银行是一个经营范围很广的行业，客户、业务、渠道都是银行的经营范围，任何银行都需要与这些资源相结合方能在竞争中生存。 大数据时代，让传统模式发生了很大的变化，大数据已经成为银行业的一种重要资源。 大数据能给企业带来哪些好处？ 大数据作为一个新事物，具有一定的模糊性和不确定性。 从根本上讲，大数据就是要在不确定中寻找确定性，这决定了它不可能像传统模式那样容易建立和实施。 对传统的经营管理来说，数据是一个难以量化分析、缺乏有效控制手段的概念。 在传统经营模式下，各部门各岗位都有各自对数据的使用需求和标准；银行也需要从多个维度了解客户的需求和潜在价值，以进行更好地营销活动。 大数据时代要求银行业打破部门界限、人员界限及业务边界。 银行业内部组织之间将由传统的“组织+个人”转变为“组织+个人”模式运行；银行业务条线由传统的以产品为中心转向以客户体验为中心并实现线上线下融合；银行数据维度变多、范围变大、价值变大，在此过程中带来了一系列挑战：大数据中数据和信息价值难以评估；数据质量难以控制；多源异构数据整合难度大；系统架构与开发成本高等。 为了实现大数据时代下对银行内部业务流程和客户体验的提升，以及对外部互联网公司服务水平的竞争，银行业应该积极构建一套大数据管理体系，包括对海量数据进行管理、分析以及预测能力建设等。

（一）建立完善的数据治理制度，确保数据质量

首先，建立完善的数据治理制度，制定详细的数据治理规则、程序，规范数据采集、清洗、加工、存储、应用等各环节的工作内容。 其次是制定统一的业务规范，对各环节的数据标准进行界定。 再次，对银行内部不同业务部门的大数据治理需求实现统一协调，以确保大数据中数据及信息价值能够被充分利用并且实现数据的价值。 最后是建立完善的管理制度和管理系统，实现银行数据管理科学化。 通过建立一套完善的大数据治理制度，规范银行大数据中数据及信息利用行为，保证全行数据质量处于可控状态。

（二）建立统一的金融数据标准，加强数据质量控制

大数据时代，银行业面临的数据源众多，来源渠道多样，数据格式各异。 如何保证数据的完整性、一致性、可理解性、可靠性与可用性？ （1）建立统一的金融数据标准：金融业务系统涉及业务部门众多，其业务内容和流程各不相同，对金融信息资源和信息结构的需求也存在差异。 （2）加强数据质量控制：金融领域多采用非结构化数据方式呈现，如文本、图像等非结构化数据的管理。 如何实现对非实时、非标准化、不完整等问题进行有效处理与分析，成为银行面临的一个重要挑战。

（三）建设统一的分布式数据库系统，实现海量数据高效管理

通过对不同业务系统的数据进行集成，建立一套涵盖各业务系统数据的统一数据库。 通过分布式技术解决跨行或跨地域数据传输问题。 实现在一个分布式平台上对多个不同地方、不同行业的海量数据进行管理，实现海量数据高效管理。

（四）加强外部合作，打造大数据产业生态圈

大数据是一个开放的生态系统，大数据不能单打独斗，必须与外部合作，才能让数据产生更大价值。 银行与大数据相关企业之间的合作主要包括：在客户信息管理、风险控制和服务提升方面的协作；在产品创新方面的协作；在数据挖掘方面的合作。 例如，工商银行依托其丰富的内外部数据资源，与腾讯、阿里等互联网企业合作，开发“大数据综合服务平台”，通过该平台能够将工商银行自身积累多年的海量数据转变为对客户有价值的金融数据，并将这些数据通过线上、线下渠道精准营销给到目标客户及其家属；与腾讯合作为中国建设银行提供微信银行和手机银行系统相关技术支持；与阿里巴巴合作打造基于云计算、云存储等技术基础设施的“阿里新零售”生态圈。

（五）建立科学的大数据风险评估机制，实现大数据风险监控

大数据的风险评估机制主要由大数据风险监测系统和预警模型两部分组成。 大数据风险监测系统是指银行应该将内部相关业务系统的大数据采集、存储和管理进行有机整合，通过大数据技术建立统一的大数据共享交换平台，实现银行内部业务信息的自动采集与集中存储。 在对客户信息进行收集和分析后，可以对客户信用情况、经济状况等进行评估，为客户提供个性化金融服务。 风险预警模型是指银行应该根据大数据监测结果，针对可能发生的各类业务风险问题，在风险等级评估基础上建立相应的预警模型并进行及时有效处理。

更多数据治理相关资料请咨询客服获取，或者直接拨打电话：020-83342506