北京产业互联网既肩负着再造数字经济万亿级产业集群的重要使命，也承担着促进数字经济与实体经济融合应用的重要任务。为此，北京软件和信息服务业协会在《数字经济应用场景-案例说》栏目中重磅推出产业互联网系列，旨在生动地展现数字经济如何具体重塑产业的新局面，唤起人们对数字经济，特别是产业互联网改变生产、生活和生产关系的认知。

本期案例中，通过数据治理及数据仓库项目建设，招商租赁已形成全司数据治理体系及各知识领域管理办法；建立和完善数据质量考核体系，做到谁创建、谁负责，谁审批、谁督导，谁使用、谁监督，每一条错误数据责任人确认；通过数据治理平台辅助数据治理工作开展，保证数据源头的准确性，逐步实现 “用数据说话、用数据决策、用数据管理、用数据创新”的经营目标。

产业互联网类型：金融互联网

案例提供单位：北京华宇信息技术有限公司

招商局通商融资租赁有限公司(简称招商租赁)是招商局集团全资子公司，是招商局集团深化“产融结合”的重要抓手和打造特色金融生态圈的重要一环。目前，公司治理结构和内部管理机制日臻完善，在业务创新、人才培养等方面也逐步展现特色。招商租赁拥有三个“世界一流”：港口综合服务商、超级油轮船队、海工装备制造商，四个“全国领先”：特色金融服务商、城市与园区综合开发运营商、高速公路投资运营服务商、全供应链物流服务商。

转型诉求

大数据时代，数据跟实体一样变成了生产资料的一部分，被视作现代企业的重要资产，对企业的发展起着至关重要的作用。而在租赁行业，这一重要性变得尤其突出。

租赁行业是集金融、贸易、服务于一体的知识密集型产业，分为金融租赁和融资租赁，两者尽管监管机构不一样（金融租赁由银监会审批和监管，融资租赁公司由商务部审批和监管），但行业模式和业务操作原理基本类似，对大环境所做出的判断和应对策略也交织在一起。

当前租赁行业的数据可能存在以下问题：

1.数据资产不清晰。尽管数据是资产，但很多租赁公司都不了解自己的数据，比如有哪些数据，可以带来什么价值，通过什么手段进行挖掘等。

2.数据质量不高。因为数据质量太差从而影响了正常的业务判断，比如风控把握不准确、预测失误等。

3.业务与开发协作不同步。业务对数据提出了更高的要求，需要明确大数据是什么，怎样能够发挥更高的价值。

4.业务系统缺少统一标准。由于企业系统建设所依赖的厂商不同，系统遵循的规范也不同，这导致了系统产生的数据存在命名不规范、编码不规范等情况。

招商租赁立足眼下，着眼未来，规划大数据战略方案，“实行数据治理、建设数据仓库、逐步按需推进数据应用落地”，牵手北京华宇信息技术有限公司开展“数据治理及数据仓库项目”建设，以统筹规划、分阶段实施的策略开展。

创新应用场景

项目采用“分阶段、有侧重、体系化推进”等原则进行建设，建设内容主要包括:

1.数据治理方面，协助建立数据治理组织架构、梳理数据标准，协助开展数据质量提升工作；

2.数据仓库方面，搭建基础数据平台，实现数据标准落地，并依据具体业务领域开发数据集市；

3.数据应用方面，实现管理驾驶舱建设及内部工作报表建设，未来可扩展1104、人行、East等监管报送应用。

项目主要分三个阶段完成：

第一阶段，建组织、定标准：完成数据治理组织架构；出台数据管控制度和考核制度；制定全司级数据标准并建设数据标准管理平台，实现数据标准系统化管理。

第二阶段，执行数据治理、建设数据仓库、落地数据应用：完成数据质量管理平台构建，实现数据质量检核及质量绩效考核；完成企业级数据仓库建设，在数仓中进行落标，为其他系统提供标准统一的数据接口服务；建设管理驾驶舱及报表系统，体现数据价值。

第三阶段，数据深度挖掘阶段：一方面扩大数据治理范围，并加强业务系统落标执行力度；另一方面优化数据模型，深挖数据价值，实现智能搜索、大数据风控等数据应用。

在项目实施过程中，数据标准产品对分散在各系统中的数据提供一套统一的数据命名、数据定义、数据类型、赋值规则等的定义基准，并通过标准评估确保数据在复杂数据环境中维持企业数据模型的一致性、规范性，从源头确保数据的正确性及质量，并可以提升开发和数据管理的一贯性和效率性。

产业赋能价值

此次项目建设，招商租赁共梳理了580多项基础数据项标准及140多项指标数据项标准。尽管在数据标准的梳理过程中，招商租赁经常遇到数据含义不明确，标准无法确定等问题，但项目组充分借鉴其在交银租赁、中民投租赁、狮桥租赁等20余家租赁企业合作中的成功经验，提供了行业参考标准，为标准的梳理工作带来了很大的便利。同时，建设完成了数据仓库及管理驾驶舱，直观展现数据治理成果。

经过此次项目建设，招商租赁逐步实现“用数据说话、用数据决策、用数据管理、用数据创新”的经营目标。

从管理层面看，招商租赁已形成全司数据治理体系及各知识领域管理办法，并将管理办法印刷和宣传，以传导治理文化及制度到每一个人；

从操作层面看，配备专人，就前期完成的数据标准及质量检核规则进行数据检核，形成《数据治理错误数据确认单》，提交业务部门及工作小组确认，作为后续考核依据；

从考核层面看，由战略发展部负责牵头，建立和完善数据质量考核体系。考核制度遵循源头负责制、及规范差错确认制，能够做到：谁创建、谁负责；谁审批，谁督导；谁使用，谁监督；每一条错误数据责任人确认；

从信息系统建设层面看，通过数据治理平台搭建，辅助数据治理工作开展，同时，依据《数据错误确认单》问题，对数据在业务系统进行修复，保证数据源头的准确性，实现企业数据质量良性提升。