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:309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。
(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
  • 企业架构组织的创新能力如何?

    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:314次

  • 没有妥协的数据治理

    没有妥协的数据治理

    在考虑当今现代企业中数据的规模和规模时,显然需要一种全新的数据治理方法。与此同时,数据治理一直是企业范围内的问题 - 而不是大数据特有的……查看详情

    发布时间:2018.11.22来源:数据治理浏览量:316次

  • 数据治理模型 - 组织数据质量管理的责任

    数据治理模型 - 组织数据质量管理的责任

    企业需要数据质量管理(DQM),它结合了业务驱动和技术观点,以应对需要高质量企业数据的战略和运营挑战。迄今为止,公司已将DQM的责任主要……查看详情

    发布时间:2018.12.21来源:数据治理浏览量:628次

  • 理解和证明数据治理2.0

    理解和证明数据治理2.0

    过去,证明数据治理的合理性是非常困难的。数据治理1.0的孤岛性质以及缺乏对增值的关注意味着买入率很低。……查看详情

    发布时间:2019.01.25来源:亿信华辰浏览量:410次

  • 数据治理的目标和原则

    数据治理的目标和原则

    所有成功的数据治理和管理计划,流程和项目都充实了这些原则。它们是帮助利益相关者聚集在一起解决 每个组织固有的数据相关冲突类型的原则 ……查看详情

    发布时间:2019.03.19来源:亿信华辰浏览量:439次

  • 数据标准化的难题

    数据标准化的难题

    数据标准好制定,但是数据标准落地相对就困难多了。国内的数据标准化工作发展了那么多年,各个行业,各个组织都在建设自己的数据标准,但是你很少……查看详情

    发布时间:2020.11.13来源:知乎浏览量:292次

  • 一分钟了解企业主数据系统建设,成功化数据为价值。

    一分钟了解企业主数据系统建设,成功化数据为价值。

    “在数据治理的相关资料中,提到了一个概念,叫‘主数据’,究竟什么是主数据,它的收益又在哪?”之所以具有代表性,是因为这是一个典型的企业人……查看详情

    发布时间:2020.08.28来源:知乎浏览量:312次

  • 数据治理的重点领域:关注数据质量

    数据治理的重点领域:关注数据质量

    由于数据质量,完整性或可用性方面的问题,这种类型的程序通常会出现。……查看详情

    发布时间:2019.03.29来源:亿信华辰浏览量:354次

  • 数据质量需求与定义

    数据质量需求与定义

    数据质量通常表现为一组具体的流程和技术,用于识别和修正数据中的错误以支持业务运行及决策支持。在银行实际中数据质量管理的应用场景主要包括数……查看详情

    发布时间:2019.11.15来源:知乎浏览量:434次

  • 数据质量问题分析

    数据质量问题分析

    数据质量问题主要包含四个问题域:技术问题、信息问题、流程问题、管理问题。1、技术问题由于具体数据处理的各技术环节异常所造成的数据质量问题……查看详情

    发布时间:2019.01.07来源:亿信华辰浏览量:306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