- 產品
- 產品解決方案
- 行業解決方案
- 案例
- 數據資產入表
- 賦能中心
- 伙伴
- 關于
時間:2020-01-03來源:知乎瀏覽數:3026次
數據治理是一項長期、復雜的系統工程,要在組織、機制和標準等方面加強統籌謀劃。

一是優化組織架構。充分認識數據的重要戰略意義,將數據治理納入企業中長期發展規劃,及時調整組織架構,明確內部數據管理職責,理清數據權屬關系,自上而下推動數據治理工作。
二是完善應用機制。在保障各方數據所有權不變前提下,統籌規劃全局數據架構,完善跨機構、跨領域數據融合應用機制,實現數據規范共享和高效應用。
三是構建標準體系。建立涵蓋金融數據采集、處理、使用等全流程的標準體系,打造金融數據的“通用語言”,提升金融數據質量,為數據互通、信息共享和業務協同奠定堅實基礎。
一是做好數據資產管理。根據統一的數據標準體系,建立全局數據模型和科學合理的數據架構。在此基礎上,管理維護全局數據資產目錄,實現對數據資產的全面梳理和有效管控,解決數據質量不高、數據利用不足等問題。
二是做好數據分級管理。綜合國家安全、公眾權益、個人隱私和企業合法利益等因素,制定數據分級標準,基于全局數據資產目錄將數據進行分級。針對不同等級數據采取差異化的控制措施,實現數據精細化管理。
三是做好數據共享管理。規范數據共享流程,確保數據使用方在依法合規、保障安全前提下,根據業務需要申請使用數據。數據所有方按規則審核確定數據使用范圍、共享方式等,通過數據交換機制實現數據有序流轉和安全應用。
要遵循“用戶授權、最小夠用、全程防護”原則,充分評估潛在風險,把好安全關口,加強數據全生命周期安全管理,嚴防用戶數據的泄露、篡改和濫用。
在采集環節,要向被采集用戶進行明示,明確告知采集和使用的目的、方式以及范圍,在獲取用戶授權后方可采集。
在存儲環節,通過特征提取、標記化等技術將原始信息進行脫敏,并與關聯性較高的敏感信息進行安全隔離、分散存儲,嚴控訪問權限,降低數據泄露風險。
在使用環節,借助模型運算、多方安全計算等技術,在不歸集、不共享原始數據前提下,僅向外提供脫敏后的計算結果。
數據治理的核心環節是數據應用,要從算力、算法、存儲、網絡等維度加強技術支撐,切實增強數據應用能力。
在算力方面,加快分布式架構轉型,充分發揮云計算等技術高性能、低成本、可擴展的優勢,滿足海量數據分析處理對計算資源的巨大需求。
在算法方面,基于深度學習、神經網絡等技術設計數據模型和分析算法,提升數據洞察能力和基于場景的數據挖掘能力,為數據插上翅膀,讓數據在金融領域展翼翱翔。
在存儲方面,探索與互聯網交易特征相適應、與金融信息安全要求相匹配的數據存儲方案,穩步推動分布式數據庫金融應用,實現數據高效存儲和彈性擴展。
在網絡方面,運用物聯網技術豐富數據采集維度,利用5G技術帶寬大、速度快、延時低等優勢提升數據流轉效率,打造金融數據“高速公路”。