银行数据治理的核心问题

银行一直掌握着大量关于客户的数据，数据汇总，存储和分析的持续进步意味着收集的数据提供了不可估量的价值和机会。 

随着法规和数据安全性变化的压力不断增加，银行和信用合作社在数据方面必须保持警惕。确保数据具有高质量，可访问性和安全性是保持这种不断变化的环境的关键。此外，机构应确定如何更好地利用已经收集的数据。

数据质量，访问或安全性差的机构所面临的一些影响。以下是一些最重要的影响：

•无法提供准确的预测
•降低整个机构的生产力
•暴露于风险和监管合规问题，包括不准确的信用评估和更高的合规成本
•财务绩效，包括现金流延迟，IT支出增加和潜在错失机会

为了最大限度地减少这些影响，所以需要三个支柱来建立有效的数据治理。

支柱1：人员和组织结构
机构中的每个人都负责维护准确，可访问和安全的数据，以支持业务需求和优先级。他们建议将关键利益相关者分为两组。第一组包含负责建立数据治理愿景和战略的人员，而第二组负责执行。

支柱2：数据治理流程
当机构建立数据管理政策和程序时，建议解决数据管理生命周期的所有四个阶段。
1.收集
2.管理
3.保护
4.交付

支柱3：数据治理技术
为了使数据治理有效，机构必须拥有维护和管理数据的工具和技术，以便数据可访问和可靠。在许多银行中，数据技术包含一系列不连贯的一次性应用程序和解决方案，每个都旨在满足特定需求，没有集中和一致的治理。数据平台和框架应提供问责制和透明度，无论它们是内部开发还是来自第三方供应商。

然而，收获大数据产生的回报需要努力工作和不断适应。金融机构面临着比以往更大的挑战，因为它们在管理风险和监管合规性的同时兼顾数据量，速度和种类的增加。

任何金融机构的第一步都是评估其当前的数据治理计划，看它是否与组织的目标一致，并且正在实现其所需的一切。合规条款，风险缓解和机会。奥罗克的建议是，你首先需要有效，然后才能提高效率。

数据治理是一个过程，而不是一个项目，它需要成为组织开展业务的一部分。为了成功，你想让它成为你DNA的一部分。当您创建新应用程序，创建新产品时，请从一开始就遵循您的数据治理策略。

为了分析数据治理计划，每个金融机构都需要考虑五个关键问题，以便在大数据世界中自信地前进：

1.我们是否为组织的未来制定了蓝图，并了解数据在未来的作用？
虽然大多数机构对未来想要实现的目标有明确的计划，但了解数据在该计划中的作用是成功的基础。如果不考虑数据在业务路线图中的作用，它将在未来产生不必要的负担。如果你作为一个组织处于有利位置，你就会考虑你的计划将如何影响数据，反之亦然，而不是事后的数据，通过在业务路线图中考虑数据，银行将更好地协调创建新产品，或将其传统产品和遗留系统交织到其长期规划中。

虽然目前只有一小部分银行正在研究非结构化数据，但这种类型的数据在任何有关未来的对话中都有明确的位置。随着国际数据公司估计非结构化数据占所有数字数据的90％，使用非结构化数据需要成为银行的未来考虑因素也就不足为奇了。 

2.指定的管理层是否专注于实用且可执行的数据治理政策？
随着数据在任何组织的未来发挥着不可或缺的作用，对这些数据的管理变得至关重要。
我们发现的是，越来越多的公司正在拥有首席数据官和与该角色相关的其他员工，并且它提供了价值，您希望在组织中实施该计划的责任。如果你没有建立正确的问责制，那么数据治理计划就不会增加价值。

这是关于了解整个组织数据变化的影响，首席数据官可以参与整个组织的高层对话，但仍然关注数据。没有CDO，数据很可能是事后的想法，这会增加潜在的风险。

然而，如果没有强有力的数据治理政策，CDO就无效。但是，设定组织数据管理的总体方向并定义数据治理策略是不够的。随着数据量，速度和种类的增长，定期审查和更新该政策至关重要。

关键是确保您的数据治理政策保持实用和可执行，政策中必须有标准，检查和控制。如果你没有那些东西，你可能也没有这个政策。

当然，斗争是在保持政策简单的同时仍然实施必要的协议。显然，你的程序越简单，就越容易遵循，人们就越有可能遵循它，你想从上到下设计你的程序，然后从下到上实现它。

3.我们是否了解现行法规及其与我们所拥有数据的关系？
对于系统重要的机构来说，已经出现了很多新的法规，重要的是他们不仅要了解合规的一部分，还要了解它们目前是否合规。

将监管合规性称为数据治理的“赌注”，但承认为了符合要求，需要具备一定程度的数据质量。这两者齐头并进，这就是为什么组织的监管变革需要彻底，并且不可能在一夜之间完成。

像任何重大变化一样，进行监管变革需要很长时间，确保您捕获正确的数据并存储正确的数据，并保留适当的时间。  

如果要进行监管变革，这些变化必须成为首要任务。对于银行而言，两个最大的数据问题必须是监管问题和系统性风险。

4.我们是否有适当的系统来保证数据质量，确保适当的权利并降低风险？
金融机构需要具备的不仅仅是监管合规才能有效。质量数据是降低风险的关键因素，最终使数据治理政策真正有效。然而，保证质量数据很难实现。 

当源自多个谨慎的计算机系统和业务线时，数据质量往往因不兼容的定义，不一致和重复而降低。

由于数据质量不佳，数据治理和控制的有效性可能会受到严重影响，如果没有适当的数据质量，就很难获得适当的权利，或者知道你拥有降低风险所需的所有数据。

此外，在数据质量方面，组织需要对数据的准确性，完整性和权利使用负责。 

你要做的最后一件事就是制作产品或创造内容，并让每个人都可以访问，然后两年后，接受内容提供商的审核，创造出数百万的风险，你需要对权利和政策有明确的理解。但是组织应该如何解决这些问题呢？建议实施程序，以确保数据汇总时的质量数据。

你想积极主动，立即寻找数据的不一致和重复，当数据进入系统时，当您完成所有这些检查和平衡时，那么当您提取数据时，您可以确保数据质量。确保质量数据是与重要权利相关联的重要的第一步。降低风险。

5.我们是否优先考虑潜在价值，同时平衡与数据机会相关的风险？
一旦建立数据治理计划，协调管理和实施协议变更的艰苦工作正在进行中，银行就可以放心地将大数据用于工作。 

在研究使用数据的新方法时，需要考虑很多事情。良好的数据和良好的数据使用创造了收入的途径，相反，如果没有正确的数据或数据使用，整合这些想法变得更加困难。

在大数据中，风险和机会是同一枚硬币的两面。当你进行数据汇总以及随之而来的一切时，领导者应该考虑如何做出更好的决策，降低成本，提高销售和效率，但是你不能在没有权衡硬币的另一面做出任何决定，这就是风险。每次评估新的机会时，考虑风险至关重要。 

数据治理需要一个持续的周期。确定目标后，确保计划与这些目标保持一致，并确保策略可执行。检查该信息，进行差距评估，分配责任，进行沟通，然后进行验证。最重要的是，继续重复并更新该周期。

总体而言，有效的数据治理计划应包括四个关键标准：信任，一致性，承诺和清晰度。