立即扫码
享受一对一服务
多措并举提升银行业数据治理能力
发布时间：2019.11.29来源：知乎浏览量：527次标签：数据治理
数据治理是银行业高质量发展的必由之路，当前银行业的数字化转型面临一些挑战和不足，要从建立数据治理架构、统一数据标准、加强数据分析应用等方面提升银行业数据治理能力。
银行业属于典型的数据驱动行业。经过多年积累，银行业金融机构积累了大量客户数据、交易数据、外部数据等。提高数据管理与治理能力、构建数字化经营能力，对提高银行经营质效，增强市场竞争力具有重要意义。
在向着数字化快速转型的同时，银行业数据治理还面临着一些挑战和不足，包括数据整合度不高、数据标准度不高、数据应用难、数据治理人才储备不足等。
“银行内部数据虽多，涉及各个业务条线、各个部门，但数据分布零散化，搜集整合存在错配，未能实现大数据集中化管理，也缺乏对数据全口径和全生命周期性的管理。同时银行内部缺乏统一的数据标准或统计标准，数据的真实性、准确性、连续性等难以保证，数据质量参差不齐。”潘光伟说。
数据应用方面，他表示，数据管理部门与银行业务部门之间未能形成良好协同，内部数据的碎片化，数据挖掘与数据应用力度不足，而与外部数据的隔离造成的数据孤岛效应，导致银行数字化转型阻力重重。
建议，银行业金融机构应以问题为导向，多措并举提升数据治理能力，包括逐步建立数据治理架构；制定统一的数据标准，提升数据质量；弥合外部数据鸿沟，建立数据交互机制；加强数据分析应用，发挥数据内在价值；加强合规意识，完善客户个人隐私保护机制等。
“下一步，中银协将加强银行业数据标准化和治理工作，研究数据分析、数据安全、数据质量管理等技术标准，形成银行业大数据治理的良好生态。
银行业属于典型的数据驱动行业。经过多年积累，银行业金融机构积累了大量客户数据、交易数据、外部数据等。提高数据管理与治理能力、构建数字化经营能力，对提高银行经营质效，增强市场竞争力具有重要意义。
在向着数字化快速转型的同时，银行业数据治理还面临着一些挑战和不足，包括数据整合度不高、数据标准度不高、数据应用难、数据治理人才储备不足等。
“银行内部数据虽多，涉及各个业务条线、各个部门，但数据分布零散化，搜集整合存在错配，未能实现大数据集中化管理，也缺乏对数据全口径和全生命周期性的管理。同时银行内部缺乏统一的数据标准或统计标准，数据的真实性、准确性、连续性等难以保证，数据质量参差不齐。”潘光伟说。
数据应用方面，他表示，数据管理部门与银行业务部门之间未能形成良好协同，内部数据的碎片化，数据挖掘与数据应用力度不足，而与外部数据的隔离造成的数据孤岛效应，导致银行数字化转型阻力重重。
建议，银行业金融机构应以问题为导向，多措并举提升数据治理能力，包括逐步建立数据治理架构；制定统一的数据标准，提升数据质量；弥合外部数据鸿沟，建立数据交互机制；加强数据分析应用，发挥数据内在价值；加强合规意识，完善客户个人隐私保护机制等。
“下一步，中银协将加强银行业数据标准化和治理工作，研究数据分析、数据安全、数据质量管理等技术标准，形成银行业大数据治理的良好生态。
（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
预约演示
相关文章推荐
-
关于数据标准认识的几个误区
数据标准这个词，最早是在金融行业，特别是银行业的数据治理中开始使用的。数据标准工作一直是数据治理中的重要基础性内容。但是对于数据标准，不……查看详情发布时间：2019.12.20来源：知乎浏览量：364次
-
-
制定数据治理行动路线和计划
路线图是使用特定技术方案帮助达到短期或者长期目标的计划，用于新产品、项目或技术领域的开发，是指应用简洁的图形、表格、文字等形式描述技术变……查看详情发布时间：2020.07.17来源：知乎浏览量：478次
-
什么是数据标准？如何制定数据标准？这份指南送上
随着大数据行业的兴起，数据的重要性不言而喻，对数据进行应用的工具层出不穷，带来了巨大的经济效益。可很快就发现了诸多数据问题，制约了数据应……查看详情发布时间：2020.10.24来源：知乎浏览量：394次
-
医疗保健数据治理：预测是什么？
医疗保健数据治理已经远超过应用程序只是满足合规性标准。医疗费用始终是讨论的主题，健康保险状况和“平价医疗法案”（ACA）等政策也是如此。……查看详情发布时间：2018.12.03来源：迈克尔帕斯托雷浏览量：470次
-
数据质量提升的必要性
高质量的数据对管理决策，业务支撑都有极其重要的作用。有些项目在初期由于并没有考虑数据质量的因素，导致了项目实施后期才发现，由于数据质量问……查看详情发布时间：2022.02.18来源：小亿浏览量：902次
-
应用程序组合管理：有效管理您的投资组合
现在是时候关注您的投资组合阶段的实际管理了。在这里，您需要考虑应用程序的成本效益和风险可接受性。您应该采用主观业务决策，识别问题和/或机……查看详情发布时间：2019.02.19来源：亿信华辰浏览量：328次
-
杰出数据科学家的关键技能是什么？
学习如何应用不同的Python或R算法真的很简单：众所周知, 我们只需要修改一两行代码，就能将线性回归迁移到神经网络、SVM，或者你喜欢……查看详情发布时间：2019.02.14来源：亿信华辰浏览量：351次
-
-
了解当今数据驱动型企业的治理核心
数据治理不仅涉及风险管理。它是关于深入了解数据的核心，使组织中的每个人都能更轻松地使用和信任数据，从而获得业务优势。良好的数据治理系统不……查看详情发布时间：2019.02.28来源：亿信华辰浏览量：345次
相关主题