立即扫码
享受一对一服务
如何做好银行金融大数据治理平台建设
发布时间：2019.10.15来源：知乎浏览量：257次标签：数据治理
大数据、云计算、互联网等技术，将人类带入了一个以PB为单位的大规模生产、分享和应用数据的新时代。当治理的对象发生变化时，治理体系也应进行改进以适应大数据的发展变化。
（1）完善数据管控相关标准，提升相关系统控制能力
大数据时代，银行数据除了从传统的客户、协议、账户等结构化数据外，已经逐步扩展到非结构化数据的存储管理及应用，因此需从数据标准、数据模型、元数据、数据质量、数据生命周期等方面依据非结构化数据的特点，补充相关治理管控标准，并通过相应的管控系统实现控制，确保非结构化数据得到有效的管控和应用。
（2）利用大数据技术提升数据集成及共享能力
海量数据给银行数据治理带来挑战，但也是一种机遇，利用大数据技术，可使数据治理的方法和手段更加丰富，数据价值可以获得更大的发挥。
一方面，采用分布式计算等大数据技术，构建开放、高效、异构、弹性的大数据平台，实现“全渠道、全客户、全产品”信息的综合分析与快速共享，提升客户拓展、风险管控和创新营销能力。
另一方面，利用大数据技术，重点完善补充银行业务以外的其它基础信息（如行外政府部门、第三方合作机构等各类有价值的数据），并按照统一的客户标准进行客户信息整合，形成更加完善的客户视图；通过大数据技术实现“数据地图”等可视化服务，提升数据资产易用性；通过元数据的统一管理和分析，提供信息检索、指标灵活定制等数据服务，提升数据资产的一致性和可用性。
亿信华辰在数据治理领域也持续深耕，从数据质量管理平台、元数据管理平台，到发布智能数据治理平台-睿治，实现了数据治理全场景覆盖，包含九大核心模块：元数据、数据标准、数据质量、主数据、数据资产、数据安全、数据交换、数据处理、数据生命周期等，所有模块可自由组合，并支持本地或云上使用，全面满足客户各类治理需求。
（1）完善数据管控相关标准，提升相关系统控制能力
大数据时代，银行数据除了从传统的客户、协议、账户等结构化数据外，已经逐步扩展到非结构化数据的存储管理及应用，因此需从数据标准、数据模型、元数据、数据质量、数据生命周期等方面依据非结构化数据的特点，补充相关治理管控标准，并通过相应的管控系统实现控制，确保非结构化数据得到有效的管控和应用。
（2）利用大数据技术提升数据集成及共享能力
海量数据给银行数据治理带来挑战，但也是一种机遇，利用大数据技术，可使数据治理的方法和手段更加丰富，数据价值可以获得更大的发挥。
一方面，采用分布式计算等大数据技术，构建开放、高效、异构、弹性的大数据平台，实现“全渠道、全客户、全产品”信息的综合分析与快速共享，提升客户拓展、风险管控和创新营销能力。
另一方面，利用大数据技术，重点完善补充银行业务以外的其它基础信息（如行外政府部门、第三方合作机构等各类有价值的数据），并按照统一的客户标准进行客户信息整合，形成更加完善的客户视图；通过大数据技术实现“数据地图”等可视化服务，提升数据资产易用性；通过元数据的统一管理和分析，提供信息检索、指标灵活定制等数据服务，提升数据资产的一致性和可用性。
亿信华辰在数据治理领域也持续深耕，从数据质量管理平台、元数据管理平台，到发布智能数据治理平台-睿治，实现了数据治理全场景覆盖，包含九大核心模块：元数据、数据标准、数据质量、主数据、数据资产、数据安全、数据交换、数据处理、数据生命周期等，所有模块可自由组合，并支持本地或云上使用，全面满足客户各类治理需求。
（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
-
为什么数据治理会带来数据驱动的成功
通过寻找创造价值和改进执行的新方法，各种形式和规模的组织都在积极地采用数据驱动的方法，这些方法可以通过分析的进步来实现。……查看详情发布时间：2019.01.26来源：亿信华辰浏览量：162次
-
企业为什么要进行数据资产管理？
随着大数据时代的来临，对数据的重视提到了前所未有的高度，“数据即资产”已经被广泛认可。数据就像企业的根基，是各企业尚待发掘的财富，即将……查看详情发布时间：2022.05.27来源：小亿浏览量：897次
-
企业数据交换存在的问题
企业对数据服务的需求日趋迫切，如何有效的管理数据、高效的提供数据服务是目前企业对所面临的关键挑战。目前集团层面客户信息分散，各子公司之间……查看详情发布时间：2020.08.10来源：知乎浏览量：144次
-
那些关于数据治理的不过时观点
数据是有成本，数据是有成本的。存储数据是需要成本的，数据的成本绝非只有物理存储空间成本那么简单，实际上它包括了下述五种成本要素：……查看详情发布时间：2019.08.19来源：CSDN浏览量：193次
-
主数据管理第一步——识别主数据
主数据管理的目的就是为了确保企业核心数据的准确性、一致性、稳定性，打破数据孤岛，帮助企业高效运转。然而在茫茫数据大海中识别出主数据是一项……查看详情发布时间：2019.10.24来源：亿信华辰浏览量：179次
-
数据质量评估体系主要参考以下5个指标
数据质量评估体系主要参考以下指标：，针对不同的信息系统做出定量的数据质量评估，也可根据实际情况，在评估执行中进行取舍。……查看详情发布时间：2019.11.07来源：知乎浏览量：393次
-
数据管理是真的， 真的需要！
数据管理是与控制组织定义，生成和使用数据的方式相关的各种学科。这些学科的例子包括数据建模，数据架构，数据质量，元数据管理，数据互操作性等……查看详情发布时间：2018.12.21来源：数据管理浏览量：102次
-
来自园艺的5个数据治理课程
所有这些数据增长和收购挑战都要求我们重新考虑我们的数据治理策略。我们根本没有确保正确管理和使用数据所需的可见性。我们的首要任务是消除风险……查看详情发布时间：2018.12.04来源：Debi Tadd浏览量：257次
-
实施数据治理 - 学到3个主要经验教训
尽管数据治理在开发过程中可能会有些流动和迭代，但遵循最佳实践并设计精心定位的路线图有助于确保成功。……查看详情发布时间：2018.12.21来源：亿信华辰浏览量：196次
-
数据治理对企业重不重要？有哪些好处呢？
随着互联网技术的不断发展，人们获取、收集信息的渠道也越来越多样化，各种搜索引擎、通讯工具、社交网站等普及应用，使得数据信息呈迅速增长趋势……查看详情发布时间：2019.07.18来源：知乎浏览量：155次
相关主题