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：423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：指定您的业务战略
数据治理是作为一个重要的业务计划，治理需要政策，所以在进行治理的时候就需要通过多方协调找到最适合自身组织的治理方法。 ……查看详情发布时间：2019.09.04来源：知乎浏览量：426次
-
-
形成，风暴，规范，表演 - 实现数据治理
启动数据治理计划是整个组织需要参与的重要任务。来自数据治理团队的这些见解已经在他们的旅程中取得了一些进展，这突出了团队内部和整个组织内的……查看详情发布时间：2019.02.25来源：亿信华辰浏览量：477次
-
各行业企业数据管理遇到的挑战
目前业界并没有对其概念的统一标准定义，我们可以这么认为，数据治理从本质上看就是对一个机构（企业或政府部门）的数据从收集融合到分析管理和利……查看详情发布时间：2020.03.26来源：知乎浏览量：375次
-
-
-
提高企业数据质量能做些什么？
如今，我们生活在数据时代，各种数字化正在实实在在的改变着企业的日常运营，我们的生活、工作、学习，现在都离不开数据，对于企业来说，数据就是……查看详情发布时间：2019.11.01来源：知乎浏览量：468次
-
数据服务交换和服务工具经历三个阶段
数据交换平台是为校内各部门的管理信息系统提供数据交换，实现数据共享，并建立公共数据库，实现数据积累，为数据统计、分析、挖掘做准备。……查看详情发布时间：2020.08.06来源：知乎浏览量：454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：790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：434次
相关主题