立即扫码
享受一对一服务
金融行业数据治理的问题与对策
发布时间：2019.10.16来源：知乎浏览量：195次标签：数据治理
目前金融行业数据治理的问题所遇到的问题
（1）缺少数据治理企业文化
银行数据治理工作不是个别部门或少数人员能够妥善完成的，而是需要各部门之间、各层级之间的相互支持与协作，尤其需要加强科技部门与业务部门之间的合作。因此，在数据资产被高度认可的今天，数据治理不仅需要作为银行的一项职能工作在企业内贯彻执行，而应该建立一种以数据资产为导向的企业文化，将数据治理与信息科技治理、公司治理有机地结合起来。
（2）基础数据质量的改进刻不容缓
数据质量的改进是一项长期的任务，需要从文化、组织、制度、流程和质量检查管理工具等多个层面持续改进，并依靠数据认责机制，确保数据质量问题能够得以快速有效的解决；数据不一致需要通过推进数据标准化进行系统问协调，也需要建设统一的可信数据源。
（3）没有完善的组织和制度，缺乏有效的管理机制
目前使用数据的部门由于具有明确的、迫切的数据需求，同时面临着内外部的多种压力，成为处理问题的主要推动者，没有一个统一的数据管理部门，当问题涉及跨系统、跨条线时，沟通成本较高、协调难度也较大，问题难以得到彻底解决。
健全的数据治理组织机制是全面开展数据治理工作的基础。由专业的业务和技术人员组成的数据治理组织将承担数据管理者的职责，负责落实全行数据治理的工作，同时建立决策、沟通、监控、考核的机制，创造全行数据治理文化，有效地解决银行数据的责、权、利的问题。
（4）缺乏完善的系统支撑和技术手段
银行系统数据量庞大，如果数据治理工作不依靠技术手段，没有相应的平台工具支撑，仅依靠手工处理，难以将数据治理工作做好，因此，需要先进的技术手段、配套的系统支撑数据治理工具高效有序的开展。
金融行业数据治理的问题与对策
（1）缺少数据治理企业文化
银行数据治理工作不是个别部门或少数人员能够妥善完成的，而是需要各部门之间、各层级之间的相互支持与协作，尤其需要加强科技部门与业务部门之间的合作。因此，在数据资产被高度认可的今天，数据治理不仅需要作为银行的一项职能工作在企业内贯彻执行，而应该建立一种以数据资产为导向的企业文化，将数据治理与信息科技治理、公司治理有机地结合起来。
（2）基础数据质量的改进刻不容缓
数据质量的改进是一项长期的任务，需要从文化、组织、制度、流程和质量检查管理工具等多个层面持续改进，并依靠数据认责机制，确保数据质量问题能够得以快速有效的解决；数据不一致需要通过推进数据标准化进行系统问协调，也需要建设统一的可信数据源。
（3）没有完善的组织和制度，缺乏有效的管理机制
目前使用数据的部门由于具有明确的、迫切的数据需求，同时面临着内外部的多种压力，成为处理问题的主要推动者，没有一个统一的数据管理部门，当问题涉及跨系统、跨条线时，沟通成本较高、协调难度也较大，问题难以得到彻底解决。
健全的数据治理组织机制是全面开展数据治理工作的基础。由专业的业务和技术人员组成的数据治理组织将承担数据管理者的职责，负责落实全行数据治理的工作，同时建立决策、沟通、监控、考核的机制，创造全行数据治理文化，有效地解决银行数据的责、权、利的问题。
（4）缺乏完善的系统支撑和技术手段
银行系统数据量庞大，如果数据治理工作不依靠技术手段，没有相应的平台工具支撑，仅依靠手工处理，难以将数据治理工作做好，因此，需要先进的技术手段、配套的系统支撑数据治理工具高效有序的开展。
金融行业数据治理的问题与对策
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
-
-
数据太多、太乱、太杂？你需要这样一套数据治理平台
当前，企业变革已经成为企业适应剧烈变化的市场环境、实现长期发展的必经之路。然而，过去为组织带来工作效率提升的烟囱式的孤岛式的业务系统……查看详情发布时间：2019.11.20来源：知乎浏览量：189次
-
数据质量衡量标准有几个属性
数据分析和数据挖掘都离不开数据的质量，做过数据产品的人都知道，质量高的数据对于产品的意义有多大，如果说数据是不具备完整性、规范性以及一致……查看详情发布时间：2022.03.28来源：小亿浏览量：470次
-
企业架构组织的创新能力如何？
回想一下最新的企业架构文章，博客文章，甚至是你读过的职位描述，并算一下至少一次没有提到“创新”的内容？我猜测，“创新”往往被作为有效企业……查看详情发布时间：2019.02.26来源：亿信华辰浏览量：184次
-
2019年专注于稳健数据治理的合规性，质量和定制
数据治理，组织内数据的正确和有组织的管理，仍然是2019年的一个焦点。对于希望充分利用其数据的组织，他们必须建立系统以确保数据的正确性，……查看详情发布时间：2019.03.26来源：亿信华辰浏览量：136次
-
数据管理和分析趋势正在改变世界
现在的数据世界正在发生什么，它将如何影响2018年的市场?比如这些头条新闻:人工智能无处不在，并将改变一切;企业继续将他们的基础设施和数……查看详情发布时间：2019.01.03来源：bingdata123浏览量：155次
-
数据准备和数据映射：数据管理和数据治理之间的粘合剂，以加快洞察力并降低风险
组织已经花费了大量的时间和金钱试图在不同的平台上协调数据，包括清理、上载元数据、转换代码、定义业务词汇表、跟踪数据转换等。……查看详情发布时间：2019.02.13来源：亿信华辰浏览量：198次
-
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：222次
-
人工智能商业化提速 创新奇智瞄准三大场景万亿市场
“接下来的AI投资就是要去跟中国各行各业进行结合，把中国的后端效率大幅改进。而这个机会将不会小于过去几年阿里、腾讯那些前端的互联网巨头所……查看详情发布时间：2019.01.27来源：亿信华辰浏览量：183次
-
如何数据标准应对这些难题
应对数据标准这些难题，最经济、最理想的模式当然是：做大数据建设，首先做标准，再做大数据平台，数据仓库等。但一般的不大可能有这样的认识，很……查看详情发布时间：2020.11.13来源：知乎浏览量：165次
相关主题