数据洞察，价值挖掘 | 久其智能财务数据质量风险管理平台
2019年11月国务院国资委发布《全国性国资国企在线监管系统建设工作方案》，标志着国资监管信息化建设由国资委内部发展全面转变为“国资委-企业”联动推进。2020年8月21日，国务院国资委印发《关于加快推进国有企业数字化转型工作的通知》，就推动国有企业数字化转型作出全面部署。2022年3月，国务院国资委印发《关于中央企业加快建设世界一流财务管理体系的指导意见》，要求持续完善五大体系，完善智能前瞻的财务数智体系，建立健全数据产生、采集、清洗、整合、分析和应用的全生命周期治理体系，完善数据标准、规则、组织、技术、模型，加强数据源端治理，提升数据质量，维护数据资产，激活数据价值。
数据即企业的战略资产已成为业界共识，数据治理已成为众多国有企业推进数字化转型的核心工作。在加快构建世界一流企业的目标驱动下，国有企业对业财协同、流程贯通提出了更高要求，财务数据质量问题更加凸显，亟需借助大数据技术，加强数据治理，以便深入挖掘数据价值、用数据管理企业、用信息驱动业务。
一、数据治理概念
国际数据管理协会（DAMA）给出的定义：数据治理是对数据资产管理行使权力和控制的活动集合。
国际数据治理研究所（DGI）给出的定义：数据治理是一个通过一系列信息相关的过程来实现决策权和职责分工的系统，这些过程按照达成共识的模型来执行，该模型描述了谁（Who）能根据什么信息，在什么时间（When）和情况（where）下，用什么方法（How）,采取什么行动（What）。
百度百科给出的定义：数据治理（Data Governance）是组织重涉及数据使用的一整套管理行为。由企业数据治理部门发起并推行，关于如何制定和实施针对整个企业内部数据的商业应用和技术管理的一系列政策和流程。
IBM给出的定义：数据治理是一门将数据视为一项企业资产的学科。它涉及到以企业资产的形势对数据进行优化、保护和利用的决策权利。它涉及到对组织内的人员、流程、技术和策略的编排，以从企业数据获取最优的价值。
综上所述，将数据视为战略性企业资产，意味着组织需要建立其现有的数据清单，就像建立物资资产清单一样。典型的组织拥有与其客户、供应商和产品相关的过程信息。从这些数据获取最大的价值，推动改进风险管理和以客户为中心等计划的实施。依托大数据、云计算等新技术，从原始数据重新提炼出有用、高质量、有价值的数据信息，通过深度整合形成多维多层的知识图谱，将数据高度聚合，并开展数据挖掘，对于企业经营管理层提供研判分析预测。
二、智能财务数据质量风险管理平台
智能财务数据质量风险管理平台是基于大数据技术的财务数据稽核风险体系建设的载体，其业务包括稽核点建模、稽核规则建立、稽核点执行、稽核报告、统计分析与考核评价的财务数据治理闭环管理。具体如下图所示：
智能财务数据质量稽核平台由数据源层、数据处理层、数据存储层、应用工具层、业务模型层与应用展现层六层构成：
数据源层包括财务系统、主数据系统、各业务系统和其他数据；
数据处理层分为分布式稽核执行引擎与自动调度稽核执行引擎；
数据存储层包括数据稽核业务数据库与数据稽核监控数据库，数据内容有稽核结果、稽核点和规则、错误数据明细等；
应用工具层的数据稽核平台包括我的工作台、稽核结果报表、预警事件、工单管理、标准化数据稽核报告和考核报告；
业务模型包括稽核点质量情况、完整性分析、准确性分析、合理性分析、考核报告与质量监控。
某通信集团实践案例
1.系统建设背景
基于集团集中ERP等管理域信息系统，筹划管理域数据治理工作。专注于消除数据的不一致性，建立规范的数据应用标准，提高组织数据质量，实现数据广泛共享，并能够将数据作为企业宝贵资产应用于业务、管理、战略决策中，发挥数据资产的商业价值。
2.建设目标与内容
智能财务数据稽核系统的建设目标是确保数据的完整性、一致性和合理性，有效进行财务数据质量的风险防控。建立规范的数据应用标准，通过财务数据智能稽核系统，发现数据问题，驱动业务流程的改进，形成数据质量管控报告，构建从数据产生、数据稽核、发现数据问题、业财流程优化、规范化数据的数据治理闭环。
智能财务数据稽核系统建设内容包括稽核点建模和执行、稽核报告、在线推送、统计分析和考核评价五部分。稽核点建模和执行实现按周期定时稽核主数据、业财交易数据。稽核报告支持根据稽核结果，生成稽核报告及日常检查预警事件；在线推送包括工作计划、个人工作台、待办事项处理与待办事项审阅等功能。
3.系统应用价值
快速响应，精准定位
准确、快速定位问题数据源，及时通知数据负责人进行处理，减少避免损失。
智能数据稽核，高效执行
支持主数据和业财交易数据的事前、事中及事后稽核，并出具稽核报告。应用解决方案和管理结合，建立组织体系、管理体系和考核体系，以标准规则监控数据质量，将数据生产者、使用者、管理者关联起来联动响应，以绩效手段保障数据管控体系有效执行。
标准统一的数据规范，增强数据质量
以核心业务为主线，提供统一的数据标准，规范数据治理流程，建立数据监控规则与应用规范。将数据规范贯彻落实，增强数据质量，沉淀数据资产。
挖掘财务数据资产，呈现智能决策信息
一方面，以高质量的数据，保障决策信息的准确有效；另一方面，提供实时业财数据，为领导提供即时经营决策信息与商业洞察。
某商业地产集团实践案例
1.系统建设背景
随着企业信息化、数字化、智能化浪潮，集团公司建立了ERP管理系统、生产运行系统等各类业务系统。但集团财务风险管理工作主要通过人工线下实现，相关人员通过对各业务、财务系统之间数据的准确性、执行合规性等风险进行核查、下发、处理和核实。因此，集团需要建立有效的智能财务数据质量与风控系统工具，借助信息化手段，提高工作效率和工作质量。
2.建设目标与内容
智能财务数据质量风险系统的建设目标是财务风险自动核查、通知整改、核实处理结果，减轻总部和一线人工核查工作量，实现财务数据的准确、规范，确保质量，达到智能财务风控的目的。
系统建设内容包括风险核查、财务分析、数据处理、通知管理等功能模块。风险核查业务是按风控规则，进行风险排查，统计生成风险核查报表，包括核算风险、预算风险与共享风险。财务分析业务是按分析规则，对财务分析报表进行统计，涉及核算分析、预算分析内容。数据处理业务是对财务Oracle、共享报账、税务、全面预算、财务报表、智能电表等系统数据，进行清洗和处理，建立财务风控模型，进行数据预处理计算。
3. 系统应用价值
提升商业地产财务风险管控效率
大幅减少人工工作量，提高数据准确性、操作规范性核查效率。
多手段采集前端业财系统数据，实时掌握财务核心指标数据状态
通过EFDC、ETL、采云Spider等工具，实现多个业务系统核心数据全面监控和电表等外部数据采集，对核查内容的数据准确性、执行标准合规性等风险进行自动、实时、全面稽核和校验。
通过数据稽核，发现数据质量问题，强化数据治理
一方面，从各业务系统或数据中心采集汇总生成财务风控数据库。规范业务操作，提高财务数据质量。打通各业务系统之间数据壁垒，在数据集中的基础上，进行校验、处理、建模、计算，为经营管理者提供共享数据、共享主题。另一方面，规范业务操作，提高财务数据质量。
