銀行一直掌握著大量關于客戶的數據，數據匯總，存儲和分析的持續進步意味著收集的數據提供了不可估量的價值和機會。?

隨著法規和數據安全性變化的壓力不斷增加，銀行和信用合作社在數據方面必須保持警惕。確保數據具有高質量，可訪問性和安全性是保持這種不斷變化的環境的關鍵。此外，機構應確定如何更好地利用已經收集的數據。

數據質量，訪問或安全性差的機構所面臨的一些影響。以下是一些最重要的影響：

?無法提供準確的預測
?降低整個機構的生產力
?暴露于風險和監管合規問題，包括不準確的信用評估和更高的合規成本
?財務績效，包括現金流延遲，IT支出增加和潛在錯失機會

為了最大限度地減少這些影響，所以需要三個支柱來建立有效的數據治理。

支柱1：人員和組織結構
機構中的每個人都負責維護準確，可訪問和安全的數據，以支持業務需求和優先級。他們建議將關鍵利益相關者分為兩組。第一組包含負責建立數據治理愿景和戰略的人員，而第二組負責執行。

支柱2：數據治理流程
當機構建立數據管理政策和程序時，建議解決數據管理生命周期的所有四個階段。
1.收集
2.管理
3.保護
4.交付

支柱3：數據治理技術
為了使數據治理有效，機構必須擁有維護和管理數據的工具和技術，以便數據可訪問和可靠。在許多銀行中，數據技術包含一系列不連貫的一次性應用程序和解決方案，每個都旨在滿足特定需求，沒有集中和一致的治理。數據平臺和框架應提供問責制和透明度，無論它們是內部開發還是來自第三方供應商。

然而，收獲大數據產生的回報需要努力工作和不斷適應。金融機構面臨著比以往更大的挑戰，因為它們在管理風險和監管合規性的同時兼顧數據量，速度和種類的增加。

任何金融機構的第一步都是評估其當前的數據治理計劃，看它是否與組織的目標一致，并且正在實現其所需的一切。合規條款，風險緩解和機會。奧羅克的建議是，你首先需要有效，然后才能提高效率。

數據治理是一個過程，而不是一個項目，它需要成為組織開展業務的一部分。為了成功，你想讓它成為你DNA的一部分。當您創建新應用程序，創建新產品時，請從一開始就遵循您的數據治理策略。

為了分析數據治理計劃，每個金融機構都需要考慮五個關鍵問題，以便在大數據世界中自信地前進：

1.我們是否為組織的未來制定了藍圖，并了解數據在未來的作用？
雖然大多數機構對未來想要實現的目標有明確的計劃，但了解數據在該計劃中的作用是成功的基礎。如果不考慮數據在業務路線圖中的作用，它將在未來產生不必要的負擔。如果你作為一個組織處于有利位置，你就會考慮你的計劃將如何影響數據，反之亦然，而不是事后的數據，通過在業務路線圖中考慮數據，銀行將更好地協調創建新產品，或將其傳統產品和遺留系統交織到其長期規劃中。

雖然目前只有一小部分銀行正在研究非結構化數據，但這種類型的數據在任何有關未來的對話中都有明確的位置。隨著國際數據公司估計非結構化數據占所有數字數據的90％，使用非結構化數據需要成為銀行的未來考慮因素也就不足為奇了。?

2.指定的管理層是否專注于實用且可執行的數據治理政策？
隨著數據在任何組織的未來發揮著不可或缺的作用，對這些數據的管理變得至關重要。
我們發現的是，越來越多的公司正在擁有首席數據官和與該角色相關的其他員工，并且它提供了價值，您希望在組織中實施該計劃的責任。如果你沒有建立正確的問責制，那么數據治理計劃就不會增加價值。

這是關于了解整個組織數據變化的影響，首席數據官可以參與整個組織的高層對話，但仍然關注數據。沒有CDO，數據很可能是事后的想法，這會增加潛在的風險。

然而，如果沒有強有力的數據治理政策，CDO就無效。但是，設定組織數據管理的總體方向并定義數據治理策略是不夠的。隨著數據量，速度和種類的增長，定期審查和更新該政策至關重要。

關鍵是確保您的數據治理政策保持實用和可執行，政策中必須有標準，檢查和控制。如果你沒有那些東西，你可能也沒有這個政策。

當然，斗爭是在保持政策簡單的同時仍然實施必要的協議。顯然，你的程序越簡單，就越容易遵循，人們就越有可能遵循它，你想從上到下設計你的程序，然后從下到上實現它。

3.我們是否了解現行法規及其與我們所擁有數據的關系？
對于系統重要的機構來說，已經出現了很多新的法規，重要的是他們不僅要了解合規的一部分，還要了解它們目前是否合規。

將監管合規性稱為數據治理的“賭注”，但承認為了符合要求，需要具備一定程度的數據質量。這兩者齊頭并進，這就是為什么組織的監管變革需要徹底，并且不可能在一夜之間完成。

像任何重大變化一樣，進行監管變革需要很長時間，確保您捕獲正確的數據并存儲正確的數據，并保留適當的時間。??

如果要進行監管變革，這些變化必須成為首要任務。對于銀行而言，兩個最大的數據問題必須是監管問題和系統性風險。

4.我們是否有適當的系統來保證數據質量，確保適當的權利并降低風險？
金融機構需要具備的不僅僅是監管合規才能有效。質量數據是降低風險的關鍵因素，最終使數據治理政策真正有效。然而，保證質量數據很難實現。?

當源自多個謹慎的計算機系統和業務線時，數據質量往往因不兼容的定義，不一致和重復而降低。

由于數據質量不佳，數據治理和控制的有效性可能會受到嚴重影響，如果沒有適當的數據質量，就很難獲得適當的權利，或者知道你擁有降低風險所需的所有數據。

此外，在數據質量方面，組織需要對數據的準確性，完整性和權利使用負責。?

你要做的最后一件事就是制作產品或創造內容，并讓每個人都可以訪問，然后兩年后，接受內容提供商的審核，創造出數百萬的風險，你需要對權利和政策有明確的理解。但是組織應該如何解決這些問題呢？建議實施程序，以確保數據匯總時的質量數據。

你想積極主動，立即尋找數據的不一致和重復，當數據進入系統時，當您完成所有這些檢查和平衡時，那么當您提取數據時，您可以確保數據質量。確保質量數據是與重要權利相關聯的重要的第一步。降低風險。

5.我們是否優先考慮潛在價值，同時平衡與數據機會相關的風險？
一旦建立數據治理計劃，協調管理和實施協議變更的艱苦工作正在進行中，銀行就可以放心地將大數據用于工作。?

在研究使用數據的新方法時，需要考慮很多事情。良好的數據和良好的數據使用創造了收入的途徑，相反，如果沒有正確的數據或數據使用，整合這些想法變得更加困難。

在大數據中，風險和機會是同一枚硬幣的兩面。當你進行數據匯總以及隨之而來的一切時，領導者應該考慮如何做出更好的決策，降低成本，提高銷售和效率，但是你不能在沒有權衡硬幣的另一面做出任何決定，這就是風險。每次評估新的機會時，考慮風險至關重要。?

數據治理需要一個持續的周期。確定目標后，確保計劃與這些目標保持一致，并確保策略可執行。檢查該信息，進行差距評估，分配責任，進行溝通，然后進行驗證。最重要的是，繼續重復并更新該周期。

總體而言，有效的數據治理計劃應包括四個關鍵標準：信任，一致性，承諾和清晰度。