隨著移動互聯網、大數據、云計算、人工智能等技術的發展，整個社會經濟將迎來一場數字化的變革。銀行作為技術高敏感的行業，每次重大技術創新都會對其運作模式產生影響，而此次數字化變革速度更快、影響更為深遠，商業銀行也將迎來一場數字化的變革。
銀行
數字化轉型的業務模式轉變是目的，而技術的應用則是手段，最終數據的采集、整合、應用、管理才是銀行數字化轉型的基礎。銀行數字化轉型工作的前提是通過完善數據治理工作，提升
數據質量，充分展現大數據的價值。對于銀行而言，提高對數據的管理與治理能力、強化數據資產理念、構建數字化經營能力是數字化轉型工作的第一要務。??
數據治理三大舉措創造數據價值
商業銀行數據治理是一門將數據視為一項資產的學科。它涉及到銀行以資產的形式對數據進行優化、保護和利用的決策權利。糟糕的數據管理意味著糟糕的業務決策和提供給違規更大的風險暴露。因此，就涉及到對組織內的人員、流程、技術和策略的編排，從而從數據中獲得價值的最大化。
1、涉及數據體系架構的建立
首先，銀行應該建立一個全行跨部門的、負責政策、標準和流程的數據治理管理部門，并明確數據的所有者、管理者和使用者，做到權責分明，為后續的數據治理打好基礎。一般而言，這一管理部門承擔銀行數據管理者的職責，制定數據治理工作的各種流程、制度和辦法，推動落實全行數據治理工作，建立決策、溝通、監控、考核機制，建立培訓和推廣機制，創造數據治理文化氛圍。數據治理組織搭建的目的在于對數據管理工作與商業銀行的業務發展進行協調和同步。數據治理組織在理想中應具備三層組織架構：頂層是數據治理委員會，由相關業務部門的領導組成；中間層是數據治理工作組，由協調數據治理具體工作的經理組成；基礎層是數據執行組，負責日常的數據管理工作。只有得到高層支持，數據治理的效果才會顯著，整個治理流程順暢。
2、數據標準是數據治理的關鍵點
商業銀行內部IT系統之間的“孤島”現象是我國銀行信息化建設的軟肋和通病，而沒有良好的數據標準或數據標準不能落地則是這一現象的癥結所在。銀行數據標準的問題突出體現為：數據來源多頭，定義不一致，格式不統一，交換困難。因為數據常常在業務系統和特定的業務運營環境中產生，當數據被轉移到分析環境或在企業級層面進行整合的時候，數據往往會出現不一致的問題。因此數據治理要堅持標準先行原則。此外，也要加強行業層面的標準化工作，積極參與和推動銀行機構之間、銀行與監管機構之間、銀行與外部機構之間的信息交換和共享。以數據標準來推動行業深挖數據價值，提升信息化建設效能，進而全面促進數據標準的貫徹落實。
3、確保數據完整、準確、一致性，提高數據質量
數據質量管理工作主要包括兩方面：
1、數據質量檢驗核查工作。包括建立數據標準項和主要源系統的數據映射規則，設計編寫數據標準項的質量檢驗規則；完成數據質量問題檢查，形成數據質量問題清單，對數據質量問題進行分析排查并協調、分發各系統解決等。
2、建立及落實數據質量考核評價機制。數據治理成功的重要表現，是使銀行各級管理者和員工能獲取準確的統計分析報表。如果銀行的指標和報表數據經常發生錯誤，建設好的
數據應用平臺就會成為擺設。數據質量的提升和保障，最終目的是為了提高業務效率，確保數據的價值發現。
（部分內容來源網絡，如有侵權請聯系刪除）
