财政大数据数据治理路径研究

张洁

随着大数据、人工智能、云计算、物联网、区块链等新兴先进技术的应用，数据的地位、作用和价值日益得到人们的重视。财政部门是大数据生产、应用的重要领域之一，如何开展好财政数据治理工作，成为值得研究的重要问题。

一、背景

数字经济的快速发展，蓬勃兴起的数字化浪潮，使得公众对公共服务的数量与质量的期待不断提高，如何适应新形势进行数字化转型，从而为广大人民群众提供更加高质量、更贴合民众需求的服务，成为政府部门面临的新的挑战。

财政作为国家治理的基础和重要支柱，是大数据生产、应用的重要领域之一。加快财政大数据发展，充分整合和应用财政数据资源，是推动财政治理现代化的重大举措。本文重点从拓展数据资源、强化数据治理的角度对财政数据治理工作进行研究。

二、地方财政信息化建设及数据资源情况

（一）地方财政信息化建设情况

地方财政信息化经过多年的建设和发展，信息系统已经基本覆盖了财政管理的各个方面，对财政管理与改革起到了基础保障作用。特别是在财政部的大力推动下.2020年以来，核心业务一体化系统在各地方财政分批上线运行，形成了以核心业务一体化系统为核心，配合其他相关业务系统共同支撑的格局.初步实现了财政核心业务数据的集中和统一，为财政数据治理提供了更好的基础条件。

（二）地方财政数据资源情况

地方财政数据可以分为内部数据和外部数据。内部数据资源主要是财政业务运转过程中所生产的数据，大致可以分为十大类分别是基础数据、项目信息、预算信息、收入执行信息、支出执行信息、会计核算信息、政府采购信息、资产管理信息、决算信息、债务信息。外部数据包括其他政府部门的共享数据以及第三方及互联网数据，其中其他政府部门共享数据主要来源于国务院相关部门的共享数据及各地方政务信息资源共享平台的共享数据。

（三）地方财政信息化和数据利用存在的问题

整体而言，大多数地方财政信息化建设水平仍存在不足，与财政数字化转型要求相比还存在不相适应的地方：一是财政数据基础较为薄弱。整体数据质量不高，非核心一体化系统仍不能互联互通，要素规则不统一，主数据难以自由流动和有效聚合。二是大数据思维不强，尚未充分认识到数字化技术对提升财政管理效能的重要意义，缺失系统性、规范化的数据治理机制。三是缺少统一的数据标准化管理平台，相关各类主数据分散在不同的信息系统中自行管理，数据流向不清晰，无法固化数据标准，依托数据的分析研判能力明显不足。

在分析理清现有地方财政信息化建设及数据资源的基础上，开展财政数据治理的具体路径研究，包括数据资源采集汇聚和数据治理管控两部分。

三、数据资源采集汇聚

（一）构建数据采集管理体系

构建统一的数据采集管理服务，支撑数据管理部门管理和监控数据采集过程，保障数据采集流程的准确和稳定。对于不同类型、不同来源、不同时效要求、不同质量要求的数据采集需求，制定全面的数据采集流程、标准规范和组织管理体系，支撑数据管理部门按照规范的流程和方式快速响应各类数据采集需求，规范数据归集的行为和成果，保障采集数据的可用和可靠。

（二）建立数据采集汇聚模型

对各数据来源及数据存储结构进行分析，将异构的分散数据进行同构化汇聚，利用元数据采集手段、统一数据建模管理功能及贴源层数据模型的建模方法体系，构建贴源层数据逻辑存储模型，建立数据采集汇聚贴源层逻辑数据库表。

（三）实施数据分类采集

按照数据的不同来源财政大数据分为财政内生数据、财政外部数据和互联网数据三部分。

财政内生数据的范围包括各级财政数据及预算单位相关数据，数据主要来源于各业务系统。系统方面，依托核心业务一体化系统建设实施，可实现多级财政核心业务数据的汇集。对于主数据和业务流数据等的实时数据需求，利用PUSH方式的消息机制、数据库主动监听等手段实现;增量数据原则上利用ETL方式采集原始数据。

财政外部数据主要包括其他政务部门的数据。政务共享数据原则上统一对接地方政务信息共享交换平台获取，支持接口、中间库、中间文件等方式，对于部分安全或保密性要求高，无法通过政务数据共享交换平台获取的，可直接与外部门对接获取，部分第三方数据可通过购买的方式获取。

互联网数据包括来源于互联网的各种数据，如宏观经济、政策法规、舆情、新闻热点、上市公司披露信息等，采用互联网数据采集工具进行采集处理。

四、数据治理管控

（一）数据标准管理

以财政部《财政业务基础数据规范3.O》、《预算管理一体化系统技术标准>为基础，对未包含在预算管理一体化中的其他业务和数据，结合地方相关技术规范及财政工作实际，制定扩展数据标准，从而形成地方财政数据标准规范。

（二）贴源数据资产化管理

数据资产目录支持按照部门、时间、系统、业务域、类型等进行分类统计和管理，一张图式展现财政数据家底。支持非中心化的管理模式，即根据贴源数据的涉密情况、安全要求、网络情况等，分为本地存储、直连注册、前置代理三种模式。

（三）数据质量审计

数据质量审计是提升数据质量的关键手段，主要任务包括协助审计业务系统的数据标准符合性、对下级单位上报的数据进行审计、对于外部获取的数据质量进行审计三个方面。

（四）数据清洗转换

数据清洗转换是数据标准化治理的重要过程，对数据进行扫描、去重、清洗、转换、比对等一系列的加工处理，最终输出符合地方财政数据标准规范的结构化数据，同时筛选出不符合规范的数据，并形成数据质量报告，通过数据管控流程将不一致的数据发给数据源单位修复，实现数据溯源。

（五）标准数据模型建设

建设数据标准层数据存储模型，存储经过清洗转换和融合治理后的标准化财政数据，标准数据模型以主题域的方式对各类数据进行逻辑分库存储，并纳入统一的元数据管理体系，实现一数一源、质量可靠、业务贯通。

（六）标准数据资产化管理

信息资产目录以业务为视角，从数据的所属业务域、业务过程、用户视图的角度进行管理，形成标准化的数据管理架构，各数据资源详细登记其标签信息、属性信息、描述信息、共享开放信息、结构信息、版本信息、血缘关系及关联关系等，以更加清晰和业务用户可理解的方式对数据进行管理和呈现。

（七）深度数据治理

按照日常报表统计需求将标准数据分不同维度进行初步加工，按照业务标签进行汇总，形成指标数据层，为统计分析及自定义查询提供便利;根据应用分析场景需要开展深层次、个性化数据治理，如实时计算、数据挖掘、分析图谱等，形成应用数据层，为复杂大数据应用提供支持。

（八）数据权限管理

数据的权限体系通过调研获取并确定，利用“数据信息”两级数据资产目录体系以及用户自身的数据共享需求进行分权管理。支持细化到数据行的权限管理，按用户、角色分配数据权限。

五、結语

通过上述对原始数据的标准化加工处理，形成规范统一、口径清晰的财政数据资产，是财政数据治理的基本路径，再通过快速便捷的数据服务充分实现数据价值，使数据成为财政治理的新动能。

作者单位：天津市财政信息中心