T-SZSSA 002-2025 证券期货业经营机构运维数据治理规范

CCSA11T/SZSSA002—20252025-08-06发布2025-08-06实施深圳市证券业协会发布IT/SZSSA002—2025 I 12规范性引用文件 13术语和定义 14运维数据治理总则 25运维数据治理框架 26顶层设计 3 36.2制度规范 36.3平台架构 36.4治理机制 47运维数据治理的对象与范围 47.1CMDB配置数据 47.2监控数据 57.3流程数据 67.4知识库数据 78数据质量管理 79数据生命周期管理 810数据安全管理 8附录A（规范性附录）CMDB配置数据模型参考 A.1CI模型：主机硬件 A.2CI模型：主机OS A.3CI模型：应用集群 A.4CI模型：应用实例 A.5CI模型：机柜位置 A.6CI模型：数据库 参考文献 T/SZSSA002—2025本文件按照GB/T1.1-2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。请注意本文件中的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由深圳市证券业协会提出并归口。本文件起草单位：深圳市证券业协会、深圳资本市场金融科技委员会、中信证券股份有限公司、平安证券股份有限公司、国信证券股份有限公司、招商证券股份有限公司、国投证券股份有限公司、中国中金财富证券有限公司、长城证券股份有限公司、五矿证券有限公司、安信基金管理有限责任公司、景顺长城基金管理有限公司、中信期货有限公司、深圳市金证科技股份有限公司、深圳华锐分布式技术股份有限公司、上海艾芒信息科技有限公司。本文件主要起草人：林国峰、谷明泽、谭天啸、李相、王桂强、陈辉华、苑博文、张朝晖，古立夫，于仁军，黄晓春，宋熊、刘政、林英、邓曙光、何宇、陈越、沈德勇、王义辉、戴先宇、蔡坤、严发、沈映菊、张欣磊、宋辉、毛振赫、何涛、潘文磊、汤鑫、王洋、张于强、陈洪波、宿旭升、张帆。T/SZSSA002—2025随着数字化转型不断深化，尤其是在AI技术快速发展的背景下，证券期货业正在加速向数字化、智能化方向发展。运维数据作为公司数字化平台的核心资源，其治理水平直接影响着未来自动化工具和AI智能化工具的准确性。然而，当前行业内运维数据治理仍面临诸多挑战，包括数据孤岛、标准缺失、数据质量参差不齐、数据安全防护不足、数据管理流程不规范等问题。这些问题不仅制约了数据价值的充分发挥，也对业务系统的安全稳定运行和行业的可持续发展带来了潜在风险。为应对这些挑战，本文结合证券期货业的行业特点和实际需求，提出了运维数据治理的顶层设计、治理范围、数据质量管理、数据生命周期管理以及数据安全管理等方面的规范建议。通过建立科学、系统的运维数据治理体系，旨在帮助行业内各经营机构提升精细化运营水平，保障业务系统稳定运行，同时为行业的数字化转型提供有力支撑。T/SZSSA002—20251证券期货业经营机构运维数据治理规范本文件提出了运维数据治理的总则和框架，规定了运维数据治理的顶层设计、治理范围、数据质量管理、数据生命周期管理以及数据安全管理的要求。本文件适用于指导证券期货业各经营机构的运维数据治理工作。2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T34960.5—2018信息技术服务治理第5部分：数据治理规范3术语和定义下列术语和定义适用于本文件。3.1运维数据operationandmaintenancedata在信息系统建设以及运行维护过程中产生的，用于系统管理、监控、维护和优化的各类数据信息的集合。3.2数据治理datagovernance对数据资源管理行使权力和控制的活动集合（计划、监督和执行）。3.3主数据masterdata组织中需要跨系统、跨部门进行共享的核心业务实体数据。3.4元数据metadata定义和描述其他数据的数据。3.5数据生命周期datalifecycle数据获取、存储、整合、分析、应用、呈现、归档和销毁等各种生存形态演变的过程。3.6T/SZSSA002—20252数据质量dataquality在指定条件下使用时，数据的特性满足明确的和隐含的要求的程度。3.7数据标准datastandard数据的命名、定义、结构和取值的规则。3.8配置项configurationitem；CI公司信息系统相关的各类架构组件，包括但不限于软件、服务组件和实例、硬件、机房、机柜等。3.9配置管理数据库configurationmanagementdatabase；CMDB用于保存和管理配置项全生命周期属性及配置项之间关联关系的数据库和管理系统。4运维数据治理总则运维数据治理源于法律法规、行业监管以及公司内部对运维数据运用的需求。运维数据治理的主要目标是建立一套科学、严谨的运维数据管理体系，用于持续提升运维数据的质量、安全、可靠性和可用性，充分发挥运维数据资产价值，用于保障公司业务系统稳定运行，并支撑公司和运维数字化转型顺利开展。5运维数据治理框架根据GB/T34960.5—2018中数据治理框架内容要求，运维数据治理框架包含顶层设计、数据生命周期管理、数据质量管理、数据安全管理、运维数据治理范围，如下图1所示。图1运维数据治理框架T/SZSSA002—20253顶层设计包含目标规划、制度规范、平台架构和治理机制，是数据治理的方向和基础保数据生命周期管理、数据质量和数据安全管理是运维数据治理工作的主要内容。运维数据治理范围则指定了治理工作所针对的具体对象。6顶层设计6.1目标规划运维数据治理的目标规划应纳入公司级数据治理规划体系，与公司的整体发展战略、信息技术规划保持一致，应做到：a)充分了解法律法规和行业监管关于数据安全、合规方面的各类要求，理解公司业务规划和信息技术规划，并在此基础上制定运维数据治理的具体目标规划；b)评估公司运维数据的管理和应用能力，梳理出运维数据资产的核心价值，并在此基础上制定运维数据战略举措；c)围绕运维数据使用场景开展具体的数据治理工作，提升运维数据的使用价值，比如，为了获取业务指标、监控异常指标等需求，建立应用系统日志标准，并在组织内执行推广。6.2制度规范公司应根据自身情况建立运维数据治理相关的制度规范以及管理办法，其内容应包括但不限于组织人员的角色和职责、配置管理规范、数据管理流程、数据质量审计检查机制、数据安全管理办法等，同时应做到：a)识别和梳理出运维数据的元数据和主数据，按照数据类型、数据格式、数据源、用途、使用场景，进行分层分类，并在此基础上建立运维数据标准规范；b)运维数据类型一般可包含CMDB配置数据、监控数据、流程工单数据、知识库数据等；c)建立日志标准，指定输出日志的文本格式、时间戳格式、日志内容等。在进行应用系统、运维工具等程序开发时，应遵循该日志标准，便于后续的日志数据运用；d)具备条件的公司可建立统一的指标管理体系，方便用户查询和使用运维数据。6.3平台架构公司应首先明确运维数据平台的建设目标、规划路径和技术方案，然后制定实施路径进行落地，以支撑运维数据治理体系的开展，在保障数据安全的同时，为数据消费提供便利。a)应对运维数据整体架构进行识别和梳理，包含技术领域、运维对象、流程、数据分布、数据流向、数据类型、数据格式、数据容量等；b)应基于以上梳理出的运维数据特征，再结合数据应用场景的需求，设计运维数据平台的技术架构和数据应用的架构；c)在设计运维数据平台架构方案时，应充分考虑平台的可靠性、可用性和可监控性，以保障数据安全，同时提供有效的数据服务；d)应对运维数据平台自身做好运行监控和容量管理，避免因为性能瓶颈或者容量使用率问题影响运维数据服务；e)应基于运维数据特征和数据应用场景设计运维数据模型，包含但不限于监控指标数据和告警数据结构、CI配置模型、流程数据的表结构等。模型设计原则需以场景应用的实用性为主，应兼顾一定的前瞻性，考虑到未来平台系统功能的扩展以及向智能化运维发T/SZSSA002—20254展的目标需求。6.4治理机制运维数据治理机制应服从公司级数据治理机制，并应建立有效的管理措施，以确保运维数据治理能够按照设计的规划方案落地实施，应做到：a)建立支撑运维数据治理目标规划的组织架构，明确决策和实施的团队、角色，确保责权利一致。具备条件的公司可设立专职岗位来负责推动数据治理工作的落地；b)制定合理的评价考核机制，以评估运维数据治理的绩效成果；c)建立持续优化迭代的运营机制来进行数据治理过程的管理，结合数据消费使用中遇到的问题和业务发展的需求，对数据治理体系相关的制度规范、数据标准、数据质量指标以及数据模型等，不断优化演进。如下图2所示，典型的治理过程可包含四个主要阶段：统筹和规划、构建和运行、监控和评价、改进和优化（参考GB/T34960.5—2018）。图2运维数据治理持续迭代过程7运维数据治理的对象与范围公司可按照CMDB配置数据、监控数据、流程数据以及知识库数据这四种主要的运维数据的特点和使用场景，针对性地建立相关的管理方针和策略，对运维数据进行分域治理。7.1CMDB配置数据CMDB配置数据是运维管理的核心数据，可以看作为数字化运维对象的元数据，也是运维数字化平台各系统共享使用的主数据。运维数字化平台可以通过CMDB数据将信息系统中不同类型的资源和管理对象串联起来。公司应根据监管要求、自身情况以及数据消费场景，建立配置数据管理体系，其内容包含：a)应明确配置数据管理的组织架构和职责，其中角色类型包括但不限于：配置经理、配置审计、配置管理员、配置管理平台方；配置管理员可由CI模型对应技术领域的运维团队负责，并且所有CI都需要明确对应的责任人；b)应建立CMDB配置相关的流程，对配置数据进行标准化的全生命周期闭环管理，保障数据的正确性、完整性和时效性；c)应建设CMDB配置数据管理系统，线上化管理所有CI模型和CI数据，系统应支持CI模型分类，CI模型、属性以及关联关系的定义和修改，全局检索，基于角色的访问控制，保存历史数据修改记录，批量修改，批量导入导出，并提供数据增删改查的API接口等常用功能；d)应选择合适的配置管理范围和颗粒度，先从重要的CI类型和CI属性开始，随着使用场T/SZSSA002—20255景的需要逐步细化管理。配置数据的管理范围应覆盖但不限于生产环境、开发环境、测试环境、灾备环境、仿真环境等；e)应设定配置数据准入规则，比如，CMDB中记录的数据不应频繁变化，类似每分钟采集更新的运维对象状态类指标数据；f)应统一配置数据源头：应将CMDB作为全公司唯一的配置数据源，当资产信息发生变化，有流程触发了配置属性变更时，应立即更新CMDB，保证配置数据的准确性和及时性；g)配置数据的采集和更新：应建立自动化工具，实现配置数据的自动化发现和采集，同时应将IT服务流程，比如变更、问题、事件、版本发布等，与CI建立关联，实现关联配置信息的闭环更新；h)配置数据管理流程闭环：应建立流程对CI的创建、删除以及重要属性字段，如状态、关联关系的更新修改，进行闭环管理。比如通过资源交付流程创建CI和建立应用和资源的关联关系，通过下线流程删除CI或者应用与资源的关联关系、通过版本发布流程更新应用实例的状态等；i)配置数据审计：应建立有效的配置数据审计机制，定期校验数据质量，并基于发现的数据问题，分析原因，再针对相关的数据采集工具或者流程进行优化；j)CI模型设计：应结合自身情况和数据使用需求，对运维对象进行分层分类，然后设计CI模型，应包括但不限于：应用子系统、应用组件、数据库、主机OS、服务器、网络设备、存储设备、负载均衡、机房、安全设备等；k)CI属性的设计可以分为基本属性、管理属性和专有属性。基本属性应包括但不限于全局唯一的ID、名称；管理属性应包括但不限于创建人员、创建时间、管理责任团队或者责任人、修改人员和修改时间等。专有属性需根据不同资产类型进行设计，应包括但不限于序列号、状态、品牌、型号、配置、出厂日期、维保商、维保结束日期、软件类型、版本等；l)数据类型标准化：当数据类型为部门、团队、人员等类型时，其数据值应统一采用公司人事系统中的信息，以便于不同系统间的对接；当数据类型为日期、时间时，应采用统一的格式标准，比如：YYYY-MM-DDHH:MM:SS；m)关系属性：所有CI都需要建立和其他CI的关联关系，关系类型包括但不限于：属于、运行在、连接、依赖、访问等；n)可结合配置数据消费需求，制定配置数据管理绩效指标，包括但不限于配置数据的准确率、自动化采集覆盖率、审计覆盖率、流程关联率等；o)建立工具运营机制，持续丰富CMDB配置数据的消费场景，保持数据“新鲜”，促进提升数据质量。比如，可以在CMDB中保存架构数据，为微服务建立独CI模型，并通过依赖关系属性表示应用间的调用。7.2监控数据监控数据是保障系统安全运行、优化系统服务以及故障排查的关键资源，包含系统平台以及业务服务的运行指标、日志以及告警信息。公司应建立监控平台系统，自动定时采集所有运维对象的监控数据，帮助运维人员实时掌握系统运行状态，并在出现异常时，能够快速地进行故障原因定位和故障恢复。a)监控数据分类：常见的监控数据分类如表1所示，公司应针对不同的数据类型选择合适的数据存储和管理方案。表1监控数据分类6T/SZSSA002—2025来自NPM类监控工具产生的镜像网络流量b)时序类指标数据标准：l应为相同用途的指标设定统一的属性名称和数据值格式，比如：CPU使用率、空间使用、服务响应时间等；非整数场景的数据统一保留两位小数点。l应使用统一的时间戳格式，比如：YYYYYMMDDHHMMSS20250118112908；如果产生指标数据的原始监控工具无法调整，可在归集至运维数据平台时进行统一。c)告警消息数据标准：l数据内容至少应包含产生告警的时间、告警对象名称（应能够和CI配置项对应）、告警级别、告警内容；l数据内容可包含导致告警产生的阈值、处理建议等；l应使用统一的告警级别名称，比如：information,warning,error,critical；如果产生告警消息的原始监控工具无法调整，可在归集至运维数据平台时进行统一。d)日志类数据标准：l日志内容至少应包含时间戳、日志级别和日志内容，必要时还可增加来源、请求唯一标识、错误码以及关键参数等信息；l对于自研类系统，应在日志中输出业务运营所需要的信息，并使用统一的日志编码（原则上使用UTF-8）和日志格式标准，可优先使用JSON或固定字符分割的格式，便于日志解析处理；l不应在日志中包含敏感信息，比如用户姓名、密码、手机号等信息；l日志系统平台在保存日志前，应建立日志解析机制，提取日志内容中的重要字段，比如服务名称、调用方法、功能号、URL、错误码、耗时等，以满足日志数据的不同消费场景；l应尽量调整日志源端的配置，按照统一的时区输出时间戳，通常情况下建议使用东八区时间。如果日志源端的时区配置无法修改，可在日志采集时进行时区转换。e)应建立监控数据清洗标准规则和程序机制，过滤掉垃圾信息，减少噪音，提升监控数据质量，节省数据存储空间，同时也能提升故障分析定位的效率。f)应建立监控数据丰富机制，将监控数据与CMDB配置项关联，便于数据的消费使用。7.3流程数据流程数据指IT服务相关的流程工单数据，流程类型包含但不限于服务请求、变更、问题、事件工单等。为满足监管和合规要求，公司应建立系统提供线上的IT服务，并妥善保存相关的流程数据，做好流程数据的生命周期管理，保障其数据质量和安全，具体工作应包含：T/SZSSA002—20257a)明确流程数据管理的责任方，比如可由提供流程系统的平台方或者指定专门的流程经理来负责流程数据的治理工作；b)保障流程数据内容的完整性，可包含但不限于标题、申请人、创建时间、执行时间、执行人、流程节点、状态、关联的CMDB配置项、工单内容描述等；c)建立有效的机制，定期对流程数据进行总结分析，找出IT服务流程中存在的问题和瓶颈，并针对性地进行优化迭代，发挥流程数据资产价值；d)尽量保存更长时间的历史流程数据，便于分析问题事件时的历史回溯。在条件允许的情况下，可永久保留所有历史流程数据。7.4知识库数据知识库数据是指运维管理工作中涉及的各类操作手册、故障案例（包含故障现象、告警日志、处理方法）、应急预案（包含使用场景、操作步骤、验证方法）以及技术文档等。知识库数据既是日常运维管理的规范化指引，也是未来发展智能化运维的重要基础数据。公司应建立起运维知识库管理体系，对知识数据的生命周期进行妥善管理，包含但不限于知识的录入、清洗、维护更新、检视和清理等，以确保知识数据的质量。a)应明确知识库数据管理的组织架构和职责，其中角色类型可包括但不限于：知识系统平台方、知识管理责任人和知识审计员等。各运维技术团队应负责本领域内相关的知识数据积累和维护更新；b)应建立知识库系统平台，并针对数据的增、删、改、查等常见功能提供管理界面和API接口，便于用户进行知识检索、管理，以及其他系统工具的对接使用；c)应针对不同类型知识库数据建立相应的标准模板，统一数据格式，包含但不限于数据的字段、数据类型、关联的技术领域、创建人、创建日期、修改人、修改日期等；d)应建立知识数据录入管理流程，在事件工单关闭后，及时地将相关知识经验数据进行整理、标注、审核，然后入库保存；e)知识库平台应建立评价、反馈与更新机制，以持续提升知识的有效性；f)在关闭故障事件工单时，应针对事件发生的时间、环境、影响范围、分析和处理过程，进行总结，积累案例经验，同时应将案例数据增加相应的管理标签，便于后续检索使用；g)应建立有效的管理机制，定期对知识库数据进行检视，针对IT环境中软件类型、版本等的变化，更新文档中相关的内容，并及时清理过期失效的知识数据；h)应定期对应急预案进行演练，发现其中的问题和待优化内容，并进行改进，以确保应急预案数据的正确性，在出现故障异常时，处置人员可以参考执行。同时可在知识库中记录应急预案的演练或者实际场景中的使用情况。8数据质量管理公司应明确运维数据质量管理目标，并建立数据质量管理体系，持续优化提升数据质量，满足各场景下运维数据消费的需求。a)应为不同领域的运维数据质量管理确定责任团队和责任人，明确角色和职责。b)应识别数据生命周期各阶段影响数据质量的关键要素，并建立运维数据质量管理办法以及关联的流程和工具，进行有效地管控。c)应制定数据质量的评估指标，包含但不限于数据的准确率、完整率和关联率等，可用于衡量数据质量管理工作的进展和成果。也可在运维工作计划中对数据质量提升提出具体T/SZSSA002—20258的管理优化目标。d)应建立有效的数据质量校验规则和定期检验机制，在数据采集更新和流程闭环的基础上，再对各类运维数据的质量进行检查。可以梳理出不同类型数据的关联关系，通过不同系统工具的比对，来检验数据的准确率，比如可以通过比对网络交换机端和主机OS端采集到的MAC地址，来验证服务器与网络交换机端口关联的正确性。e)具备条件的公司可以建立相应的工具系统，自动地定期抽取各类数据，执行数据质量校验规则，来更高效地进行线上的数据质量指标监测以及结果分析展示，同时将异常的数据通知管理责任人及时检查处理。9数据生命周期管理公司应梳理清楚运维数据全生命周期各个阶段中所涉及的工具系统、流程、影响数据质量和数据安全的关键要素，然后制定相应的管理办法，具体可包含：a)将运维各类型数据的生命周期管理流程梳理清楚，确保各个阶段都具备有效的管理机制，包括数据的采集生成、清洗和丰富、更新修改、归档保存、快照保存、数据备份和数据销毁；b)数据采集：公司应结合监管和合规要求、业务运营、运行管理等需求，建立起相应的数据采集工具，及时、完整地采集所需的各类运维数据；c)数据清洗和丰富：公司应按照运维数据标准规范，建立数据处理工具，对采集的各类数据及时地进行过滤清洗、丰富，便于后续的数据消费使用；d)数据存储：公司应建立运维数据存储系统，为不同类型的数据选择合适的数据落地存储技术方案，同时为外部数据消费提供查询服务；e)数据修改：运维数据的更新修改需要有规范制度和流程支持，对于重要的数据和属性值的修改要有相应的流程依据，非重要的数据可以通过程序定期采集更新。同时，每次修改都应该存在历史修改记录，其内容包含修改人、修改时间、修改的原因等；f)数据归档：为满足监管要求，重要信息系统的运行日志和监控指标数据需要进行原始数据归档。公司可视自身情况选择合适的数据归档技术方案；g)数据快照：建议对重要CMDB配置资产数据定期创建数据快照，便于公司进行IT资源容量评估规划，以及问题分析回溯；h)数据备份和恢复：为满足监管和合规要求，应对运维数据建立定期的备份机制，重要数据需要进行离线和长期保存。重要信息系统业务日志应当保存五年以上，系统日志应当保存六个月以上。同时，还应定期安排备份数据的可恢复性检查，以确保备份数据的有效性；i)数据清理和销毁：过期不再有使用场景的运维数据要及时地进行清理，避免IT资源的浪费。在服务器和存储设备下线需要首先删除所有数据。在设备报废前，需要对磁盘进行消磁或者物理破坏，以保障数据安全。10数据安全管理公司应明确运维数据安全管理的目标和策略，制定运维数据安全管理办法，持续提升运维数据安全管理能力，应做到：a)数据分类：必须按照《证券期货业数据安全分类分级识别认定工作指南》要求的维度，T/SZSSA002—20259对运维数据进行分类管理，可包含业务活动类数据和信息技术类数据两类，具体为：l业务活动类数据：可包含监控数据中的业务运行日志、用户体验数据、业务指标数据等；l信息技术类数据：可包含CMDB配置数据、监控数据（非业务活动类部分）、流程数据、知识库数据。b)数据分级：必须按照《证券期货业数据安全分类分级识别认定工作指南》要求的定级规则，同时结合公司自身的实际情况，对运维数据进行分级管理，级别可分为两类：重要数据和一般数据。不同级别的数据要建立针对性的安全管控措施，包含但不限于权限隔离、敏感信息保护、数据合规等；c)权限隔离：公司应结合数据分类分级，以及用户的部门、角色等情况，对不同用户的权限进行隔离管控，包含查询、创建、删除、修改；d)保护敏感