大数据时代下金融数据治理的问题

数据治理是一套完整的制度、指引和规范，用于统筹人员、流程以及技术等要素，使得商业银行能将数据作为企业的重要资产而有效利用，其核心内容是统一数据标准，其关键任务是提升数据质量，其服务目标是提供决策支持信息。在大数据时代下的金融数据治理除了面临在传统数据治理面临的数据标准统一、数据质量提升等问题外，面临更多的数据治理问题。

（1）  在数据标准方面，一方面，由于半结构化和非结构化数据的引入，银行企业级数据标准的统一面临更大挑战；

（2）  在元数据管理方面，由于非结构化数据类型和表现形式多样，其元数据管理办法很难统一，并且非结构化数据的内容不确定、不易获取（如影音、视频），非结构化的元数据提取和管理还是一个新领域。

（3）  在数据质量管理方面，其管理主要在于提升数据可用度，需通过对数据的清洗、映射、关联等机制，把繁杂的大数据变成能应对的、有效的“小数据”，构建干净、完备的数据集，从而提高数据质量。

（4）  在数据价值方面，非结构化数据由于格式和内容的多样性，直接用于分析产生的价值不大，需要将非结构化数据的相关元数据（或标签）、主要内容抽取出来，并以类似结构化数据存储后，才能发挥价值。

亿信华辰在数据治理领域也持续深耕，从数据质量管理平台、元数据管理平台，到发布智能数据治理平台-睿治，实现了数据治理全场景覆盖，包含九大核心模块：元数据、数据标准、数据质量、主数据、数据资产、数据安全、数据交换、数据处理、数据生命周期等，所有模块可自由组合，并支持本地或云上使用，全面满足客户各类治理需求。