商业银行数据治理与应用 —以光大银行为例
光大银行的大数据风控能力建设与实践
光大银行的大数据风控能力建设与实践今天，大数据已经影响到社会的各个领域，作为金融科技的核心组成部分，对银行各业务领域的影响不言而喻。
银行是经营风险的企业，金融科技的应用使得银行产品向线上化、复杂化、智能化方向发展，如何利用大数据技术高效、合理地在业务环节进行必要的风险控制，以规避各类法律、欺诈、违约风险，是银行面临的巨大挑战。
在大数据应用的过程中，银行一方面要加强创新、促进数据价值转化；另一方面要建设高质量、安全的数据基础平台。
光大银行构建了完备的大数据治理体系，通过数据产品化机制支持风控领域的大数据创新与实践，在科技层面提供从工具、机制、技能到解决方案的一整套综合服务能力，有效满足全行各业务条线的大数据智能化发展需求。
近年来，光大银行推进大数据资产管理机制，在保障数据资产质量、安全的前提下构建全行数据地图，涵盖内、外部结构化和非结构化数据内容。
在技术平台上持续建设多元化大数据平台，对多渠道、多来源数据进行加工融合。
同时，持续推进大数据创新社区发展，提倡“像外行一样思考，像专家一样实践”，启发全行大数据文化意识，并通过大数据实验室机制促进创新需求的研发和落地。
一、大数据能力建设1、数据资产管理机制大数据资产管理是大数据能力建设的基石，光大银行从2008年开始进行数据标准建设，2012年规划全行数据体系，2016年完成大数据治理规划。
在十年发展过程中光大银行坚持一项基本原则，那就是数据管理与数据应用要保持整体上的平衡，相互支持进而促进整体的螺旋上升。
有效的数据管理保障了数据的安全、质量，还有高效率，在当前背景下，数据管理各个领域正在向全生命周期的数据资产管理机制转化；目标是在数据安全可控的前提下，更加充分、有效地挖掘数据价值，持续高效地支持数据价值转化。
在实践中，光大银行以企业级数据模型建设为出发点，开展数据资产管理机制、数据资产库及知识库的建设，让所有使用数据的人员能通过这个体系了解到有什么数据、数据在哪儿、数据质量怎么样等信息，旨在提升数据的使用效率。
光大银行获奖项目案例
光大银行获奖项目案例
光大银行是中国一家知名的商业银行，其在金融领域的获奖项目案例有很多。
以下是其中一些典型的案例：
1. 2019年，光大银行荣获“2019亚洲数字化银行创新奖”。
该奖项是由国际金融杂志《亚洲银行家》颁发的，表彰在数字化银行领域取得突出成就的金融机构。
光大银行凭借其在数字化转型方面的卓越表现和创新成果获得了这一殊荣。
2. 2018年，光大银行荣获“2018年度中国银行业金融科技创新大奖”。
这一奖项是由中国银行业协会主办，旨在表彰在金融科技创新领域取得显著成就的银行机构。
光大银行凭借其在金融科技创新和应用方面的突出表现而获得了该奖项。
3. 2017年，光大银行荣获“2017年度互联网金融创新产品奖”。
这一奖项是由行业权威机构评选颁发，光大银行凭借其在互联网金融领域推出的创新产品和服务获得了这一殊荣。
这些获奖项目案例充分展现了光大银行在数字化转型、金融科技创新和互联网金融领域的卓越表现，同时也体现了其在金融行业
中的领先地位和影响力。
这些成就不仅彰显了光大银行在技术创新
和金融服务方面的实力，也为其赢得了业界和客户的高度认可和信赖。
光大银行将继续努力，不断推动金融科技创新，提升服务水平，为客户创造更大的价值。
浅谈大数据在商业银行中的运用与发展
浅谈大数据在商业银行中的运用与发展随着信息技术的飞速发展和互联网时代的到来，商业银行面临着日益增加的客户数据和信息量，如何处理这些海量数据并转化为商业价值成为了银行业的关键挑战之一。
大数据技术的蓬勃发展为商业银行提供了全新的解决方案，大数据的运用已经成为了银行业发展的重要驱动力。
本文将就大数据在商业银行中的运用与发展进行探讨。
一、大数据在商业银行中的应用1. 个人信贷在过去，银行在进行个人信贷时往往依靠客户的信用记录和收入情况来做风险评估，这种方法存在着一定的盲点和局限性。
而大数据技术的应用为银行带来了全新的信贷风险评估方式，银行可以通过分析客户的社交网络、消费行为、车辆信息等大数据来更全面地评估客户的信用风险，从而提高信贷决策的准确性和效率。
2. 风险管理在金融领域，风险管理一直是一个非常重要的领域。
大数据技术可以帮助银行更好地分析和预测风险，提高对市场风险、信用风险和操作风险的识别和应对能力。
通过大数据分析，银行可以更加准确地测算资产负债风险，提升资产负债管理效率，降低风险负担。
3. 营销与客户关系管理大数据技术可以帮助银行更好地理解客户的需求和行为，为银行提供更加精准的营销策略和服务方案。
通过对大数据的分析，银行可以更好地挖掘客户的潜在需求，提供更加个性化的金融产品和服务，提高客户满意度和忠诚度。
4. 交易监控与反洗钱随着金融市场的不断发展和金融交易的复杂化，交易监控和反洗钱工作变得越来越重要。
大数据技术可以帮助银行更好地监控和分析交易数据，发现异常交易和风险交易，提高反洗钱的准确性和效率，降低洗钱和欺诈风险。
二、大数据在商业银行中的发展趋势1. 数据治理与安全随着大数据技术的应用，银行面临着越来越多的数据来源和数据类型，数据治理和数据安全成为了银行管理的重要挑战。
未经规范和控制的数据可能会带来潜在的风险和问题。
数据治理和数据安全将成为未来银行发展的重要方向，银行需要加强对数据的管理和控制，保障数据的安全和合规。
商业银行运营中的大数据治理与隐私保护
商业银行运营中的大数据治理与隐私保护近年来，随着信息技术的不断发展，商业银行日常运营中的数据量呈现爆炸式增长的趋势。
这些海量的数据，被统称为大数据，对商业银行的运营和决策起到了关键的作用。
然而，与此同时，大数据治理与隐私保护也成为商业银行面临的重要挑战。
本文将探讨商业银行运营中的大数据治理以及隐私保护的问题。
一、商业银行大数据治理1. 数据收集与整合商业银行需要从不同的渠道和数据源收集数据，例如客户信息、交易记录、市场数据等等。
为了保证数据的准确性和完整性，银行需要建立高效的数据收集机制，并对收集到的数据进行整合和清洗，以便后续的数据分析与使用。
2. 数据质量控制商业银行大数据治理的关键环节是数据质量控制。
银行需要建立完善的数据质量控制体系，包括数据准确性、一致性、完整性等方面的监控和验证。
只有确保数据质量高，银行才能准确地从数据中提取有价值的信息，做出正确的决策。
3. 数据安全与风险管理随着大数据的应用范围不断扩大，数据安全和隐私泄露成为商业银行面临的风险之一。
商业银行需要建立健全的数据安全管理机制，包括数据加密、权限控制、防范恶意攻击等措施，以保护客户数据不受未授权的访问和使用。
二、商业银行隐私保护1. 合规与法律要求商业银行处理客户数据时，需要遵守相关的法律和法规要求，保护客户的隐私权益。
银行应建立健全的隐私保护政策，并明确规定个人数据的使用范围和目的，以确保数据使用符合法律要求，并得到客户的明确同意。
2. 数据匿名化与脱敏处理为保护客户隐私，商业银行在使用客户数据进行分析和应用时，应采取匿名化和脱敏处理等措施，确保个人身份信息无法被识别。
同时，银行还需要定期监测和评估数据使用和共享过程中的隐私风险，及时发现并解决问题。
3. 隐私保护教育与意识培养隐私保护不仅仅是技术层面的措施，更需要全员参与。
商业银行应通过员工培训和教育，提高员工对隐私保护的意识和重视程度，并确保员工遵守相关的隐私保护政策和规定。
构建大数据能力核心引擎,主动拥抱金融科技创新——中国光大银行
构建大数据能力核心引擎，主动拥抱金融科技创新——中国光大银行大数据治理体系规划与实施作者：李璠，柯丹来源：《中国金融电脑》 2017年第5期面对澎湃的金融科技创新浪潮，光大银行科技条线以“稳健运营、积极进取”为指导方针，以大数据治理为核心引擎，驱动大数据在业务场景下有效应用。
在夯实管理的基础上，持续提升全行大数据产品化能力、大数据技术能力以及数据管理能力，为光大银行实现“四化”经营转型目标提供有力技术支撑。
伴随着以大数据、人工智能、云计算、区块链为代表的信息技术的高速发展，金融科技成为金融和科技两大领域的市场热点，越来越多的金融机构应用技术手段变革金融体系的各个方面。
2016 年，光大银行提出了综合化、特色化、轻型化、智能化的业务战略目标，促进信息技术在产品营销、客户服务、风险管控等业务领域中的应用以及推动金融科技创新成为实现这一业务战略目标的必然选择。
光大银行未雨绸缪，在同业中率先构建大数据治理体系并进行实施规划，给大数据业务应用这辆“战车”配备了精良的核心引擎，在组织、人员、方法、技术、机制等多方面进行大数据应用及其基础能力建设，驱动“战车”全力前进。
一、光大银行大数据治理体系构建方法光大银行从2006 年开始建设数据仓库，2011 年启动数据治理体系的建设，依据数据治理的成熟方法论（DAMA、DGI、IBM 数据治理方法论），结合企业业务发展战略，制定数据战略、构建银行数据治理体系、建立数据治理组织和机制、厘清数据应用架构规划、启动数据治理任务，并根据实施路线图有序推进治理落地，通过数据治理体系建设培育银行内数据管理与运用文化，使数据应用能力实现可持续发展。
传统的数据治理与管理能力从2012 年的基本管理阶段，经过主动管理阶段，至2016 年末迈入量化管理阶段。
其中，数据成熟度的五个阶段为：初级阶段、基础管理、主动管理、量化管理、持续优化。
大数据是互联网、人工智能等技术发展的产物，它是开放的、活跃的，同时也是多变的，大数据治理体系在框架上虽然可以借鉴成熟的数据治理与管理理论，但在定义、目标以及方法、技术上与传统数据治理有显著不同。
光大银行科技运营数据治理白皮书
光大银行科技运营数据治理白皮书在当今数字化信息时代，数据已经成为企业发展的重要推动力和决策依据。
作为银行业的一员，光大银行深知数据资产的重要性，对数据的有效治理成为了企业发展的必经之路。
为了更好地推动数据治理工作，光大银行特别制定了《科技运营数据治理白皮书》，旨在规范和强化银行科技运营数据治理，确保数据安全、合规及有效利用。
1. 背景与意义包括但不限于遵守监管要求、提升数据价值、推动数字化转型、降低经营风险等。
光大银行自成立以来，始终秉持着对数据的严谨态度和尊重。
为了更好地发挥数据价值，推进企业发展，光大银行积极推动数据治理工作，将数据治理纳入企业战略中。
2. 数据治理原则光大银行数据治理工作应遵循的原则：全面性、及时性、准确性、权责清晰、一致性、机动性、保密性、完整性等。
据此，光大银行建立了一整套完善的数据治理机制，确保数据的获得、使用、共享、存储等环节都能得到科学规范的管理。
3. 数据治理框架为了更好地落实数据治理原则，光大银行制定了数据治理框架。
该框架明确了数据治理的目标和范围，为数据治理落地提供了指导和依据。
4. 数据治理流程光大银行规定了数据治理的详细流程，包括数据收集、整理、保管、利用等一系列环节，确保了数据治理工作的系统性和全面性。
5. 数据治理技术支持为了更好地支持数据治理工作，光大银行投入大量资源引入了国际先进的数据治理技术，确保数据的安全和合规性。
6. 数据治理成效通过数据治理工作的不断推行，光大银行获得了显著的成效。
在数据安全、数据合规性、数据利用效率等方面都取得了较大的进步，有效推动了银行业务的发展。
7. 数据治理展望未来，光大银行将继续深化数据治理工作，加大对数据治理技术的投入，完善数据治理框架和流程，推动数字化转型，提升数据利用效果，为企业可持续发展提供更有力的保障。
结语《光大银行科技运营数据治理白皮书》的制定和落实，对光大银行数据治理工作起到了积极的推动作用，为光大银行的数字化转型和持续发展奠定了坚实的基础。
商业银行的大数据分析应用案例
商业银行的大数据分析应用案例随着信息技术的快速发展和互联网的普及，大数据已经成为了商业银行进行业务决策和精细化管理的重要驱动力。
本文将以商业银行的大数据分析应用案例为背景，介绍商业银行如何利用大数据分析技术来提升运营效率、风控能力、客户体验以及推动业务创新。
1. 精准营销商业银行通过挖掘大数据，可以对客户进行精准画像，通过深入分析客户的消费行为、倾向和偏好，实现更精准的营销。
例如，通过数据分析，银行可以根据客户的消费历史和风险评估，为客户提供个性化的产品和服务推荐，从而提高产品销售的效率和精准度。
2. 欺诈风险检测商业银行利用大数据分析技术可以实时监测和检测潜在的欺诈行为。
通过分析大量的交易数据，结合机器学习算法和行为模式识别，银行可以实时发现异常交易和模式，提前预警并采取措施遏制欺诈风险的扩大。
这对于保护客户资产安全和银行声誉具有重要意义。
3. 风险管理商业银行通过大数据分析技术，可以更好地识别和监控风险。
银行可以根据大数据分析的结果，准确评估信用风险、市场风险和操作风险等，并实时调整风险策略，提高风控能力。
此外，银行还可以利用大数据分析来建立客户行为模型，提前发现和预测潜在的违约客户，从而采取针对性的措施防范风险。
4. 优化运营效率商业银行通过大数据分析技术可以对内部业务流程进行优化与改进。
通过分析业务数据和员工绩效数据，银行可以找出痛点和瓶颈，从而优化决策流程和资源配置，提高运营效率。
此外，通过大数据分析技术，银行还可以辅助预测市场需求、优化存贷款产品结构，提升资金利用效率。
5. 客户体验提升商业银行利用大数据分析技术，可以更好地理解客户需求，提供个性化的金融服务，提升客户满意度。
通过分析客户的交易记录、浏览行为和社交媒体数据，银行可以为客户提供更加贴心和个性化的金融服务，例如定制化的理财规划、智能投资建议等，提升客户体验。
综上所述，商业银行的大数据分析应用案例体现了大数据在银行业中的重要作用。
商业银行对大数据的运用及应对策略
商业银行对大数据的运用及应对策略近年来，大数据技术的发展和应用给各个行业带来了巨大的变革，商业银行也不例外。
商业银行作为金融行业的重要组成部分，拥有海量的数据资源。
运用好大数据技术，可以帮助银行挖掘出更多的商机，提高风险管理水平、提升服务质量等。
首先，商业银行可以通过大数据分析来挖掘客户需求。
商业银行拥有海量的客户信息，包括个人信息、交易记录、信用记录等。
利用大数据技术，可以对这些数据进行分析，找出客户的消费习惯、购买能力等，从而精准推荐适合客户的金融产品。
同时，通过对客户数据的挖掘，可以为银行开发新的产品和服务，提升客户满意度和忠诚度。
其次，商业银行可以利用大数据技术进行风险管理。
商业银行的核心业务之一就是风险管理，包括信用风险、市场风险等。
利用大数据技术，可以对客户的信用记录、借贷行为进行分析，通过建立模型来预测客户的信用风险。
同时，通过对市场数据的实时监控和分析，可以及时发现并应对市场风险。
将大数据技术应用于风险管理，可以提高银行的风险管理能力和效益。
再次，商业银行可以通过大数据技术提升营销能力。
根据客户数据的分析结果，商业银行可以制定个性化的营销策略，准确地找到目标客户，提高营销效果。
同时，商业银行还可以通过对大数据的分析，了解市场趋势和客户需求的变化，及时调整产品和服务，保持竞争优势。
最后，商业银行应对大数据带来的挑战，需要制定相应的策略。
首先，商业银行需要加强对数据的整合和清洗，确保数据的质量和有效性。
其次，商业银行需要建立完善的数据安全体系，保护客户隐私和个人信息的安全。
同时，商业银行还需要提升员工的数据分析能力和数据治理能力，确保大数据技术的有效运用。
总之，商业银行对大数据的运用可以带来巨大的商机和竞争优势。
通过利用大数据技术，商业银行可以挖掘客户需求、提高风险管理能力、提升营销效果等。
然而，商业银行在运用大数据技术时也需要注意保护客户隐私和个人信息的安全，加强数据整合和清洗工作，提升员工的数据分析能力和数据治理能力。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
【商业银行数据治理与应用—以光大银行为例】
发布时间：1月13日14:17
近来，国内外经济形势异常复杂，为促进银行业健康发展，有效防范风险，中国银监会积极推进国内银行逐步实施巴塞尔新资本协议(Basel
II 和Basel
III)，并进一步提出了“CARPALS(腕骨)”监管原则，旨在推动国内各商业银行充分利用风险管理技术，提升风险管理内控水平，全面具备风险信息化管理能力，及时进行风险预警，调整经营策略，主动适应市场变化。
数据治理体系概述
具备高度信息化管理能力，是国内银行向“以客户为中心”转型的要求，是银行业务决策、客户营销、内控管理向精细化发展的要求，是发挥风险管理技术应用价值、共享全行风险管理经验、全面提升风险管理能力的要求。
随着信息科技的日益发展，银行多年来为实现业务自动化处理建设了庞杂的IT应用系统，存储在这些应用系统中的海量数据为银行实现信息化管理提供了坚实的基础。
比如非零售信贷风险中的违约率计算、财务分析等，零售信用风险中的催收打分卡、申请打分卡等，市场风险计量、操作风险事件识别等，高级风险技术中的经济资本计量、风险调整后资本收益率(RAROC)计算等相关指标考量，都需要银行对客户、客户集团、交易、合同、市场信息、产品、财务甚至IT系统操作信息等3～7年的数据积累以及整合与应用。
如何为精细化管理提供高效、高质的数据支持，数据治理由此成为商业银行面临的重要课题。
商业银行数据治理的内容，主要包括建立数据治理机制、数据管理制度及流程，以及数据标准制定等。
数据治理的最终目的是提升数据质量，通过有效的数据整合、数据应用与数据服务使企业真正具备业务信息化管理能力。
其中数据应用与数据服务包括面向财务管理、风险管理、绩效考核、客户营销四个方面的支持。
构建全面的数据治理体系，需从组织架构、管理流程和操作规范、IT应用技术、绩效考核支持四个纬度，对企业数据模型、数据架构(包括数据仓库、数据应用)、数据管理(包括数据质量、数据标准、元数据管理、数据安全等)、数据生命周期等各方面进行全面的梳理、建设并且持续改进。
可以简单概括为：明确数据治理主体、建立数据质量标准、加强数据生命周期的全过程管理。
银行数据治理实践探索
数据治理历程与规划
自2005年始，光大银行用六年完成了企业级基础数据平台(即数据仓库EDW)的建设，并整合了核心系统、对公信贷系统(CECM)、个贷系统、网银系统、国际结算系统等41个源业务系统数据，在有效整合全行数据的同时完成了银监会非现场稽核报表(1104)、人行大集中、信用卡BI、电子银行BI、信用风险集市、风险加权资产(RWA)、资产负债等19个数据集市和应用的建设。
伴随数据仓库和数据应用的建设，光大银行制定了数据标准的五年规划并展开实施，秉承定义、执行、监督检查三者并重的原则，先后完成了客户、产品、渠道、交易、关键统计指标、内部机构以及风险主题数据标准的定义。
2009年基于客户数标准，推进全行对私统一客户管理系统(ECIF)的建设。
2010年基于风险新资本协议相关数据标准推进了RWA数据集市建设。
2011年完成了全行渠道类型数据标准在各交易系统中的落地改造。
鉴于数据标准实施的难度，未来光大将持续落实数据标准实施规划，做好数据标准系统落地以及监督评价工作，并结合数据质量管理、数据应用与数据服务的要求准备下一个实施周期的规划。
数据治理组织与规范
为保障全行数据治理相关工作推进，光大银行从下到上由几个层面的组织构成：第一层
面由数据使用相关各业务部门组成，它们负责本条线的数据标准制定和数据质量管理，例如风险管理部设立了数据管理岗，专门负责数据管理相关工作；第二层面是由计财部、科技部组成，它们是银行IT战略委员会下设数据标准小组的牵头管理部门，负责数据标准实施的管理和组织推动，以及数据质量的综合管理；第三层面是审计部，负责数据管理、数据应用、数据服务过程的审计、监督、评价；更高层面是董事会和行领导的关注，审计委员会和风险管理委员会的明确了相关职责。
随着数据仓库以及数据标准的实施，光大银行逐步制定了数据治理相关管理规范，最终落实在数据标准和数据质量的绩效考核指标上。
只有合理制定数据治理相关考核指标并切实推进到业务基层，才有可能从数据产生开始实现对数据的真正治理。
例如光大银行已经制定的风险数据补录质量考核指标、对公客户信息准确性考核指标等。
数据治理应用与管理
一般包括数据仓库、数据应用、数据服务、数据管理(包括企业元数据管理、数据标准、数据质量管理等)等技术平台的建设和应用。
光大银行在建设数据治理相关应用过程中，充分结合数据标准的落地，使数据在整合、应用以及管理过程中实现统一标准管理(见图)。
数据治理助力风险管理
数据治理机制使风险管理有数据可依，也使高级风险技术发挥真正价值。
首先，风险数据集市支持RWA的整合计算。
风险数据集市是建立在数据仓库基础上面向全行风险管理主题的数据集合，是全行风险管理数据分析、业务决策的重要数据基础。
同时，整合数据支持风险偏好评估管理。
银行风险偏好计算评估是内部资本充足评估流程(ICAAP)的重要组成部分，风险管理通过风险限额、准入管理等方式对业务发展进行控制和调节，资本管理通过经济资本分配以及绩效考核等手段在各业务线、产品对资源进行最优配置。
数据仓库以及风险数据集市为风险偏好计算评估提供了高效、准确、整合的信用风险、市场风险、操作风险以及计划财务的数据支持。
关于数据治理的思考
如何评估银行的数据治理能力，目前可以通过信息导向架构进行初步衡量。
该架构包括数据文化、数据管理能力、数据应用建设能力三个方面，其中数据文化是衡量银行从组织层面是否具备信息化管理能力，也是数据治理体系实施是否成熟、是否成功的重要衡量标准。
培养业务管理信息化
银行高层管理人员应适应业务精细化管理的要求，培养依靠数据信息进行业务管理决策的意识和习惯；中层业务经理要养成用数据信息分析业务、分析客户，依靠数据信息进行业务创新思考的习惯，并具备基本数据分析的能力；基层业务人员要培养信息收集的习惯，应具备在日常业务操作中保证收集信息的数据质量和数据安全的意识；同时，人力资源和绩效考核部门需通过制定信息管理培训计划以及涉及信息管理绩效考核指标与相关奖励机制(如信息收集、数据质量提高等都需要通过绩效和奖励来激励一线员工执行)，帮助和促进信息化管理文化在银行各级机构层面的落实。
建立数据治理长效机制
管理层应对数据治理予以高度重视，在梳理并完善企业数据体系架构的基础上制订长效机制，确定适合银行文化、高效的数据治理管理组织架构。
采用虚拟组织与实体部门相结合的管理模式，有利于数据治理过程中的横向协调和纵向有效落实；定期重检数据治理相关制度、流程、规范；规划与评价并重，合理规划是复杂的数据治理过程有序进行的必要保证，定期评价回顾规划落实，根据评价结果及时调整规划策略是数据治理真正发挥价值效能的必要手段。
坚持信息科技建设创新
将先进的科学技术快速应用于数据管理与数据服务中。
例如，研究并建设集数据服务、
数据管理、数据分析共享社区为一体的开放式数据服务平台，为实现全行业务信息化管理提供应用支持。
基于商业银行安全稳定运营、风险管理、业务及管理创新、合规的多重需要，数据治理已经成为国内银行的必修课，同时，“数据治理”之路也必将是一条长期艰苦的道路。
由于历史原因，目前国内银行的数据治理多在技术层面，将分散在各个业务及管理环节的已有数据进行清洗、整合、应用，而对更深层次的数据治理，如建立数据模型、设计银行数据体系还少有涉足。
只有当银行的数据体系能够明确解决需要什么数据、为什么需要、如何获取、怎么应用等一系列问题时，才能真正实现基于数据基础的经营决策分析和风险管控，这也是新资本协议对数据治理的内在要求。
银监会出台的《中国银行业实施新监管标准的指导意见》，着重强调了数据基础和IT系统建设的重要性，今后几年，相信国内银行会不断总结多年数据整合、数据服务、数据管理的实施经验，探索建立数据治理机制的有效方式，为银行提升信息化管理能力夯实基础。
（来源：银行家）。