金融行业大数据标准体系设计

发布时间:2019.12.27来源:CSDN浏览量:153次标签:数据治理

金融大数据标准体系可分为基础标准、业务标准、治理标准和技术标准四大类。各类标准之间相互联系、相互约束、相互补充,共同构成完整的统一体。同时,体系本身也是开放、共享和包容的,随着金融大数据战略实施的深入而不断细化和完善。

1.基础类标准
基础类标准对金融业大数据标准体系的适用范围、目标进行界定。基础类标准包括术语、标准化工作指南、从业人员基本要求和大数据能力成熟度评价指标等4个子类。其中,术语子类标准用于规范和统一各类专业名词。标准化工作指南子类标准明确金融业大数据标准化工作的任务、标准体系、以及标准编制、实施和改进的主要内容和基本要求,是从事标准化工作的指导性文件。从业人员基本要求和大数据能力成熟度评价指标用于对开展数据管理工作的人员、金融机构提出基础性和框架性要求。

2.业务类标准
业务类标准从金融监管、金融服务视角,按照不同的大数据分析应用场景,对传统金融机构、互联网金融企业、以及其他外部单位需要报送或共享的数据范围和格式进行规范,使数据采集、数据传输、数据处理等各环节的使用者对数据的含义、标识、用途等有统一的理解。随着金融创新的不断深入,金融行业的关联性、跨市场传染性以及宏观经济对金融体系的冲击等,都是引发系统性金融风险的潜在重要因素,金融监管和金融服务所关注的数据来源是跨机构、跨行业和跨市场的。因此,监管部门之间需要充分沟通,消除信息壁垒,将分散在各相关部门数据汇集起来,实现共享。在汇集全量数据基础上,运用大数据技术加以分析和挖掘,可提高金融监管和金融服务的前瞻性和准确性。

根据不同的大数据分析应用场景,业务类标准包括综合统计业务子类、反洗钱业务子类、征信业务子类、资管业务子类和其他子类等。在每个业务子类中,涉及主体复杂多样,数据来源广泛,标准化工作在实施过程中可采用分阶段、分步骤的方式,根据数据采集、共享范围的扩大而逐步完善。

3.治理类标准
数据治理领域包括数据标准、数据模型、元数据、数据生命周期、数据安全、数据架构、数据质量等,这些领域之间关系密切。在各个领域都需要建立其特有的、跨部门的流程规范,根据需要开发配套的管理工具和软件产品,使业务部门、IT部门、大数据管理部门能够更好地获取、共享、理解和应用数据资产。

睿治是亿信华辰完全自主研发的一站式综合数据治理整体解决方案,是一款面向全用户角色的、智能的、敏捷的数据全生命周期管理应用平台。一起来了解一下, 睿治到底凭借什么能一直独领风骚?
(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
  • 数据中台对企业的价值在哪里?

    数据中台对企业的价值在哪里?

    原来我们在做一张报表,或者是在业务系统里面需要查询一个数据结果的时候,它的过程是比较麻烦的,而且它的测试往往也是比较复杂的,因为业务系统……查看详情

    发布时间:2021.01.23来源:知乎浏览量:128次

  • 数据管理和物联网

    数据管理和物联网

    数十亿带传感器的东西环绕着人们和他们的生活。这些物联网(IoT)与人,家庭,工厂,工作场所,城市,农场和车辆互动。Gartner预测,到……查看详情

    发布时间:2019.02.20来源:亿信华辰浏览量:131次

  • 企业数据治理需要的能力

    企业数据治理需要的能力

    数据治理必然带来新的标准的确立和旧系统的改造,是一个有破有立、无破不立的过程。这一过程设计大量的跨部门、跨条线、跨系统的沟通协调,同时也……查看详情

    发布时间:2021.09.06来源:亿信华辰浏览量:138次

  • 数据治理的3W1H:治什么?谁来治?怎么治?选哪个?

    数据治理的3W1H:治什么?谁来治?怎么治?选哪个?

    数据治理是一个通过一系列信息相关的过程来实现决策权和职责分工的系统,这些过程按照达成共识的模型来执行,该模型描述了谁能根据什么信息,在什……查看详情

    发布时间:2021.04.23来源:浏览量:153次

  • 知否?知否?如何利用元数据管理数据资产

    知否?知否?如何利用元数据管理数据资产

    如今,各大企业都在关心数据该如何使用,但大数据应用的前提是有高质量的数据。而很多企业内部数据形态多样,标准不统一,大数据应用往往得从数据……查看详情

    发布时间:2020.09.18来源:知乎浏览量:119次

  • 数据标准与主数据、元数据、数据质量的关系

    数据标准与主数据、元数据、数据质量的关系

    数据标准与主数据、元数据、数据质量的关系,数据治理项目的根本诉求在于提升数据质量。……查看详情

    发布时间:2020.09.24来源:知乎浏览量:237次

  • 数据管理与数据治理的区别

    数据管理与数据治理的区别

    当我们谈数据资产管理时,我们究竟在谈什么?就目前而言,我们谈论得最多的非数据管理和数据治理这两个概念莫属。但是对于这两个概念,两者的准确……查看详情

    发布时间:2018.09.13来源:浏览量:93次

  • 如何选择合适的企业数据治理工具

    如何选择合适的企业数据治理工具

    清楚了在数据治理工具选择中的应注意的6大问题,才能在着手选择企业数据治理工具之前就可以清楚地知道要如何去做筛选。……查看详情

    发布时间:2021.03.31来源:数据治理研究院浏览量:96次

  • 2019年的数据前景如何

    2019年的数据前景如何

    这三个与数据相关的趋势今年值得关注。 公司喜欢技术堆栈所有层的“即服务”模式,从云供应商提供的基础架构到完整的SaaS应用程序。但是……查看详情

    发布时间:2019.01.07来源:数据治理浏览量:123次

  • 数据质量管理策略-从产生数据的源头开始抓

    数据质量管理策略-从产生数据的源头开始抓

    为了改进和提高数据质量,必须从产生数据的源头开始抓起,从管理入手,对数据运行的全过程进行监控,密切关注数据质量的发展和变化,深入研究数据……查看详情

    发布时间:2019.12.27来源:CSDN浏览量:138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