好耀眼
海航会计教育为您解答：（一）国际会计准则委员会（IASC）的研究成果IASC提出了可理解性、相关性、重要性、可靠性、真实反映、实质重于形式、中立性、审慎、完整性、可比性、效益和成本等质量特征。而把可理解性、相关性、可靠性和可比性作为四个主要质量特征，把及时性、效益和成本、公允表述等作为限制因素。（二）美国财务会计准则委员会（FASB）的研究成果FASB认为，相关性和可靠性是会计信息应具备的首要质量特征，相关性由预测值、反馈值和及时性构成，可靠性由可核性、中立性和反应真实性构成。次要和交互作用的质量特征是可比性和一致性。提供会计信息还受到普遍性约束条件——“效益>成本”以及承认质量的起端——“重要性”的约束。（三）英国会计实务准则公报（SSAPS）的研究成果SSAPS将会计信息质量分为三个层次：一是首要特征是重要性；二是主要特征是相关性和可靠性，实质性、完整性、客观性和稳健性从属于可靠性；三是次要特征主要是指可比性（含一贯性）、可理解性、成本效益原则等。（四）我国的研究成果目前，我国官方文件并未规范“会计信息质量特征”的定义。只在2007年施行的《企业会计准则——基本准则》第二章第十二条到第十九条规定，企业会计信息质量特征，即真实性、相关性、清晰性、可比性等八项特征。理论界也未形成适应性强、公认度高的会计信息质量特征体系。二、关于中外会计信息质量特征相关视角的比较（一）会计环境上比较“会计理论是意识的一种表现形态，所以会计环境是认识的基础，是会计理论的基础，会计环境决定了会计理论的发展和变化（于玉林、田昆儒著：《会计基础理论概论》，立信会计出版社2000年版，第4页）。”可见，会计环境影响或制约会计理论的发展。西方发达国家资本市场比较发达，越来越多的人关心企业的经营活动，因此会计信息的相关性和决策价值就显得十分重要。比如，IASC和FASB把有用性置于会计信息质量的首要位置。笔者认为在我国这种生产要素不发达的会计环境下，应注重会计信息的真实性。（二）会计目标上比较在西方国家，会计目标决策有用观占上风，因此会计信息质量特征都重视相关性和决策价值。而我国大多数学者认为，基于我国的会计环境，对会计目标的定位不能单纯地对受托责任观和决策有用观二者选择其一，要制定适应我国会计环境的会计目标。但遗憾的是对会计目标的准确定位并没有达成一致。会计信息质量特征体系也因此而模糊，对其只是一个简单地归类，甚至有些学者不顾我国会计环境和会计目标等诸多方面而对国外的研究成果盲目借鉴。（三）逻辑形式上比较国外将诸多会计信息质量特征构建成一个多层次的框架体系，而我国的会计信息质量特征是由一系列平行条款组成。他们相互之间缺乏主次关系，未能体现出他们之间的逻辑关系。我国学术界虽做过一些划分，但大都将各主要的质量特征堆列在一起，找不到一个总领性的逻辑原则，同时未真正明确会计目标在整个体系中的逻辑导向作用。比如对于可靠性和相关性这两个信息质量特征没有提出具体衡量标准，也没有体现出二者之间的逻辑层次。
呆萌症
数据治理和数据管理的关系： 数据治理:保证数据中被管理的。数据管理:管理数据以达到既定目标。见下图3-1
以数据为中心的组织对待数据的原则：1)数据应该作为 做正确的事(立法司法)与正确的做事(执法)。P48 典型数据治理委员会：数据治理指导委员会;数据治理委员会;数据治理办公室;数据管理团队; 本地数据治理委员会。P49 数据治理运营模型类型：集中式治理;分布式治理;联邦式治理。在 集中式管理模式 中，数据治理组织监督所有业务领域中的活动。在 分布式管理模式 中，每个业务单元中采用相同的数据治理运营模型和标准。在 联邦式管理模式 中，数据治理组织与多个业务单元协同，以维护一致的定义和标准。 P49 数据管理职责(Data Stewardship)：描述了数据管理岗位的责任,以确保数据资产得到有效控制和使用。P49 数据管理活动集中于：1.创建和管理核心元数据;业务术语有效数据值关键元数据的定义和字 处理。2.记录规则和标准;业务规则数据标准数据质量规则的定义和记录。3.管理数据质量问 题;4.执行数据治理运营活动。P49 数据管理岗位的类型：首席数据管理专员;高级数据管理专员;企业数据管理专员;业务数据管 理专员;数据所有者;技术数据管理专员;协调数据管理专员。通常最好的数据管理专员都是在 工作中被发现的，而不是靠培养的。大多数组织中,即使没有数据治理项目,也有人负责数据管理。P50 数据制度:包括对数据治理管理初衷的简要说明和相关基本规则，贯穿数据和信息的全过程，是全 局性的。不同组织制度差异大，描述了数据治理的==“什么“==，标准和规程描述了数据治理的==”如何“==。P51 数据资产评估:理解和计算数据对组织的经济价值的过程。数据具有不可互换性，只有在使用时才有价值，使用会伴随风险。P51 数据生命周期的大多数阶段涉及成本:包括获取数据、存储、管理和处置。P51 其他度量价值的方式：1 替换成本;2 市场价值;3 发现商机;4 售卖数据;5 风险成本。P51-52 风险成本有：1.缺少必要的数据。2.存在不应留存的数据。3.除上述成本外，包括数据不正确造成 客户、公司财务和声誉受到伤害。4.风险下降或风险成本的下降，其实是与提升和验证数据等操作干预成本的抵消之后的溢出部分。P52 数据资产会计准则：问责原则;资产原则;审计原则;尽职调查原则;持续经营原则;估值级别 原则;责任原则;质量原则; 见下表3-6 数据治理(Data Governance，DG)：对数据资产管理行使权力、控制和共享决策(规划监测 和执行)的系列活动。P43 数据治理职能：是指导所有其他数据管理领域的活动。P43 数据治理的目的：是确保根据数据管理制度和最佳实践正确地管理数据。P43 数据管理的整体驱动力：是确保组织可以从其数据中获得价值；数据治理聚焦于如何制定有关数据的决策,以及人员和流程在数据方面的行为方式。P43 数据治理项目的范围和焦点依赖于组织需求，常见有：1)战略。2)制度。3)标准和质量。4)监督。 5)合规。6)问题管理。7)数据管理项目。8)数据资产估值。P43 对于多数企业,采用正式的数据治理需要进行组织变革管理(参见第17章),以及得到来自最高层管理者(C级别)的支持,如CRO、CFO或者CDO。 P44 为了实现这些目标，数据治理时将制定制度和实施细则，在组织内多个层次上实践数据管理，并 参与组织变革管理工作，积极向组织传达改进数据治理的好处以及成功地将数据作为资产管理 所必需的行为。P44 数据治理目标:1 提升管理数据资产的能力;2 定义、批准、沟通和实施数据管理的原则、政策、 程序、指标、工具和责任;3 监控和指导政策合规性、数据使用和管理活动。P44 有效的数据治理应具有以下特征：1 可持续发展;2 嵌入式的，而不是附加的管理流程;3 可度量。P46 数据治理基础原则：(1)领导力和战略;成功的数据治理始于远见卓识和坚定的领导。数据战略指导数据管理活动，同时由企业业务战略所驱动。(2)业务驱动(Business-driven)，数据治理是一项业务管理计划，因此必须管理与数据相关的 IT 决策，就像管理与数据有关的业务活动一样。 (3)共担责任(Shared Responsibility)，在所有数据管理的知识领域中，业务数据管理专员和数据管理专业人员共担责任。(4)多层面(Multi-layered)，数据治理活动发生在企业层面和各地基层，但通常发生在中间各层面。(5)基于框架(Framework-based)，由于治理活动需进行跨组织职能的协调，因此对数据治理项目必须建立一个运营框架来定义各自职责和工作内容。(6)原则导向(Principle-based)，指导原则是数据治理活动、特别是数据治理策略的基础。 P46 业务驱动因素:常见是法规遵从性；高级分析师、数据科学家的迅猛发展也成为新增的驱动力；很多组织的数据治理是通过其他业务信息化管理需求所驱动的；聚焦减少风险和改进流程。P45 减少风险：1.一般性风险管理;2.数据安全;3.隐私;P45 改进流程：1.法规遵从性;2.数据质量提升;3.元数据管理;4.项目开发效率;5.供应商管理;P45 数据治理 不是一次性 的行为。治理数据是一个持续性的项目集,以保证组织一直聚焦于能够从数据获得价值和降低有关数据的风险。可以由一个虚拟组织或者有特定职责的实体组织承担数据治理的责任。P45 要考虑组织和文化的独特性问题，还有内部要面对的具体挑战和机遇。数据治理要与 IT 治理分开。P45 ==(A 执行就绪评估。B 探索与业务保持一致。C 制定组织触点。)(触点:突破口、价值点、抓手、切入点·)== 1. 执行就绪评估：典型的评估包括:1) 数据管理成熟度 。了解 组织对数据的处理方式;衡量其当前的数据管理能力和容量。重点是业务人员对公司管理数据和 利用数据的优势以及客观标准(如工具的使用、报告级别等)的印象 2) 变革能力(识别阻力点) 。 数据治理需要行为上的改变，因此测量组织为适应数据治理所需而改变行为的能力非常重要。3)协作准备度 。体现了组织在管理和使用数据方面的协作能力。如果某个组织对于如何协作无从下手，那么这样的企业文化将成为管理的障碍。4) 与业务保持一致 。通过业务一致性能力评估可以 检查组织如何调整数据的使用来支持满足业务战略要求。 P53 2.探索与业务保持一致： 数据治理项目必须能够被找到并提供 特定的价值来为组织作出贡献。例如，减少监管机构的罚款。通过评估识别和评价现有制度方 针的有效性，找到特定的价值。关键评估:数据质量分析。数据管理实践的评估。P54 3.制定组织触点 (治理介入点)： 1.采购和合同。2.预算和资金。3.法规遵从性。4.SDLC开发框架。==(触点: 突破口、价值点、抓手、切入点·)== 首席数据官影响组织触点，支持企业在管理其数据时的凝聚 力，也会增加企业使用数据的敏捷性。从本质上来讲，这是组织如何理解和看待数据治理的一个态度。P55 数据治理战略定义治理工作的范围和方法。 交付物：章程。运营框架和职责。实施路线图。为成 功运营制订计划。 1.定义数据治理运营框架：需要考虑:1 数据对组织的价值。2 业务模式(分散集中、本地化与国际化)。3 文化因素。4 监管影响。P55 2.制定目标、原则和制度： 由【数据管理专业人员】、【业务策 略人员】，在【数据治理组织】的支持下共同起草数据治理的目标、原则和制度，然后由【数据管理专员】和【管理人员】审查并完善，最后由【数据管理委员会】终审、修订和发布。 【数据治理办公室 DGO】认证确认组织用到的数据，批准成为业务拥有者。【业务拥有者】在其业务领域委派【数据管理专员】。【数据管理专员】的日常职责是协调数据治理活动。 P56 3.推动数据管理项目： 数据治理委员会负责定义数据管理项目的 商业案例，监督项目状态和进度。数据管理项目可视为整个IT项目组合的一部分。数据治理委员会还可以与企业范围内的大型项目集配合开展数据管理改进工作。 关键：阐明数据管理提高效率和降低风险的方法。P57 4.参与变革管理： 组织经常面临管理项目上的变迁，而不是管理组织体系进化。成熟的组织在变革管理中建立清晰的组织愿景，从高层积极引导和监督变革，设计和管理较小的变革尝试，再根据整个组织的反馈和协同情况调整变革计划方案。P57 组织需要组建一个团队来负责：1)规划。2)培训。3)影响系统开发。在 SDLC 中增加数据治理步骤。4)制度实施。5)沟通。P58 沟通重点放在： 1)提升数据资产价值。教育和告知员工数据在实现组织目标中所起的作用。2)监控治理活动的反馈并采取行动。除了共享信息外，通过沟通计划还应引导出相关方反馈，以指导数据 治理方案和变更管理过程。3)实施数据管理培训。4)在 5 个关键域衡量。1==意识==到需要改变。2 希望==参与==并支持变革。3==知道==如何改变。4==具备==实施新技能和行为的能力。5保持==持续==变革。5) 实施新的指标和 KPI。 P58 5.参与问题管理：问题管理是识别、量化、划分优先级和解决与 数据治理有关问题的过程：1)授权。2)变更管理升级。3)合规性。4)冲突。5)一致性。6) 合同。7)数据安全和身份识别。8)数据质量。P58 开展数据治理需要在以下方面建立控制机制和流程：1)识别、收集、记录和更新的问题。2)各 项活动的评估和跟踪。3)记录利益相关方的观点和可选解决方案。4)确定、记录和传达问题解 决方案。5)促进客观、中立的讨论，听取各方观点。6)将问题升级到更高权限级别。P58-59 80%-85%的问题在业务单元数据治理、数据管理团队中解决。20%在数据治理委员会解决。5%升 级到数据治理指导委员会解决。P59 见下图3-7 6.评估法规遵从性要求： 合规性通常是实施数据管理的初始原因。 对管理信息资产有重大影响的部分全球性法规：1)会计准则。==2)BCBS 239(巴塞尔银行监管委 员会)和巴塞尔 II。==3)CPG 235。==4)支付卡行业数据安全标准 PCI-DSS==。5)偿付能力标准 II。 6)隐私法。数据治理监控组织要对涉及数据和数据实践的监管要求或审计承诺作出响应，如在 监管报告中证明数据质量合格。P59 最佳方式是创建一个实施路线图。有些数据治理工作是基础性，可分为初始阶段和持续阶段。高优先级的前期工作有：1)定义可满足高优先级目标的数据治理流程。 2)建立业务术语表，记录术语和标准。3)协调企业架构师和数据架构师，帮助理解数据和系统。 4)为数据资产分配财务价值，以实现更好的决策，并提高对数据在组织成功中所起作用的理解。 【流程。术语。人。赋值。】P60 1.发起数据标准和规程： 数据标准通常由【数据管理专业人员】起草， 应由【数据治理办公室或授权工作组】(如数据标准指导委员会)审查、批准和采用。数据标准必须得到有效沟通、监控，并被定期审查和更新。最重要的是，必须有强制手段，对数据可以根据标准进行测量。数据管理活动可由【数据治理委员会】或【数据标准指导委员会】按照规定的时间表或作为 SDLC 批准流程的一部分进行审核，以确保符合标准。通常由【数据管理专业人员】 来起草数据流程文档。P61 标准被定义为“用来判断其他事物质量的好东西”或“由权威建立和确定,作为衡量数量、重量、范围、价值或质量的规则”。通过采用标准,组织只需做一次决定,并将其编成一组实施细则(标准),而不再需要为每个项目重新做出相同的决定。P61 “标准”在组织内部和跨组织变化很大,对一致性的期望也是如此。数据治理的标准应该具有强制性。P61
