一、IFRS 17准则实施为什么需要数据平台
首先我们需要对于IFRS 17知识和理念的衔接有一个初步的认识。
图1：IFRS 17业务数据流
如图1所示，从业务端数据到报表披露主要牵涉的都是数据的流动，因而IFRS 17的实施是由数据驱动的，在此过程中需要对数据进行不同程度地梳理、分析和设计，系统实施则涉及对不同粒度的数据进行大量的复杂计算，总而言之，IFRS 17的实施面临着如下挑战。
一是数据量大、颗粒度细。IFRS 17新保险合同准则下的财务报告将运用到大量的数据，也将产生大量的数据，准则对数据颗粒度的要求导致了数据量的剧增，因此需要新的解决方案来应对大量数据处理的需求。
二是数据来源多样。IFRS 17新保险合同准则涉及的数据几乎涵盖了保险公司所有关键系统的数据，例如保单信息、理赔数据、投资数据、收付费、法定准备金、财务数据、市场交易数据、经济假设数据等，未来这些数据从哪里获取，如何建立映射关系，能否满足准则的要求，将成为IFRS 17数据处理平台未来工作的重点。
三是处理逻辑复杂、跨系统交互多、自动化要求高。由于IFRS 17新保险合同准则要求是按保单组合进行资产负债的列报，所以整个IFRS 17的处理流程包含多个密集的数据处理场景，从多个系统来源采集不同的数据，经过清洗和验证，再按合同组进行汇总，然后交计量平台进行CSM计量，再通过会计引擎处理，接着汇总到总账系统，再由总账系统输出满足IFRS 17新保险合同准则要求的报表。在这个过程中需多次在财务系统、精算模型、计量系统间进行数据交互，且多数处理需要自动调度完成。
四是数据质量要求高。数据质量也是IFRS 17新保险合同准则不得不面对的一项挑战，直接影响披露报告数据的准确性。大部分险企虽然有ODS或EDW，但实际上数据质量仍不乐观，而准则更加偏重数据质量，关系到数据管理的方方面面。
总之，IFRS 17计算步骤和环节差异大，计算耗时长，这也决定了CSM计量和IFRS 17会计凭证处理之前，需要一个统一的IFRS 17数据平台对不同来源的数据进行标准化地处理，因而IFRS 17数据处理平台的作用主要包括：1、集成不同来源的数据。2、对上述数据进行清洗和转换，以满足IFRS 17准则对数据质量的要求。3、将原保险合同按准则要求拆分/合并为新的计量单元，并分配合同组。4、将实际现金流、财务费用、投资收益、准备金等数据聚合/分摊到合同组级。5、整合来自精算系统的预期现金流数据，为计量做准备。这些处理的结果将成为计量引擎和会计引擎的输入，以完成IFRS 17的后续处理。除此之外，数据平台还需要实现数据一致性校验、数据查询与追溯等业务功能。
二、数据平台功能框架
图2：IFRS 17数据平台功能框架
图2是一个逻辑意义上的应用架构，我们把系统功能按组件层次划分为数据采集、数据加工处理、平台应用、数据管理和系统管理五大层，IFRS 17数据平台每层具体功能如下所示：
1、数据采集
数据采集是将源数据抽取到数据处理平台，并对传输过程进行校验。为实现灵活应对不同来源、不同类型的数据，数据采集过程要有一定的配置功能，其组件主要包括批量数据加载、数据一致性校验、参数配置和采集接口（API）。
2、数据加工处理
数据加工处理主要为后续IFRS 17计量做相关业务数据准备，比如合同分组、投成拆分、模型点数据处理、现金流处理等。数据加工处理层是核心处理层，最重要和最有挑战的工作都在此处。
3、平台应用
平台应用层用于数据的展现和与其他系统的对接，数据展现包括对数据的查询、内部报表和配置数据的展现功能；系统接口包括精算接口、计量平台接口和财务平台接口。
4、数据管理
从数据管理的角度来看，IFRS 17数据平台需要有一系列逻辑组件来进行支撑，主要包括数据质量管理、数据追溯管理、数据模型管理、元数据管理、参数管理。
5、系统管理
系统管理是每个应用系统不可缺少的公共组件层，确定数据处理平台的数据安全性、可靠性和可用性。它包括用户管理、权限管理、安全管理、调度管理、备份恢复和容灾机制。
三、数据架构的最佳实践
数据架构决定了IFRS 17数据平台实施的数据层次划分。
图3：IFRS 17通用数据架构
图3是我们建议的一个IFRS 17通用数据架构，其中关键的数据层次包括接入数据层、基础层和应用层，接入数据层的作用是对不同来源的数据进行集成；基础层是IFRS 17数据平台的关键组成部分，以实现合同分组、投成/账户内外拆分、相应金额的分摊、各类现金流处理等操作；应用层则主要为费用分摊模块、计量引擎、会计引擎及总账系统，提供数据对接服务。
四、IFRS 17对数据质量的要求
有数据处理的地方，就伴随着数据质量的考量，IFRS 17亦然，我们可以从技术层面和业务层面分别阐述。
1. 技术层面
技术层面的问题也就是常规的数据质量问题，包括数据的完备性、有效性、准确性、完整性、一致性和时效性，但IFRS 17数据平台是专业数据应用，并不需要涵盖太多企业数据质量管理的内容，因此主要包括已下两个方面：
（1）来源数据的字段值是否完整和有效，具体表现在字段中是否有值（不能仅仅凭是否空值来判断，如果空值有业务含义也说明有值）；是否符合字段约束，如符合值域范围（包括枚举值范围）；是否符合数据格式要求等。
（2）数据的抽取、转换、加载（ETL）处理过程中产生的数据是否能保持完整性和一致性。如源表与目标表的记录数和金额平衡，数据文件的一致性检查等。
2. 业务层面
在业务层面，一般数据质量问题通常是违反数据一致性的问题。我们基于常见业务层面的经验，可以总结出以下几种与数据一致性相关的场景/操作：
（1）业务端交易数据与IFRS 17子账数据的一致性，这通常归为“业财一致性”问题；
（2）IFRS 4账套与IFRS 17账套的数据核对；
（3）IFRS 17子账内部的一致性校验，比如科目间的勾稽关系；
（4）计量结果数据与IFRS 17子账凭证的核对；
（5）数据平台内部特定业务一致性规则的校验。
IFRS 17在数据质量上的需求并不一定要在数据平台上来解决，这就牵涉到企业的数据治理，简单来讲，数据平台的数据质量保证需要企业数据治理体系的支持。以“业财一致性问题”为例，这是IFRS 17项目实施面临的关键问题之一，也是几乎每个保险公司长期面对的“老大难”的问题，但数据平台只能提供一致性检核的手段去发现问题，而解决问题则要归为公司治理领域。
图4给出“业财一致性”问题的成因继而关联到数据治理的领域，从而提出相关数据治理方案以指导保险公司找出解决办法。
图4 ：“业财”不一致原因及建议
通过对“业财"不一致问题成因的分析，可以帮助我们找出数据治理的工作方向，而反过来，企业数据治理体系也为数据平台的数据质量提供保障。
IFRS 17的数据质量与企业数据治理的关系是一个比较大的话题，我们有机会可以专题讨论。