财务共享模式下基于数据中台的数据治理动机及路径研究

财务共享模式下基于数据中台的数据治理动机及路径研究

胡婧

中铁隧道局集团有限公司  广东省广州市  510000

摘要：近年来，移动互联网、大数据、云计算、物联网、人工智能、区块链等信息技术的深入发展和广泛应用，促进了数字技术与人们生活工作场景的深度融合，而这种融合反过来推动了数字化转型和数字经济发展。文章通过分析财务共享模式下数据治理动机，提出财务共享模式下基于数据中台开展数据治理的一般路径。

关键词：数据中台；数据治理；主数据管理

引言

数字化转型能提高全球要素资源配置效率，重塑全球经济结构，重构全球竞争格局，推动生产生活方式和治理方式的深刻变革，是产业新业态、新生态及新商业模式的关键力量。数据作为数字经济的核心生产要素，对提高生产效率的乘数作用日益凸现，但同时存在着数据产权、数据安全和隐私保护等日益突出的问题，如何通过数据治理、数据挖掘来实现全方位、全链条降本增效和高质量发展，进而形成市场创新新动能，是数字经济发展的关键问题。

1.财务共享模式下数据治理的动机

1.1实现“一数一源，一源多用”

由于企业不同信息系统间集成度往往不高，各业务及财务数据分散在不同信息系统中，同一数据项从不同系统采集到的数值不一致的情况时有发生。数据多源不仅增加其采集、报送、储存成本，而且反复收集数据造成资源浪费和数据冗余。同时，由于数据责任主体不明确，数据的安全性、完整性、一致性、准确性也无法保证，不完整、不准确的数据无法真实反映企业生产经营情况和财务成果，也无法支撑企业经营管理和决策，数据的资产属性无法发挥。财务共享模式下要真正发挥数据的作用，必须开展数据治理，通过制定完善的数据管理制度，明确数据各责任主体的责权利，严格执行数据标准，建立数据共享机制，做到“一数一源，一源多用”，提升数据利用效率和应用水平，切实实现数据向业务赋能。

1.2实现数据管理风险可控

随着数据价值越来越大，数据管理风险问题越发严峻。“大智移云区”等信息技术在企业财务共享中心数字化中的广泛应用，使网络架构设计更加高速灵活开放，虚拟网络设备、虚拟网络存储管理难度增大，从而造成数据管理更不可控，容易遭受更多的黑客攻击、恶意代码感染或数据窃取与篡改等信息安全风险，数据造假、数据滥用、敏感数据被泄露等道德风险贯穿于数据生命周期，数据存在不完整、不准确等质量低下风险。因此，企业有意愿通过数据治理，构建完善的数据治理组织体系和管理制度体系，从组织和制度上防范风险的发生；建立数据治理文化，开展数据伦理道德风险评估；加强数据监管，严格数据管理制度、标准与流程的执行，使得数据风险在可控范围之内，从而保障企业营运合规。

2.财务共享模式下基于数据中台的数据治理路径分析

2.1理需求、绘蓝图——制定数据战略，开展数据治理成熟度评估，找准数据治理切入点

制定数据战略是开展数据治理的首要工作，企业根据业务发展战略与IT战略来制定企业的数据战略，保持战略的一致性。数据战略明确了企业数据治理的愿景、目标、原则等。以科学的数据战略指导数据治理工作，循序渐进，持续优化，最终达到经营合规、风险可控、价值创造的目标。然后，通过资料查阅、调研访谈、调查问卷等方式，对企业的数据治理现状、组织架构、制度流程、数据质量等进行现状调研，构建数据治理评估指标体系，从数据风险与合规性管理、数据安全与隐私、数据架构完整性、全生命周期管理、数据质量、数据目录与元数据管理、价值创造等维度进行数据治理成熟度评估，形成数据治理成熟度仪表盘，找出当前企业数据管理和数据建设中存在的问题与不足，确定数据治理内容、范围以及切入点。最后，结合企业实际情况决定是选择“打好数据底座，建设数据资产”模式，还是选择“典型场景，做数据治理试点”模式，有针对性地展开数据治理步骤。

2.2定职责、建体系——设计数据

管理体系，建立完善数据治理保障机制。数据管理控制体系是一套以数据治理相关组织和人员为核心，包括数据治理组织、制度、流程、考核等各个方面的执行保障机制，是企业开展数据治理的重要基础性保障和基石。一般来说，企业数据管理体系包括数据治理的组织架构、管理流程、管理制度等要素。

2.3定标准——设计数据标准体系，制定或完善数据治理标准规则

数据标准是保障数据在内外部使用与交换时一致性和准确性的规范性约束。主数据是数据标准落地的关键载体，也是企业开展全面数据治理的核心基础。进行数据标准体系设计，主要是对主数据从业务管控、历史业务数据、行业标杆企业的经验、业务支持四个角度进行标准体系设计，其核心目的是通过统一数据标准的制定和发布，结合制度约束、系统控制等措施，来实现企业数据的规范性、完整性、唯一性、有效性、一致性和共享性。一般来讲，主数据标准体系包括主数据业务标准（编码规则、分类规则、描述规则）和主数据模型标准（主数据逻辑模型、主数据物理模型），并衍生出一套代码体系表（也叫主数据资产目录）。在数据治理实务中，有企业把数据标准体系分为技术标准、数据标准、应用标准、信息化标准管理规范和信息化标准管理系统等五部分。

2.4定位置——数据分布设计

数据分布是数据在业务流程和IT系统中流动的全景视图。通过数据分布设计，可以理清企业数据的来龙去脉，明确数据在系统中的位置及其应用，确定系统中数据间的关联关系，从而识别数据源中的关键数据和敏感数据，发现关键数据在不同数据源之间的重叠情况、血缘关系以及转换逻辑，进而找出不同数据源之间数据的不一致性或异常，为后续有针对性地开展数据治理工作打下基础。

2.5搭平台——数据整合设计

在确定了数据位置及走向之后，企业要搭建几个层面的数据管理平台，进行数据整合，确定主数据集中在哪里，为哪些业务系统所应用、如何来使用。首先搭建集中产品、人员、合同、客户、项目等主数据的主数据管理平台，它是企业数据标准落地实施的载体。通过主数据管理平台发布主数据标准文件，企业可以有效实施主数据全生命周期管理、数据服务等。然后搭建核心业务支持平台，通过业务主题中的数据文件、数据间的逻辑关系等来支持业务系统场景化应用。最后，在业务数据层之上构建决策支持平台，利用主数据层、业务数据层的数据进行指标分析和辅助决策。通过对多个数据平台数据的结构化集成，形成数据整合体系。

2.6洗数据——进行数据清洗

在明确企业数据的源头在哪里，数据标准有哪些，确定数据管理机制、数据如何分布以及如何整合之后，就要对采集到的历史数据进行清洗。数据清洗就是按照一定的清洗规则对零散、重复、缺失、错误、无用的原始数据进行管理性验证，通过数据清洗，去除或补全缺失数据，删除或修改格式内容错误数据，去除无用数据等，实现数据的唯一性、完整性、准确性、一致性以及有效性。只有经过清洗的数据才能形成数据资产，为预算管理、绩效管理、成本管理、客户管理、财务分析、经营分析等经营决策业务提供场景化的应用支持。

结语

当前正处于第四次工业革命时期，数据的战略资源属性日益显现，企业的数据状态、数据管理水平与数据需求不相匹配，经营管理中的数据痛点难点问题也愈发突出，开展数据治理必要而且迫切。国内企业数据治理成功案例表明企业开展数据治理是有路线可循的。企业要想成功实施数据治理，应遵循治理一般路径，围绕公司发展战略和业务需求，准确定位数据治理问题，建立完整的数据治理管理体系和保障机制，确立各类数据标准和数据治理流程，搭建数据治理平台。

参考文献

[1]祝守宇，蔡春久 . 数据治理工业企业数字化转型之道［M］. 北京：电子工业出版社，2021.

[2]张庆龙 . 世界一流企业财务管理体系建设目标与内容要素［J］. 商业会计，2022，（14）.