当前，数据已经成为非常重要的企业资产甚至是行业资产，对于数据资产的了解、规划、治理和预测成为各行业的新兴盈利点。现有的证券期货行业机构多、类型广，交易方式多样，创新产品层出不穷，变化迅速。市场上机构间数据交互相对复杂；机构内部应用系统多，数据交换接口多样，通用程度差。基于行业数据的治理工作迫在眉睫。

第1 部分 背景篇/ 1

第1 章 国内外数据治理综述/ 3

1.1数据治理概述/ 3

1.2国外数据治理相关论述及标准/ 4

1.3国内数据治理相关规范及标准/ 8

第2 章 我国证券期货业数据治理现状/ 10

2.1证券期货业数据治理的背景/ 10

2.2证券期货业数据治理的价值/ 11

2.3证券期货业数据治理面临的问题及挑战/ 11

第3 章 基于证券期货业数据模型的数据治理/ 13

3.1证券期货业数据治理的思考/ 13

3.2数据模型与数据治理/ 14

3.3证券期货业数据治理相关工作组/ 15

第2 部分 方法论篇/ 17

第4 章 证券期货业数据模型概述/ 19

4.1模型整体框架/ 19

4.2总体方法论/ 20

4.3建设流程及步骤/ 21

4.4抽象模型框架/ 23

4.5逻辑模型框架/ 24

第5 章 抽象模型设计方法/ 26

5.1   概述/ 26

5.2公共部分设计方法/ 27

5.3交易类模型设计方法/ 28

5.4监管类模型设计方法/ 37

5.5披露类模型设计方法/ 42

第6 章 逻辑模型设计方法/ 54

6.1模型的设计思路/ 54

6.2模型的设计原则/ 57

6.3模型建设的工作机制及实施步骤/ 58

6.4归纳共性划分数据域/ 61

6.5定义数据域/ 61

6.6构建核心关系及架构/ 62

6.7补充数据表及数据项/ 63

6.8规范代码/ 64

      随着大数据技术的广泛应用，数据已经成为企业、行业乃至国家的重要资产。习近平总书记曾强调：大数据发展日新月异，我们应该审时度势、精心谋划、超前布局、力争主动，深入了解大数据发展现状和趋势及其对经济社会发展的影响，分析我国大数据发展取得的成绩和存在的问题，推动实施国家大数据战略，加快完善数字基础设施，推进数据资源整合和开放共享，保障数据安全，加快建设数字中国，更好服务我国经济社会发展和人民生活改善。构建以数据为关键要素的数字经济，建设现代化金融体系离不开大数据的发展和应用。为充分发挥数据资产的价值，首先要制定相应的数据治理战略和管理方法。数据治理能够统筹指导、规划、控制各项数据管理活动，是厘清数据资产的定义和范畴，发挥数据资产价值的关键。数据模型设计是数据治理的核心内容之一，也是挖掘数据价值的基础。

      当前，我国证券期货业机构多、类型广、交易方式多样，同时，业务开展数据化程度相对较高，机构内及机构间数据交换频繁，业务创新迅速。业务数据呈现出结构化程度高、整体性要求高、业务持续性要求高、对外部环境依赖度高等特征， 因此，需要研究制订一套完整的行业数据模型，清晰描述整个市场的数据流向、数据定义、结构类型和关联关系等，为推动实施行业数据治理打下坚实基础。

2014 年以来，在全国金融标准化技术委员会证券分技术委员会（ 以下简称“ 证标委”）的领导下，证券期货行业启动基于行业数据模型的数据治理工作, 构建了证券期货业数据模型，依据“ 主体- 行为- 关系”（Identity-Behavior-Relevance，简称

IBR）总体设计方法，梳理了以行业相关法律法规、业务规则、指导文件等为依据的行业顶层数据流图及机构内数据流图，并以“ 交易”“ 监管”“ 披露”三大业务条线为切入点，完成对各业务条线的遍历，形成了行业抽象模型成果；在此基础上又分别对证券、基金、期货公司以及各交易所等不同类型机构开展模型映射，形成了能够具体指导行业机构系统建设的逻辑模型成果。

证券期货业数据模型方法论以及相关成果有利于厘清行业数据脉络、规范机构数据交换、支持行业标准化、指导机构系统建设、辅助监管科技；能够有效改