导读
证券期货业数据模型实现了对交易、监管、披露过程进行全面业务梳理，通过对业务行为的数据化提炼，从整体数据视角描述业务、系统、环节之间的内在联系。
正文
证券期货业数据模型项目自2015年启动，吸纳行业60余家机构近200人参与，是行业重大信息化项目，2020年获评第七届证券期货业科学技术一等奖。证券期货业抽象模型以数学模型独创了表达构建模型的逻辑架构，既保障了模型表达业务的完备性，兼顾核心数据和主数据的重要性，又保障了行业数据的通用特征，兼顾个性业务和数据的特征性，最终形成了“1+3+N”的模型逻辑架构数学表达式（见图1）。
当前证券期货业数据模型应用及实践
规范行业标准
作为行业数据语言统一和规范化的重要依据，为行业机构内部数据模型构建及机构间数据交换提供统一的参考标准，提升行业标准数据项的规范化水平，逐步实现行业数据语言的规范统一，从而降低开发成本，提升交互效率。
服务科技监管
通过汇总各市场主体的关键数据定义，一方面能够为监管系统建设提供大量数据素材，协助监管模型设计人员筛选、比对、校验监管业务设计所需的关键数据，满足跨部门、跨机构、跨市场监管需要，辅助建设监管大数据仓库。另一方面，行业数据模型不断汲取、融合先进的监管思路和监管规则，为行业机构数据系统建设提供重要指导，确保监管数据要求与行业机构数据设计的一致性，实现监管系统与行业机构数据系统之间的平滑过渡。
支持核心应用系统建设
为机构系统建设及数据应用工作提供指导，规范机构内部的数据交换接口，指导数据仓库及数据集市建设，促进机构内部数据治理工作，为机构建立完善的数据资产管理体系、规范数据全生命周期管理以及进一步实现数据驱动业务提供有力支持。在服务资本市场核心机构方面，一是辅助中证数据建设监管大数据仓库，二是辅助深交所临时公告标准制定并提供行业词根规范其数据命名，三是辅助上期所新一代数据仓库的模型建设。在市场机构应用方面，共计50家证券公司应用逻辑模型成果。根据2018年证监会资本市场年鉴数据统计，上述证券公司持有总资产约4.74万亿元，占行业88.45%，管理客户资产约7047亿元，占行业75.20%。
指导大数据智能挖掘
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。通过数据挖掘分析，能够辅助对市场宏观运行情况及证券市场、期货市场及跨市场运行风险进行监测，及时发现异常行为。
服务行业数据运营管理展望
客观来看，目前证券期货业已形成了一定的数据生态，但仍缺乏一个主体对整个生态系统进行管理和运营。数据模型成果作为一项行业数据资产，可以用于建立行业数据知识库和知识网络，从三个方面服务行业数据生态的建设和运营管理。
构建实用的行业数据资产
一是发现数据的基础脉络。通过数据模型构建的行业全景图能够让数据管理者高效、便捷地了解数据脉络，从而为随时掌握数据资产的使用和运行状态打下基础。二是提升数据管控能力。在数据脉络的基础上，通过对代码、映射关系的管理，提升数据资产的管控能力，让数据在业务流转过程中更规范、更有效率，实现数据对业务运转的正向支撑。三是促进数据应用与共享。数据模型中的表、数据定义，业务与数据的关联关系，在数据资产的应用和共享层面，起到引擎作用，最大化释放数据的核心价值，助力行业数字化转型。
形成知识库搭建业务与技术沟通的桥
数据模型具有双向联通业务和技术的特点，能扩展形成行业知识库和知识网络，辅助建立业务与技术沟通的桥，直接服务行业数据生态。数据模型的业务逻辑副产品与业务规则、流程直接关联，模型中的数据表和数据项与技术实施直接关联，因此可以通过数据模型打通数据与业务逻辑。逻辑模型记录行业数据的主要存储和集成结构，代码和映射关系可以实现跨机构、跨业务数据的逻辑连通，助力实现打破数据孤岛的目标。
多维度支持行业数据生态运营管理
证券期货业数据具有价值密度极高、业务运行相对复杂、开展业务涉及数据流转的机构众多等特点。行业数据生态需要包含行业业务逻辑、业务流程、数据标准和数据模型等多个成果，包含监管机构、核心机构、市场机构和软件商等重要的参与主体。各主体开展业务时，以行业数据生态为基础，以数据模型为大部分环节支撑，开展数据生态的建设、管理和运营。
技术方面，一是支持监管报送和监管数据采集，逻辑模型和代码映射关系可以支持监管机构开展监管数据采集，规范监管所需数据的定义和口径。二是支持交易开展，抽象模型、逻辑模型可以指导市场机构、核心机构开展交易相关的数据交换，可以指导软件商进行交易系统的规范研发。三是打破行业垄断，打通数据孤岛，行业代码等成果可以在软件商为市场机构建设业务系统过程中建立交易、结算等环节中的数据联系，辅助打破单一软件商的技术垄断，实现打通机构内部各系统间的数据孤岛。
业务方面，数据模型设计的源头来自法律法规、业务规则等，同时兼顾了交易行为、监管行为的实际情况。数据模型可以帮助业务部门通过业务规则发现和落地数据，帮助数据运营者通过数据溯源业务。数据模型的成果作为行业数据生态运营者的工具，有益于运营者全面掌握数据资产在业务运行中的情况和所发挥的能效。
（证券期货行业数据模型工作组成员：刘铁斌为中国证监会科技监管局副局长，谢晨为申万宏源证券有限公司首席信息官，黄璐为中国期货市场监控中心高级经理）
上一篇：筑金融科技新生态 赴数字化转型新征程
下一篇：新一代登记结算系统 夯实深圳证券市场发展根基
