍛煉了數據治理團隊，探索了適合廣汽財務的數據治理工作模式。

2.初步梳理了數據標準

按照監管要求和經營治理要求梳理了各項報送指標的口徑和系統取數路徑、數據治理維度和指標。

3.擬定了數據治理工作路線圖

從工作目標、系統建設、數據標準建設、團隊建設等方面擬定了2021 年至2024 年的工作路線圖。

4.建設了以BI 為核心的數據治理系統

建設了一套完整且可擴展的數據入倉流程，存儲了自開業以來所有的業務財務數據，建立了分層次的數據倉庫，建成了經營分析、監管報送、征信報送、反洗錢等多個數據集市，提供治理駕駛艙、固定報表、郵件推送、自服務等多種數據提供方式。目前商業智能（Business Intelligence, BI）系統已經成為公司數據治理服務的基礎系統。

（三）存在的問題

1.組織機構

數據治理的組織機構尚在探索中，數據治理工作機制尚不完善，責任難以落實。

2.數據標準

數據治理流程和數據標準尚不完善，系統中數據質量不高，數據口徑差異普遍存在。

3.團隊建設

數據治理團隊專業知識和經驗不足。成員全部為兼職人員，時間投入無法保證。數據治理關鍵崗位缺失。人員缺乏晉升和成長通道，流失率偏高。

4.監管驅動

數據治理工作主要圍繞監管要求展開，公司治理需求尚未得到有效滿足。

5.信息系統

數據倉庫和應用系統的設計、需求分析和開發均依靠外包單位完成，數據鏈路不清晰，數據查找難。

四、數據治理工作經驗總結

（一）數據治理與集團總體戰略、經營戰略、財務戰略相匹配

A 集團財務公司的數據治理工作是集團總體戰略、經營戰略、財務戰略的子項目，始終圍繞著上述戰略目標，并結合自身的資源、能力和需求，制定符合自身情況的改造目標，最終實現資源的優化配置和有效使用，既能滿足監管部門的要求，也能匹配集團的總體戰略、經營戰略和財務戰略，實現數據在經營治理中的價值，實現監管報送及時合規、對公司經營決策的支持、對部門數據需求的滿足。

（二）加強頂層設計

數據治理工作是一個系統工程，本質是企業財務管理數字化的變革，不僅需要建設匹配的信息系統，還需要進行組織轉型和變革，重新定位轉型的專業部門職能，健全數據治理相關制度，明確組織治理、部門職責、協調機制、系統保障、流程治理、質量控制和團隊建設相關要求，其背后還需要企業戰略的支持，也需要貫徹一定的管理理念，是一個系統性的工作。

（三）業務、財務、大數據部門三輪驅動

數據治理項目不是某個部門的事情，需要業務、財務、大數據部門相互合作，相互驅動，互相成就，前期大數據部門用新數字治理技術驅動業務和財務去適應數字治理工作的要求，幫助業務提高工作效率和數據質量；后期業務和財務提供業務場景，需求驅動大數據部門提供新的數字技術解決方案，幫助數字治理技術在業財場景下更好地落地，從而實現既定目標。在這個過程中，需要加強數據治理團隊建設，完善由數據治理人員統籌，IT 人員和業務數據人員組成的數據治理團隊，優化人員構成，明確崗位職責。

（四）建立公司統一的數據標準

1.完善和落實公司統一的數據標準化和指標體系

參考監管、公司經營管控和部門需求，按照業務流程分步完善和落實公司統一的數據標準化和指標體系，以監管要求為藍本建立數據標準，循序漸進地增加公司個性化要求及部門個性化要求，以滿足不同數據需求。

2.建立數據質量控制機制

加強數據源頭治理，在產品開發、系統設計中加入數據治理要求；建立數據差錯跟進整改機制，形成數據質量治理工作閉環。

3.建立數據源治理機制

數據治理工作組在產品開發與系統設計環節介入，確定數據標準；對數據錄入人員進行培訓和錯誤溝通，加強數據復核，提高數據錄入質量；明確數據的歸口治理部門和使用部門；建立數據檢核和差錯整改機制；維護數據檢核規則，開發檢核工具，加強數據復核；建立數據質量問題發現、溝通、記錄、整改和跟進的閉環工作流。

4.完善以數據倉庫為核心的數據治理系統

進一步建設數據倉庫，提高數據倉庫設計和需求分析的自主性，提高系統性能，逐步建設數據自服務系統。提高數據倉庫設計自主性，公司自行承擔數據倉庫的設計、需求分析和部分開發工作，外包人員承擔數據倉庫和數據應用系統的開發與維護；建設統一監管數據集市，逐步按需合并監管集市，保障報送數據的統一口徑、統一來源；建設數據自服務系統，逐步推進面向經營決策的數據自服務系統，提高數據使用效率，降低數據開發成本；加強系統基礎建設，優化數據倉庫性能，提高數據容量和處理效率。

五、結語

數據治理是一個復雜的、必須長期推動的系統工程。A 集團財務公司下一步需要對目前的財務體系進行數據資產的識別和盤點、數據清洗、數據質量規則、數據模型設計，這四項內容需要通過正確的方法和專業團隊保障成功。需要對目前的財務體系及人才隊伍建設進行較大程度的變革。

第一，數據資產的識別和盤點。明確數字治理的對象和范圍，需要對目前擁有的企業財務信息和與分析有關的非財務信息進行盤點；將數據標準分為業務標準和技術標準，業務標準需要跨領域的業務定義規范，需要各部門廣泛參與制訂統一的數字詞典。按照統一的數據標準將歷史數據進行盤點和整理，為后續明確數字資產的“權、責、利”提供依據。

第二，數據清洗。對于所涉及的數據（歷史）按數據標準進行清洗，從而將歷史數據進行統一，消除數據維度和字段不一致的情況，為后續數據的自動化夯實基礎。

第三，數據質量規則。A 集團財務公司需要在內外部技術專家的幫助下，明確各類管控數據的質量接口標準，確定數據在技術層面和業務層面的強制字段和治理性字段需求，基于每一類數據的質量要求梳理數據質量檢核規則，并考慮數據的全面可拓展性和選擇性價比最高的實現方式。

第四，數據模型設計。A 集團財務公司從內外部需求出發，不斷挖掘客戶需求，結合BI 應用和模型設計，減少管理冗余和成本，提升經營效率、監管評級和價值創造。