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：437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
-
6个实施数据治理的最佳实践方法
在寻找数据治理最佳实施方法时，您可以从已有的各种流程和模板工作的人那里学到很多东西。尽管每个企业都不同，您将需要根据流程调整数据治理实践……查看详情发布时间：2021.07.28来源：亿信数据治理知识库浏览量：605次
-
如何成功实现数据治理
如果你处理过大量数据，你也许听说过“数据治理”一词，你可能会想，它是什么?适不适合你?如何实施?简单来说，数据治理就是处理数据的策略——……查看详情发布时间：2020.03.19来源：知乎浏览量：543次
-
-
“安全”与“共享”同行，大数据正改变着世界
什么是大数据?早在2011年,世界著名咨询公司麦肯锡就曾在《大数据:下一个创新、竞争和生产力的前沿》报告中对其进行了基础定义:“大数据是……查看详情发布时间：2019.01.14来源：亿信华辰浏览量：463次
-
什么阻碍了数据治理更好的发展？
数据治理正迅速成为全球政策优先事项，这是正确的。已建立的利益和强大的公司正在以令人眼花缭乱的速度构建和重新构建关于数据治理的公众辩论，并……查看详情发布时间：2019.07.11来源：知乎浏览量：403次
-
用大数据守护绿水青山，铸就“智慧环保”
为了打破数据壁垒，基于亿信华辰的睿治数据治理平台和实时大数据平台PetaBase-s搭建A市生态环境大数据管理平台。……查看详情发布时间：2021.05.07来源：亿信华辰浏览量：472次
-
那些关于数据治理的不过时观点
数据是有成本，数据是有成本的。存储数据是需要成本的，数据的成本绝非只有物理存储空间成本那么简单，实际上它包括了下述五种成本要素：……查看详情发布时间：2019.08.19来源：CSDN浏览量：557次
-
企业大数据治理的五个核心要素
当今的大型企业，内部分工日趋细化，采购、服务、市场、销售、开发、支持、物流、财务、人力等各个环节，无不每时每刻产生着大量的数据。数据的格……查看详情发布时间：2019.08.20来源：知乎浏览量：653次
-
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：853次
-
解锁数据治理：亿信华辰的数据治理工具引领风潮
在数字化飞速发展的时代，数据已成为企业的重要资产。然而，如何有效管理和利用这一资产，确保数据的质量、安全性和合规性，是企业面临的挑战。亿……查看详情发布时间：2023.09.27来源：浏览量：716次
相关主题