信托业数据治理及应用面临挑战有哪些？

以下总结出信托业提高数据治理与应用能力面临的七大关键挑战。

1.部分机构数据治理体系缺失，有些流于形式，需夯实完善

数据治理是一个长期持续工作，并且数据治理工作可看到的工作只是冰山一角，而大 部分工作是冰山下不可见的，需要公司的战略重视、有效的治理体系保障和持续投入才能逐 渐见效。据调研数据显示，约 40%的机构制定了专门的治理规划，近 65%的机构成立了数 据治理的牵头部门。由此可见，仍然有部分信托机构缺乏顶层体系规划和组织架构保障，治 理方式基本靠被动发现问题和临时会议讨论治理为主。另一方面，对于已经制定治理体系的机构而言，有的反馈体系及架构流于形式、未真正发挥作用。这些机构虽然已建立了数据治 理委员会及下设办公室类似的组织机构，但在实际工作中，缺乏明确的考核机制，执行效果 不佳，未能建立起完整的多层次、相互衔接的运行机制。公司高层感觉钱花了但效果不达预 期；治理办公室的牵头部门感觉疲于奔命又没有成就感；治理专员都是各部门人员兼职，无 法突破部门墙，治理工作不是其首要工作，重要度认识、投入都不够。同时，机构普遍缺乏 数据治理复合型人才，数据治理工作涉及公司业务管理、财务、人事等多方面的数据资源， 需要有专业性人员的参与才能顺利推动治理工作。

2.数据架构离散异构，需统一规划

（1）信托机构过往的信息系统建设多以应用为导向，应用烟囱式的建设模式导致大量的 数据孤岛，系统间数据难以融会贯通。普遍缺乏顶层架构设计。例如，许多信托机构监管报 送未实现一体化，各监管报送模块呈现多供应商、多系统、多套架构的“三多”问题。

（2）缺乏统一的数据模型和认定维护的标准，规则和责任主体不明确，同一份数据存 在多源维护的问题，如交易对手信息，综合业务系统和资产管理系统、外部系统等都有涉及 维护，系统间存在差异时，应以哪份数据为准。没有确定数据的主责生产系统和使用消费系 统，需要制定统一的数据分布规划。

（3）存在手工台账没有进行系统维护，导致数据不能完全覆盖。

（4）数据交换混乱。系统共享交换呈现点对点网状结构，交换技术方式多样化，管理成 本及难度加剧，虽然很多信托机构建立了数据中台，但仅在数据集成层面做到了集中，未能 形成企业级规范以管控不同数据共享场景的交换方式。

3.数据标准欠缺，需统一规范

数据标准是信托业亟须解决的老大难问题，目前缺乏行业级数据标准，基本都是依靠监 管报送推动。数据治理工作本质上是治理业务，只有业务规范了，数据标准才能定义清晰， 数据质量也将提升。信托业由于信托业务的高度灵活性，数据标准的制定存在较大的挑战。 一直以来，监管部门、行业协会、信托机构持续探索行业数据标准的制定工作。 当前，信托机构数据标准体系建设主要存在下几个方面的问题：

（1）对数据标准化建设的认识有一定基础，但执行力度不够。缺少针对数据标准知识的学 习体系，机构人员对数据标准化建设内涵认识不足，信托业务人员实质参与数据标准化建设的积 极性不高。例如，I9新会计准则升级调整后，业务人员未进行新标准的维护工作，导致下游分 析系统，如监管报送使用数据时，需要自下而上找业务人员一个个沟通确认新科目准则标准。

（2）数据标准的质量认可程度较低，部分信托机构虽然建立了基础数据标准，但由于没 有明确数据标准的业务管理部门或管理职责未落到实处，导致基础数据标准得不到有效维护 与管理；同时，指标数据标准也是各信托机构数据管理问题的“重灾区”，由于指标的属主 管理缺失，导致指标的统计口径会由于不同报表、不同部门、不同周期的要求呈现不一致、数据打架的问题。

（3）数据标准管理还停留在文档管理阶段，数据标准未在系统中完全落标应用，呈现数 据标准空心化、形式化问题。

4.数据质量问题突出，有待提升

各家信托机构数据质量参差不齐，由于系统及数据管理等各方面原因，导致各机构普遍 存在数据不准确、不一致、不完整等典型问题，例如，存在业务数据手工录入的情况，由于 录入标准不统一，导致在数据录入环节出现错误；由于核心业务系统以外采为主，且外采的 系统相对封闭，制定的数据标准约束性不强，导致从系统设计层面就未能保证数据的统一规 范；各系统因为异构、信托机构不能自主可控，升级迭代更多是做到功能层面上的联动，在 数据方面缺失管控能力和方法。对于信托机构数据质量提升工作来说，从数据问题发现、整 改、追踪等方面均存在提升的空间：

（1）各机构通常未能做到主动和全面地发现问题，也没有形成从源头对数据质量的监控 措施；数据质量问题的暴露通常是在数据应用环节，特别是在监管报送方面，由于监管机构 对数据质量要求日益提高，反映的数据质量问题尤为突出。此外在内部管理应用上，也时常 出现统计指标不准确，各部门上报数据不一致等问题。

（2）在问题发现之后，各机构更多地是从表面解决问题，对于问题的处理缺乏统一的组 织协调，数据相关使用部门权责不清晰，各部门关注的多是与本部门直接相关的问题，缺乏 从整体视角和根源上对问题的分析处理，也导致问题整改的沟通成本高、整改进度和效果不 理想，问题往往治标不治本。

（3）由于缺乏有效的流程及系统支撑，对于问题的处理结果也难以有效追踪，问题处理 的过程与解决方案也未能形成知识库，不能对类似问题提供指导借鉴意义。

5.数据资产无法自主掌握，需渐进可控

当前信托机构科技底子薄，人数较少，自主可控能力差，信息系统普遍采用外采模式， 外采的业务、财务、管理等系统数据结构普遍不开放，信托机构科技从业人员很难了解系统 底层数据结构及处理逻辑，数据管理无法摆脱对厂商的依赖，为达到数据资产管理规范，对系 统的改造周期漫长，维护成本高昂，无法高效响应业务变化、有效支撑经营管理及业务创新。

6.数据安全存在隐患，需加强防护

当前信托业系统环境和数据安全保障制度流程尚不完善，各业务系统的开发环境和UAT 环境中的数据，存在客户信息的数据脱敏，但其余的业务数据却是真实的情况。数据缺少分 类分级管理制度，部分系统对数据脱敏依赖于厂商，厂商对数据安全考虑也不充分，比如搭 建UAT环境，没有整套测试数据的生成方案；部分系统无法完全支持业务数据脱敏，脱敏可 能会导致系统无法运转等。因此，在数据治理基础工作中，应当将数据安全相关事项作为重要工作进行跟进治理。

7.数据应用广度深度有待提升，需深化创新

监管机构明确要求金融机构在风险管理、业务经营和内部控制领域中加强数据应用，实 现数据驱动，提升管理精细化程度，目前众多信托机构开始付诸实践，调研数据显示，已有 近 60%的机构建立了专门的数据中台，但从行业访谈情况看，数据分析应用层次较浅，数据 应用价值不够凸显，数据应用场景主题大多局限在管理统计、监管报送等场景，数据应用模 式主要是固定式的仪表盘、报表等形式，缺乏智能的数据服务能力，无法内置在业务场景和 流程中，快速响应业务变化，实现智慧化经营与管理。