今年以来公募基金高管变动人次已经远超去年同期。21记者统计数据显示，今年以来截至11月3日，公募行业已有309人次高管变更，涉及113家公司。值得一提的是，今年还有不少明星基金经理升任为公司高管。
北京一家公募基金人士告诉21记者，上一个基金经理离职高潮发生在2015年。
更多内容请见：https://m.21jingji.com/article/20211106/herald/83748bf7fb8bf72a0856f6cd0905541d.html
一：国网公司数据治理
从技术实施角度看，数据治理包含“理”“采”“存”“管”“用”这五个步骤，即业务和数据资源梳理、数据采集清洗、数据库设计和存储、数据管理、数据使用。数据资源梳理：数据治理的第一个步骤是从业务的视角厘清组织的数据资源环境和数据资源清单，包含组织机构、业务事项、信息系统，以及以数据库、网页、文件和API接口形式存在的数据项资源，本步骤的输出物为分门别类的数据资源清单。
数据采集清洗：通过可视化的ETL工具（例如阿里的DataX，PentahoDataIntegration）将数据从来源端经过抽取(extract)、转换(transform)、加载(load)至目的端的过程，目的是将散落和零乱的数据集中存储起来。
基础库主题库建设：一般情况下，可以将数据分为基础数据、业务主题数据和分析数据。基础数据一般指的是核心实体数据，或称主数据，例如智慧城市中的人口、法人、地理信息、信用、电子证照等数据。主题数据一般指的是某个业务主题数据，例如市场监督管理局的食品监管、质量监督检查、企业综合监管等数据。而分析数据指的是基于业务主题数据综合分析而得的分析结果数据，例如市场监督管理局的企业综合评价、产业区域分布、高危企业分布等。那么基础库和主题库的建设就是在对业务理解的基础上，基于易存储、易管理、易使用的原则抽像数据存储结构，说白了，就是基于一定的原则设计数据库表结构，然后再根据数据资源清单设计数据采集清洗流程，将整洁干净的数据存储到数据库或数据仓库中。
元数据管理：元数据管理是对基础库和主题库中的数据项属性的管理，同时，将数据项的业务含义与数据项进行了关联，便于业务人员也能够理解数据库中的数据字段含义，并且，元数据是后面提到的自动化数据共享、数据交换和商业智能（BI）的基础。需要注意的是，元数据管理一般是对基础库和主题库中（即核心数据资产）的数据项属性的管理，而数据资源清单是对各类数据来源的数据项的管理。
血缘追踪：数据被业务场景使用时，发现数据错误，数据治理团队需要快速定位数据来源，修复数据错误。那么数据治理团队需要知道业务团队的数据来自于哪个核心库，核心库的数据又来自于哪个数据源头。我们的实践是在元数据和数据资源清单之间建立关联关系，且业务团队使用的数据项由元数据组合配置而来，这样，就建立了数据使用场景与数据源头之间的血缘关系。数据资源目录：数据资源目录一般应用于数据共享的场景，例如政府部门之间的数据共享，数据资源目录是基于业务场景和行业规范而创建，同时依托于元数据和基础库主题而实现自动化的数据申请和使用。
质量管理：数据价值的成功发掘必须依托于高质量的数据，唯有准确、完整、一致的数据才有使用价值。因此，需要从多维度来分析数据的质量，例如：偏移量、非空检查、值域检查、规范性检查、重复性检查、关联关系检查、离群值检查、波动检查等等。需要注意的是，优秀的数据质量模型的设计必须依赖于对业务的深刻理解，在技术上也推荐使用大数据相关技术来保障检测性能和降低对业务系统的性能影响，例如Hadoop，MapReduce，HBase等。
商业智能（BI）：数据治理的目的是使用，对于一个大型的数据仓库来说，数据使用的场景和需求是多变的，那么可以使用BI类的产品快速获取需要的数据，并分析形成报表，像派可数据就属于专业的BI厂商。
数据共享交换：数据共享包括组织内部和组织之间的数据共享，共享方式也分为库表、文件和API接口三种共享方式，库表共享比较直接粗暴，文件共享方式通过ETL工具做一个反向的数据交换也就可以实现。我们比较推荐的是API接口共享方式，在这种方式下，能够让中心数据仓库保留数据所有权，把数据使用权通过API接口的形式进行了转移。API接口共享可以使用API网关实现，常见的功能是自动化的接口生成、申请审核、限流、限并发、多用户隔离、调用统计、调用审计、黑白名单、调用监控、质量监控等等。
二：基金公司的数据是怎么来的
从两个方面来说为什么目前A股市场还没有诞生上市的基金公司.
先从监管层，要达到上市的要求，这个对于基金公司来说是相当相当严苛的。就拿创业板来说，最近两年盈利或最近一年盈利且营收不少于五千万，不过实操起来，这个数据至少在3000万，这个数据首先就刷掉一大批公司了。基金行业本身就是吃行情饭和人才饭，那盈利的可持续性怎么去解释？突破前两个门槛的，必然是大型基金公司了，那同业竞争问题又来了，大型基金公司背后的股东都比较复杂，同业竞争解决起来更麻烦。监管层对财富公司或者基金公司的态度都是相当模糊的，不然国内数一数二的诺亚财富也不会远渡重洋去美国上市。
再说基金公司本身，刚说到能达到上市门槛的，肯定都是大型基金公司了，比如易方达、天弘基金啥的，易方达大股东是粤财信托和广发证券。天弘基金是阿里巴巴。你认为还有推他们的基金公司上市的必要吗？再说他们经营的是资本，公司主要的资产是经营资本的基金经理，不占用什么资本就能创造高收益的，我还上市干嘛？让基金经理更富了好跳槽吗？
三：基金公司数据量一般是多少
银行代销的公募基金存量，直接通过基金公司就能够提取出来数据，银行也有渠道自己统计，基本都是自动统计的。中国银行代销：嘉实、易方达、中银、景顺、泰信、海富通等基金公司的各类基金产品，详情可登录：中国银行： http://www.boc.cn/custserv/cs2/
四：数据治理公司排名
大数据基础平台对大规模数据集（海量数据），提供底层分布式计算和分布式存储技术，可以扩展到数以千计的存储和计算节点，提供高可用服务的大数据集群。沃达德大数据平台具备数据的可靠性、安全性和高可用性，是构建整个大数据技术架构的基础平台。产品特性包括：分布式计算、分布式存储、支持数以千计的存储和计算节点、高可用服务，以及保证数据的可靠性、安全性和高可用性。
数据是一种宝贵的资源。利用新技术新方法挖掘现有数据的价值，找到数据间的关联关系，提高基础数据的利用率，并预测未来趋势及行为，是国内面临的迫切问题。一批新兴的数据处理、挖掘与分析技术不断涌现，如沃达德大数据平台、数据仓库、分布式数据库、数据挖掘平台、大数据可视化，使分析处理海量数据变得更加容易、更加便捷。
基于沃达德大数据平台，通过对海量数据采集、处理、存储、分析和数据挖掘，根据数据的特性，采用合适的可视化方式，将数据直观地展现出来，以帮助人们认识数据、理解数据，同时找出包含在海量数据中的规律或者信息，预测未来发展趋势，进行智能化决策分析，使得数据资产成为核心竞争力。
