银行数据治理之路：数据治理也有“三高”？

导读：A银行在数据治理之路上走了很多年，也取得了显著成效。针对数据治理提出了“三高”要求：一是高标准、二是高质量、三是高安全。

▌高标准

如何治理海量的结构化、半结构化、非结构化的数据，让数据“活”起来，挖掘分析数据潜在的业务价值，让数据创造财富。这就需要“高标准”的数据治理，统一数据标准是数据治理的核心内容，没有统一的数据标准、缺乏从全行的角度构建统一的基础信息平台，因此相关系统的标准口径、会计科目的不一致，形成了一个个信息孤岛，使得系统中的信息无法有效共享，造成了银行信息资源利用的低效率。A银行在“高标准”的数据治理中，主要体现在对云计算技术的理论研究和实际应用中。

▌高质量

提升数据质量是数据治理的关键任务。高质量的数据不应仅满足于高准确性，而应转变为一个包含丰富内涵、具有多种维度的综合性概念；而且，随着统计的服务外延从数据服务向决策服务转变，数据质量还需要满足用户的需求和期望。同时，结合全面质量管理理论，如果将数据视为产品，那么数据质量不仅包含数据本身的质量，还应包括数据产生和形成过程的质量。为达到数据治理“高质量”的目标，A银行采用标准池化存储结构技术来存储数据。

▌高安全

维护数据安全是数据治理中不可或缺的一部分，数据的安全性能否得到保证以及当数据遭受一定的破坏后的灾备处理能力直接关乎整个银行的生存发展。因此，数据高安全性是衡量银行数据治理能力的重要参考指标之一。为此，A银行采用“多层水闸式”防范体系。

分享&交流