在數字經濟時代下，數據驅動業務創新發展已經成為企業的主要選擇，基金行業機構也在積極推進數字化轉型，但機遇與挑戰并存。數據要轉化為數據要素，需要系統體系化的數據能力建設作為催化劑。
基金行業也表現出一定的痛點，其中表現為數據安全保護不夠到位，缺少數據脈絡，數據質量得不到保障等。同時由于行業內在進行系統建設時，對數據管理工作的重要性認識不足以及長年累月雜亂數據的堆積，導致數據治理工作推進艱難，致使在營銷端、分析端、監管報送端長期存在客戶重復，資產異常等情況。
袋鼠云堅持統籌推進、聚焦痛點的原則，幫助基金公司強化數據能力建設，在完善數據治理體系、搭建大數據技術、提升數據服務能力等方面持續發力，多措并舉逐步探索形成了符合基金自身特色的數據能力建設治理之路。
基金公司數據治理解決方案
l 圍繞監管規范打造基金行業數據治理體系
一是完善治理組織：建立完善的數據治理組織架構，落實組織在治理工作中的責任與職能，配套數據治理相關制度，推進數據治理工作落實。
二是打造資產體系：梳理全域業務數據明確各項屬性義，通過資產目錄形式分類管理，實現數據可見、可用、可管理，全面量化數據價值。
三是提升數據質量：根據金融監管相關規范，制定數據標準以及數據檢驗相關規范，通過數據標準化的形式提升數據質量，提高數據可用性。
四是加強數據安全：圍繞數據安全相關政策法規構建安全體系，充分考慮數據之間關聯關系，通過分級、加密等手段進行全鏈路安全管理。
五是主數據統一：借助基金全要素規范整理公司級主數據體系，確保基金基礎業務信息全范圍內保持一致性、準確性、完整性、可控性。
基金公司數據治理架構圖
l 基于資管全要素規范實現基金主數據管理
主數據是用來描述基金核心業務實體的數據，主數據管理要做的就是從公司的多個業務系統中整合最核心的、最需要共享的數據(主數據)，集中進行數據的清洗和豐富，并且以服務的方式把統一的、完整的、準確的、具有權威性的主數據分發給全企業范圍內需要使用這些數據的操作型應用和分析型應用，包括各個業務系統、業務流程和決策支持系統等。
主數據的完整性、準確性決定了企業數據共享、直通與應用的能力，基金行業的主數據主體上分為：客戶主數據、證券主數據、產品主數據。不同來源客戶信息整合的優先級是客戶主數據治理的重點;選擇數據質量最優的服務商為主，結合其他數據源進行交叉驗證是證券主數據的治理重點;確定各產品要素屬主，誰生產數據誰負責質量，屬主制定質量標準、系統嚴控準入是產品主數據的治理重點。
證監會、人行、基金業協會三大報送主體的監管報送數據具備維度多、標準清晰、數據質量要求高等特點。通過構建相關主數據，為反洗錢、征信、利率等多監管要求提供了一道堅強的防線。
基金主數據管理
l 基于元數據打造企業級數據資產中心
接入基金公司的數據倉庫、各個業務系統庫，采集庫表元數據，獲取數據使用的元數據信息;然后在采集的基礎上，進行二次規范維護，補充缺失的業務元數據，匯總后提供元數據查詢分析服務。
制定基金公司數據標準，通過標準的映射比對，發現并修改存量不符合標準的數據。再通過數據模型的規范化建表和建模，讓增量數據落地即是標準的。通過自動解析的數據血緣關系，可以輔助技術與業務人員發現數據流轉關系、數據影響鏈路，合理訂閱并維護用戶關注的數據。
基金數據資產中心
l 圍繞基金業務構建全維度畫像體系
近些年，隨著投資者對專業資產管理的需求日趨旺盛，資產管理行業的競爭也在加劇，這迫使基金公司著重于投資者教育和陪伴工作。基金公司的數字化營銷能力也逐漸成為企業關鍵競爭力，但建設過程主要存在以下難點：
一是基礎弱，由于公募基金存量客戶龐大，而公募基金銷售長期依托代銷渠道和互聯網渠道，客戶數據分散、多端身份不統一，導致基金公司對自身客戶的理解能力比較有限，缺少對投資者需求變化和行為變化有效研究手段。
二是難匹配，透過大量問卷和數據分析發現，不同人群、不同需求的投資者，對產品要求和收益目標等有明顯的差異，操作行為也有明顯的不同。這就要求基金公司具備有效客戶分層識別能力，產品推薦的精細化能力，投教內容差異化能力，進而提升投資者投資體驗。但由于營銷系統的閉環能力較弱，很難了解基金產品是否滿足了用戶的需求，改善了投資體驗。
三是應用淺，在指標不科學、無體系，數據分析深度不夠，缺乏業務洞察和建議等問題面前，很多企業止步在有數據和看數據階段，并未將數據分析與營銷業務結合起來，提出有意義的洞察和建議。
通過袋鼠云客戶數據洞察平臺，建立涉及客戶、產品、渠道的三層標簽體系，支持銷售、服務、合規等不同角度的需求，支持便捷的標簽開發、運算、展示和輸出等全生命周期管理，持續輸出數據價值，支持客戶個體及群組畫像、客戶群圈選和對比，支持快速推廣、智能營銷、精準服務，細粒度的標簽權限管理和高效穩定的標簽展示和輸出，確保安全且高效的業務開展，積木式的組件標簽搭建和復用，可快速支持例行、臨時或專題性的數據分析。
基金全維度畫像體系
基金公司數據治理建設成果
l 數據管理方面
考慮到數據治理是一個公司數據知識、文化沉淀的長期過程，經過綜合對比評估之后，基金公司結合自身組織架構及數據情況，以信息技術治理委員會作為數據治理的領導組織，以自有人員組成的數據治理小組為數據治理及落地平臺建設的推進組織，推進數據治理相關制度發布和治理落地。
在制度上，先后發布了《數據管理辦法》《數據分類分級指引原則》等制度規范。在平臺落地建設上，以數字資產管理平臺作為數據治理的落地支撐平臺，實現了數據標準管理、主數據管理、元數據管理、數據變更管理、數字資產盤點、數據質量管理、數據分類分級、數據血緣分析等管理功能，將數據治理與開發設計過程緊密結合，形成數據模型變更設計、評審、事后審計、定期量化評分的管理閉環，以數據治理為抓手，保障數據完整性、準確性、一致性，從而形成數據質量提升的長效機制。
公司按照“點線面體”的方法推進數據治理落地，從數據源頭系統開始全面治理，撇棄“頭痛醫頭、腳痛醫腳”臨時解決方案。點是對點狀的自研業務系統逐個治理，線是推進系統間數據及流程互通，面是結合大平臺化系統建設思路，以業務支撐基本面全局視角去完善治理體系，體是最終構建起數據共享、互聯的高質量數據體系。
當前數字資產管理平臺已覆蓋40個系統，且對于新增或重構的系統已實現數據標準覆蓋率95%以上。
l 中臺能力方面
中臺能力是公司內部共享資源所能提供業務、技術、數據能力水平的綜合體現。基金公司業務相對比較穩定，構建穩定中臺能力契合基金公司的需求，加強中臺共享能力建設，沉淀業務及服務能力，將是未來的核心競爭力。
公司將業務能力、技術能力、數據能力以技術視角映射成了業務中臺、技術中臺、數據中臺3大中臺技術能力，通過三者緊密協同合作，對業務運營進行全面賦能。
一是業務中臺：當前為百萬+客戶提供基金銷售服務。為提升系統交付速度和交付質量、更好地為客戶提供精準貼心服務，公司對數據治理平臺承載的所有服務進行梳理、抽象，采用容器 + 微服務技術架構，根據業務域進行服務細化、拆分，逐步沉淀營銷服務、投顧服務等中臺服務能力，減少系統重復功能建設和維護帶來的資源浪費。同時，在獲得客戶授權前提下，歷史交易行為、個人資產分布情況、投資風險偏好等信息，運用技術中臺提供的大數據AI算法能力，為不同偏好及投資風格的客戶提供歷史盈虧分析，交易行為診斷，定投策略建議等個性化服務。
采用微服務 + 微前端的技術架構，對TA、估值、資金清算等中后臺運營支撐系統中的運營管理服務進行歸集整合，實現登記結算部門日常工作(如：任務分配、團隊協作、分紅事項跟進等)集中式、標準化統一管理，通過沉淀的運營管理類數據資產，結合運營管理大屏可視化展示，讓運營管理工作變得更加直觀、高效，以數據驅動運營提效，有效規避日常運營工作中的風險及問題。
二是技術中臺：為統一開發技術棧，避免各系統建設過程中在公共技術工具上重復“造輪子”，部門成立了技術中臺小組，專門負責公共服務能力沉淀及建設、新技術引入、架構評審等工作，通過標準化通用能力的輸出，為各業務系統建設賦能，其中主要包括應用技術賦能和AI算法賦能。
當前技術中臺已發布消息投遞服務、統一用印服務、統一數據網關、服務注冊中心、工作流引擎等公共技術服務，以及NLP、機器學習相關算法、智能機器人等AI智能服務，這些服務已被廣泛應用于產品管理系統、投研一體化、智能客服、協同辦公平臺等多個下游業務系統中。
三是數據中臺：公司基于Hadoop技術生態體系，采用湖倉一體的數據技術架構，構建了公司級的數據湖和數據倉庫，根據數據治理制定的相關數據標準規范，按主題對業務數據進行統一清洗、整合。同時，為了保障數據出口的一致性，提升數據存儲、消費安全，公司基于數倉清洗整合后的標準數據，采用微服務架構，實現了數據服務接口開發、測試、驗證、發布、授權、下線全生命周期在線管理，以在線數據服務接口方式為多種數據消費場景進行數據賦能。
此外，借助數據治理對各類指標進行梳理定標，明確指標的定義及統計口徑，構建全局的指標體系，統一數據出口標準，實現“數出一孔”，避免不同數據消費場景“數據打架”的問題。
