立即扫码
享受一对一服务
构建金融大数据标准体系的意义和目标
发布时间：2019.12.27来源：CSDN浏览量：398次标签：数据治理
随着政府职能的逐步简政放权，标准作为辅助行业管理、规范行业发展、形成规模化效应的重要手段，将在社会治理体系中发挥更重要的作用。为顺应形势发展，需要建立一套完备的标准体系，为金融行业实施大数据战略保驾护航。
1.服务于金融监管和金融基础设施建设标准体
从“三个统筹”的监管要求看，在监管层面制定全行业统一的标准和规制，使金融机构、金融控股公司对各类业务范围的界定、业务数据的报送口径形成统一的理解，有利于消除信息壁垒，推动数据共享和业务协同。在统一标准的基础上，开展金融业综合统计等金融基础设施建设，汇集全行业、全口径、全生命周期的业务数据，运用大数据技术加以深度分析挖掘，能更加准确地把握金融市场整体运行和风险情况，为宏观决策做好数据支撑。
2.指导金融机构实施数据治理
为了更好地实现数据综合利用、发挥数据价值，不论是中央银行，还是金融机构，都需要在机构内部建立一套权责清晰的治理机制。有效的治理机制不仅需要IT部门的介入，更需要业务部门的支持和参与，还需要设立专门的数据管理部门，建立跨部门的数据治理流程，从根本上消除数据孤岛、实现共享整合，将数据转换成为有价值的信息，让业务部门更加信任数据，主动地参与到治理过程中并从中获益。
3.规范新技术在金融行业的应用
金融行业对数据安全和业务连续性保障的要求通常要高于其他行业，云计算、大数据等新技术在金融行业应用要稳妥推进，确保安全可控，符合金融行业的要求。通过开展大数据技术标准体系和质量保障体系建设，有助于推动和促进国内大数据软硬件产品发展，进一步完善大数据产业链。
1.服务于金融监管和金融基础设施建设标准体
从“三个统筹”的监管要求看，在监管层面制定全行业统一的标准和规制，使金融机构、金融控股公司对各类业务范围的界定、业务数据的报送口径形成统一的理解，有利于消除信息壁垒，推动数据共享和业务协同。在统一标准的基础上，开展金融业综合统计等金融基础设施建设，汇集全行业、全口径、全生命周期的业务数据，运用大数据技术加以深度分析挖掘，能更加准确地把握金融市场整体运行和风险情况，为宏观决策做好数据支撑。
2.指导金融机构实施数据治理
为了更好地实现数据综合利用、发挥数据价值，不论是中央银行，还是金融机构，都需要在机构内部建立一套权责清晰的治理机制。有效的治理机制不仅需要IT部门的介入，更需要业务部门的支持和参与，还需要设立专门的数据管理部门，建立跨部门的数据治理流程，从根本上消除数据孤岛、实现共享整合，将数据转换成为有价值的信息，让业务部门更加信任数据，主动地参与到治理过程中并从中获益。
3.规范新技术在金融行业的应用
金融行业对数据安全和业务连续性保障的要求通常要高于其他行业，云计算、大数据等新技术在金融行业应用要稳妥推进，确保安全可控，符合金融行业的要求。通过开展大数据技术标准体系和质量保障体系建设，有助于推动和促进国内大数据软硬件产品发展，进一步完善大数据产业链。
（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
-
数据治理如何解决数据多、杂、乱、差问题？
许多大数据公司在过去一段时间都得到了较好的发展，但由于在数据生产的过程中并未做到足够重视，数据质量与可靠性则很难得到保证，这也是数据治理……查看详情发布时间：2022.02.21来源：小亿浏览量：786次
-
你以为建设大数据平台就好了，还差这一步
长期以来，大家一直忽略一个问题：数据跟原来的企业应用系统一样，它是需要被管理的。企业逐渐了解数据所蕴含的价值，对数据的重视程度越来越高。……查看详情发布时间：2019.06.03来源：亿信华辰浏览量：413次
-
数据治理的数据架构：主动方法
“数据架构是业务战略的物理实现，” 全球数据战略有限公司 EMEA首席顾问Nigel Turner在DATAVERSITY® 企业数据治……查看详情发布时间：2019.01.17来源：数据治理浏览量：422次
-
企业做好数据治理才能更快更好地推进数字化转型
企业做好数据治理才能更快更好地推进数字化转型数据治理之“困”在谈到当前的数据治理之“困”时，主要有四方面：……查看详情发布时间：2019.12.12来源：知乎浏览量：396次
-
数据治理项目的实现需要的核心要素之一
数据治理是长期、复杂的工程，每个数据治理的领域都可作为一个独立方向进行研究，目前总结的数据治理领域包括但不限于以下内容：数据标准、数据模……查看详情发布时间：2020.03.26来源：知乎浏览量：350次
-
什么是数据工程师？高需求中的分析角色
数据工程师是任何企业数据分析团队的重要成员，负责管理、优化、监督和监控整个组织内的数据检索、存储和分发。 ……查看详情发布时间：2019.01.15来源：亿信华辰浏览量：388次
-
数据建模在数据治理中的作用
在过去的9个月里，erwin建模团队一直在忙着从山顶呼喊我们进入数据治理领域。2015年4月，我们发布了新版的建模门户网站erwin®W……查看详情发布时间：2019.02.19来源：亿信华辰浏览量：439次
-
数据质量及数据质量管理一个较全面的介绍
很多企业数据项目的失败归根结底都是数据质量不高造成的。数据质量不高已经成为困扰此类项目的开发人员与用户的一个严重问题。为了提高大家对数据……查看详情发布时间：2020.01.09来源：CSDN浏览量：398次
-
数据质量问题的影响因素
数据质量反映的是数据的“适用性（fitness for use）”，即数据满足使用需要的合适程度。数据质量通过完整性、一致性、准确性、及……查看详情发布时间：2020.04.09来源：百度浏览量：883次
-
企业数据治理中的应对
首先，数据治理的核心认识是，数据治理是一个持续并且长久的一个过程，不同的产品可以解决比如采集、传输等数据治理层面上的不同问题，但并不存在……查看详情发布时间：2019.11.01来源：知乎浏览量：441次
相关主题