五方面提升银行业数据治理能力

发布时间:2019.11.28来源:知乎浏览量:202次标签:数据治理

银行业面临着数据治理的紧迫需求,应该多措并举提升数据治理能力。



第一,要建立组织架构健全、职责边界清晰的数据治理架构,明确董事会、高级管理层、监事会和相关部门的职责分工,建立多层次、相互衔接的运行机制,将数据治理纳入银行发展战略,科学规划数据治理发展路线图和实施计划;确定并授权归口管理部门牵头负责实施数据治理体系建设,制定科学有效的数据管理制度,保障数据治理工作有效推进。

第二,要制定统一、明确的数据标准,提升数据质量。

第三,要弥合外部数据鸿沟,建立数据交互机制。一方面从顶层设计角度对数据使用者、控制者、所有者之间的权利义务予以厘清和界定,实现全社会依法合规共享数据;另一方面建立金融业与其他行业的数据交互机制,打通外部数据与银行内部数据之间的关联,完善社会信用体系。

第四,要加强数据分析应用,发挥数据内在价值。潘光伟强调,在数据治理的基础上,银行业应充分运用数据分析,合理制定风险管理策略,提升风险管理体系的有效性。通过客户数据分析挖掘,准确理解客户需求,实现业务创新、产品创新和服务创新,提供精准产品服务,提升客户服务质量和服务水平。同时,通过网络、移动通信、自助设备、智能终端等渠道,使以前无法覆盖和满足的长尾客户的服务能够实现,让优质金融服务无处不在、触手可及。

第五,还需要注意加强合规意识,完善客户个人隐私保护机制。个人金融信息保护趋严是大势所趋,从国际看,2018年欧盟出台了《一般数据保护条例》(GDPR),被称为史上最严的个人信息保护立法,从多个方面强化对个人信息主体权利的保护,引发了广泛关注;从国内看,《数据安全管理办法》《个人信息出境安全评估办法》已经完成了公开征求意见,央行正在对《个人金融信息(数据)保护试行办法》征求意见。另外,我国已将个人信息保护法纳入立法规划。在此背景下,银行业金融机构应审时度势,在个人金融信息的采集、使用上牢固树立合规意识,进一步完善银行客户个人信息保护机制,切实维护消费者的合法权益。

如何选择合适的大数据治理工具

工欲善其事必先利其器,大数据治理的落地开展离不开工具的支撑。大数据治理工具一般分为两类:一类是单个工具,另一类是集成平台,用于不同的阶段、场景和客户。其中,单独工具有:元数据、数据质量、主数据等,集成平台包括数据资产管理、数据治理平台、自助服务平台等。下面介绍国内一款一站式综合数据治理整体解决方案。

睿治数据治理平台是亿信华辰完全自主研发的、开创性的、一站式综合数据治理整体解决方案。睿治是全国唯一实现了数据治理场景全覆盖的突破性产品,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,以创新的方式保证了企业的业务数据在采集、汇总、转换、存储、应用整个过程中的完整性、准确性、一致性和时效性,全面为客户量身打造符合自身特征的数据治理体系。 



睿治始终站在国内顶尖梯队,广泛应用了MQ、分布式计算、zookeeper等最新技术。同时引领国内行业发展趋势:

1、数据质量自动探查,内置常规数理统计算法支持绑定机器学习算法;

2、数据关系智能构建,基于存储过程、sql、数据库定义,自动理解数据之间的关系;

3、资产目录主动感知,活化更新等先进技术,确保成为当之无愧的领头羊。 

睿治具备难以超越的核心竞争力:

1、睿治各模块高度融合,各功能可互相调用,全程可视化操作,打通数据治理各环节;

2、先进的产品设计理念,充分依照国际规范、标准,具有国内先进水平;

3、丰富的项目实践经验,深耕大数据领域十多年,着眼于打造数据全生命周期的智能化产品线;

4、专业的服务保障团队,遍布全国,及时响应。 

睿治平台致力于打造“平台化、可视化、智能化”数据治理解决方案。

1、架构统一,基于全新Spring Boot+EUI开发,微服务架构,延展性强;

2、全界面操作,“零”表达式治理,实现治理全过程可视化,全角色可视化;

3、内置智能算法,多场景自动化、智能化治理。 

睿治的通用扩展性之高,广受好评。平台基于各行业数据共性,采用成熟模块化设计理念,实现各模块功能各行业应用场景普遍适用;平台功能全面,灵活组装,可对数据从创建到消亡全过程监控和治理;平台提供丰富的服务接口,内置脚本支持,全面满足集成、扩展需要。  

(1)覆盖面之广国内少有睿治数据治理平台通过高度融合九大模块,实现了数据问题一个平台全解决,使客户可以从此告别东拼西凑尴尬局面,从而进一步提升了数据治理的全面性、连贯性、持续性,真正降低了成本。

(2)高扩展性确保发展无忧睿治的高扩展性不仅仅体现在:元数据模型、采集适配器、标准属性、质量规则等等能够想到的功能,平台都支持定制扩展,保证适应未来发展需要。同时还提供各种定制接口和调用接口服务,内置脚本支持,无论是第三方还是二次开发,扩展完全不存在技术阻碍。

(3)智能化、自动化保持领先元数据自动化采集、分析,数据自动交换、处理,数据质量智能监控、自动检查等等功能一直引领行业发展趋势。

(4)高性能应对大数据浪潮睿治采用并行处理技术,通过内存计算,具备合理JAVA内存回收机制,支持集群部署方式,再配以不断在进步的核心算法,保证了平台能以极高的性能应对各种极限挑战。 
(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
  • 数据治理运营:团队

    数据治理运营:团队

    这是关于数据治理运作的两部分系列的第二部分。“ 数据治理运作:差距 ”系列的第一部分讨论了需求是如何产生的,数据治理运营所需的一些主要原……查看详情

    发布时间:2018.11.14来源:Jayakumar Rajaretnam浏览量:146次

  • 金融行业数据治理的问题与对策

    金融行业数据治理的问题与对策

    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……查看详情

    发布时间:2019.10.16来源:知乎浏览量:163次

  • 企业数据治理所面临的挑战

    企业数据治理所面临的挑战

    每年随着数据量的增长,大数据平台需要投资扩容,但大量的存量应用依赖的数据也在同步增长,因此也需要扩容,当然这份冗余的数据会越来越大……查看详情

    发布时间:2019.10.31来源:知乎浏览量:157次

  • 为数据管理/数据质量/问题分析提供资金

    为数据管理/数据质量/问题分析提供资金

    大多数具有正式数据治理工作的组织都对正在进行的数据管理工作给予了高度关注,解决了利益相关者之间发生自然冲突和/或数据质量工作时出现的问题……查看详情

    发布时间:2019.03.19来源:亿信华辰浏览量:146次

  • 改善业务和IT协调的关键

    改善业务和IT协调的关键

    促进业务和IT协调变得比以往任何时候都更加重要。……查看详情

    发布时间:2019.02.18来源:亿信华辰浏览量:162次

  • 企业数据治理到底怎么做?

    企业数据治理到底怎么做?

    数据治理对于确保数据的准确、适度分享和保护是至关重要的。有效的数据治理计划会通过改进决策、缩减成本、降低风险和提高安全合规等方式,将价值……查看详情

    发布时间:2019.08.30来源:知乎浏览量:162次

  • 企业想获得更清醒的数据,请做好数据质量管理

    企业想获得更清醒的数据,请做好数据质量管理

    数据质量管理是指为了满足信息利用的需要,对信息系统的各个信息采集点进行规范,包括建立模式化的操作规程、原始信息的校验、错误信息的反馈、矫……查看详情

    发布时间:2019.11.04来源:知乎浏览量:156次

  • 数据治理能力正在成为互联网+时代城市竞争新优势

    数据治理能力正在成为互联网+时代城市竞争新优势

    新型智慧城市的四个新视角解读 城市服务要以人为中心,但是城市的服务不但以人为中心,还是要做到数据,由于数据为核心,没有好的数据,就没有……查看详情

    发布时间:2019.01.08来源:亿信华辰浏览量:155次

  • 基于大数据的质量管理系统怎么选?

    基于大数据的质量管理系统怎么选?

    对于一个制造企业来说,生产是企业最大的动力,而生产质量也需要进行优化管理,一个好的质量管理会带给企业巨大的发展空间和利润价值。正因如此,……查看详情

    发布时间:2019.11.07来源:知乎浏览量:142次

  • 数据治理的主战场,商业智能还是数据挖掘?

    数据治理的主战场,商业智能还是数据挖掘?

    数据治理这门学问,入手极易,精通极难。说说经验吧,数据治理强调两点,一是高层支持,二是各部门广泛参与。组织内数据治理各项工作的开展都要处……查看详情

    发布时间:2019.02.21来源:知乎浏览量:165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