近年來，隨著大數據產業的蓬勃發展，企業和政府對于自身數據資產的價值也產生了重新的認識。但遺憾的是數據本身并不能直接產生價值。當我們想利用數據產生價值的時候，很多問題都會暴露出來，比如：數據標準缺失，數據源頭不清晰，數據質量缺乏監管等。這就要求我們要有統一的數據標準和良好的數據質量來構成數據價值實現的基礎。而數據治理恰是保障這一基礎的存在。

近年來，隨著大數據產業的蓬勃發展，企業和政府對于自身數據資產的價值也產生了重新的認識。但遺憾的是數據本身并不能直接產生價值。當我們想利用數據產生價值的時候，很多問題都會暴露出來，比如：數據標準缺失，數據源頭不清晰，數據質量缺乏監管等。這就要求我們要有統一的數據標準和良好的數據質量來構成數據價值實現的基礎。而數據治理恰是保障這一基礎的存在。

一、銀行數據治理面臨的挑戰
1、數據整合問題道路曲折
銀行內部不同部門的數據源不同，不同主體的利益不一致，導致不同部門之間的數據往往存在阻隔。而拆除這些阻隔實現數據整合的成本往往極高。
2、數據質量問題難以控制
數據質量要求真實性、完整性和準確性。而難點在于，縱向上跨越數據的全生命周期， 時限較長；橫向上涉及銀行不同條線，部門繁多。
3、數據安全問題迫在眉睫
銀行存有大量的個人隱私、商業機密，不同銀行的存儲安全管理、用戶匿名化、訪問權限管理水平不一，安全能力較低的銀行頻頻出現數據被竊取或者泄露。
4、數據治理問題缺乏經驗
數據治理是一個動態的體系，涉及的內容眾多而復雜。銀行從已有慣性中走出來，形成現代化的數據治理動態體系還缺乏必要的經驗。
5、數據治理內部權責不清
銀行組織對于數據治理的內部權責劃分并不十分明顯。這體現在IT系統人員、法務合規人員以及數據治理專門部門的責任存在重疊，也體現在業務部門調取、使用相關數據時權限不明朗。

二、銀行做好數據治理的價值
1、降低銀行運營成本
當前，在收益一定的前提下，有效降低資金成本已成為銀行重要的競爭力。而有效的定價依賴的數據類型包括客戶區域分布、客戶貢獻度大小、渠道成本核算等。一個良好的數據治理將極大的促進定價的有效性、準確性和靈活性，更貼近客戶實際需求；基于資金盈虧狀況、市場利率和風險水平、客戶需求情況等綜合測算資金成本，實現成本的最小化。
2、有效控制銀行風險
良好的數據治理過程和防控風險決策機制，能顯著增強銀行應對各種風險的危機和處置能力。并且，因良好的數據治理而產生的數據質量提升，能進一步滿足監管部門的相關合規與審計監管要求，進而提高銀行內部合規水平，并以此促進銀行應對潛在風險的能力。
3、提高銀行經營效率
銀行積累的原始數據經過加工、清洗、整合后，基于聚類分析、相關分析和回歸分析等，不僅能對相關的銀行業務開展直接創造價值，而且可優化內部決策過程，實現銀行隱性價值的提升。

三、銀行數據治理的實施路徑
1、制定數據治理戰略
數據已經成為銀行經營的核心生產要素。因此銀行需要制定好數據治理戰略，通過戰略規劃、組織、流程、資源使戰略能夠打破部門之間藩籬、集團內部法人之間的藩籬，有目標、有計劃、持之以恒地貫徹和推進，最終實現在集團內部，有目的、有組織地采集、存儲、利用數據，讓數據產生新價值。
2、建立數據價值分析的流程
信息技術部門和數據管理部門的數據治理工作要前置到業務活動中，分析業務活動中的數據需求，以及業務活動過程中產生的數據，與業務部門共同分析數據的使用價值和采集的必要性，在信息系統建設過程中以最合理的方式實現數據采集、數據質量控制，并最大限度集成和調用內、外部數據，支持營銷、客戶識別、風險控制等業務活動中的數據需求。讓業務部門切實感受到數據的價值，承擔起數據提供者的責任。
3、建立數據價值評估模型
目前，大部分銀行都建立了企業的主數據和數據的認責部門，在此基礎上，可以再增加價值分析維度，根據數據使用頻度、重要性、精準性、安全等級、監管要求等，以及數據在產品創設、客戶標簽、營銷機會、風險技術、作業流程等應用維度進行標識和評估，實行分類管理，確定數據質量、存儲、安全、調用等策略，讓管理層、數據認責部門、數據管理部門和信息技術部門建立共同的數據價值判斷標準，提高對數據治理活動的認識。
4、做好數據質量和數據標準建設
銀行做好數據治理最終會落地到數據質量和數據標準管理上。就數據質量而言，業務對數據的依賴性越大，對質量的要求越高，數據質量就是產品質量、服務質量、意味著風險。而數據標準是數據的業務含義、分類分級、格式及轉換，是數據治理最基礎的工作，數據標準化程度越高，系統自動化處理能力越強，信息共享度越強，數據成本越低。
這里億信華辰基于睿治數據治理平臺提出的《數據標準化及質量管控解決方案》可以為銀行設立數據標準規范，提高并管控數據質量，保證企業數據的準確性、一致性、完整性、合理性、及時性、有效性等，保證業務數據應用及業務決策的正確性。

四、小結
如今，越來越多的商業銀行開啟數字化轉型之路，而數字化轉型的一切都圍繞著數據。在防范系統性金融風險的監管思路下，各金融機構無論是針對投資端的自主投資能力建設，還是針對負債端的財富管理方案匹配，亦或是新產品的研發、定價與營銷，均離不開對數據的高質量使用。而做好數據治理提高數據質量、發揮數據價值、提升經營績效的前提，也因此將決定著未來銀行業的發展前景。