企业做好数据治理才能更快更好地推进数字化转型

发布时间:2019.12.12来源:知乎浏览量:94次标签:数据治理

数据治理之“困”
在谈到当前的数据治理之“困”时,主要有四方面:

第一,存在信息孤岛,有数不能用。当前,金融业数据治理过程中普遍存在“不愿、不敢、不能”共享的问题,导致海量数据散落在众多机构和信息系统中,形成一个个“数据烟囱”。一是不愿共享,多数机构都将数据作为战略性资源,认为拥有数据就拥有客户资源和市场竞争力,主观上不愿意共享数据;与之类似,机构内部数据权属分割,数据所有权和事权密切相关,部门宁愿将数据“束之高阁”,也不愿轻易拿出来共享。二是不敢共享,部分金融数据具有一定敏感性,涉及用户个人隐私、商业秘密甚至国家安全,数据共享可能存在法律风险,客观上给机构间共享数据带来障碍。三是不能共享,由于各机构数据接口不统一,不同机构的数据难以互联互通,严重阻碍数据开放共享,导致数据资产相互割裂、自成体系。

第二,数据质量不高,有数不好用。金融科技背景下,高质量数据成为金融服务与创新的重要基础,也是大数据提升金融精准施策能力的关键前提。然而,当前金融业整体数据质量不高现象依然突出,给数据深入挖掘与高效应用带来困难。在完整准确性方面,由于缺乏统一的数据治理体系,有些金融机构在数据采集、存储、处理等环节可能存在不科学、不规范等问题,导致错误数据、异常数据、缺失数据等“脏数据”产生,无法确保数据的完整性和准确性。在一致性方面,由于业务条线繁杂、业务种类多样,多个部门往往数据采集标准不一、统计口径各异,同一数据源在不同部门的表述可能完全不同,看似相同的数据实际含义也可能大相径庭,数据一致性难以保障。这给全局数据建模、分析、运用造成障碍,数据挖掘效果大打折扣。

第三,融合应用困难,有数不会用。金融数据来源众多、体量庞大、结构各异、关系复杂。从如此繁杂的海量金融数据中挖掘高价值、关联性强的高质量数据,需要高效的信息技术支撑和可靠的基础设施保障。然而,部分金融机构科技研发投入相对不足、科技人员占比失调,利用数据建模分析解决实际问题的能力有待提高。信息资源利用大多停留在表面,数据应用尚不深入、应用领域相对较窄、数据与场景融合不够,导致数据之“沙”难以汇聚成“塔”,海量数据资源无法盘活,数据潜力得不到充分释放。

第四,治理体系缺失,有数不善用。我们常说,“技术本身是中性的,技术运用的善恶完全取决于人”,这一结论对数据同样适用。科技要向善,数据也同样要向善。然而,由于法律法规尚不健全、数据治理体系还不完善、机构合规意识不足,数据“不善用”的问题较为突出。从业机构违法违规成本低,为谋求商业利益而置现有管理规定于不顾,过度采集数据、违规使用数据、非法交易数据等问题屡见不鲜。例如,某些APP、网站,用户不授权提供手机号、通讯录、地理位置等信息,就无法继续使用和浏览,通过“服务胁迫”来达成“数据绑架”。此外,部分机构数据保护意识、内部管理、技防能力薄弱,数据泄露事件时有发生,用户成为“透明人”,电信欺诈、骚扰电话、暴力催收等屡禁不止,严重侵害用户权益。
(部分内容来源网络,如有侵权请联系删除)
立即免费申请产品试用 免费试用
相关文章推荐
  • 企业应该将数据治理作为加速数字化转型的催化剂

    企业应该将数据治理作为加速数字化转型的催化剂

    随着许多业务系统和应用程序(包括采购,呼叫中心交互,网站访问,移动应用程序使用以及越来越多的物联网传感器和设备)产生的大量客户数据,应该……查看详情

    发布时间:2019.07.04来源:知乎浏览量:103次

  • 高质量的数据一般包括哪些特征?

    高质量的数据一般包括哪些特征?

    ​基于数据决策的前提是数据可靠且相关,数据必须是“真实可信的”,否则“输出将是误导和无效的”。但是企业所收集的数据可能不完全,或者更新不……查看详情

    发布时间:2022.06.09来源:小亿浏览量:2990次

  • 企业的数据标准管理包括什么?

    企业的数据标准管理包括什么?

    数据标准(Data Standards)是保障数据的内外部使用和交换的一致性和准确性的规范性约束。数据标准管理是规范数据标准的制定和实施……查看详情

    发布时间:2020.05.08来源:知乎浏览量:125次

  • 数据治理需要转变

    数据治理需要转变

    数据准备和编目工具使用机器学习来协助和建议采购,策划,挖掘和使用数据的方法。数据治理服务在后台智能运行,以自动更正和管理数据使用。……查看详情

    发布时间:2019.04.03来源:亿信华辰浏览量:120次

  • 2018 数据管理成熟度技术曲线:DataOps、dbPaaS、ML

    2018 数据管理成熟度技术曲线:DataOps、dbPaaS、ML

    数据运维(DataOps)、私有云数据库平台即服务(dbPaaS)和具有机器学习(ML)功能的数据管理在2018年Gartner数据管理……查看详情

    发布时间:2019.03.05来源:亿信华辰浏览量:139次

  • 数据治理对医疗保健组织来说往往是个谜

    数据治理对医疗保健组织来说往往是个谜

    数据治理对医疗保健组织来说往往是个谜。“它是什么?我该怎么做?我在哪里可以买到它?“它引起了一些想法。 数据治理是一组流程,可确保在整……查看详情

    发布时间:2018.11.23来源:数据治理浏览量:90次

  • 数据治理:建设大数据平台就够了?你还要做这件事

    数据治理:建设大数据平台就够了?你还要做这件事

    长期以来,大家一直忽略一个问题:数据跟原来的企业应用系统一样,它是需要被管理的。企业逐渐了解数据所蕴含的价值,对数据的重视程度越来越高。……查看详情

    发布时间:2018.12.12来源:亿信华辰浏览量:90次

  • 数据资产管理的发展趋势

    数据资产管理的发展趋势

    随着数据资产管理生态系统的不断发展,现有的实践体系也在迅速发展,可以从数据对象、数据采集、处理架构、组织职能、管理手段和应用范围六个方面……查看详情

    发布时间:2020.09.11来源:知乎浏览量:154次

  • 银行的信息科技部门做数据治理的体验

    银行的信息科技部门做数据治理的体验

    银行对于数据治理的态度:从90年代末开始我国银行业信息化之路就已经开启,到了21世纪越来越多的银行开始利用数据进行更为精准的客户营销、提……查看详情

    发布时间:2020.07.31来源:知乎浏览量:126次

  • 构建有效的数据科学团队

    构建有效的数据科学团队

    随着数据科学和人工智能几乎进入阳光下的每个行业,建立一个能够建立成功的AI项目的团队的挑战也是如此。对统计学家,程序员和沟通者完美融合的……查看详情

    发布时间:2019.03.15来源:亿信华辰浏览量:134次

相关主题
您点击 “提交”,表明您已理解并同意接受本网站隐私政策和用户协议