數據中臺可通過數據需求、
數據質量、
元數據管理等領域加強
數據治理。
一、增強業務需求管理，構建并持續完善
數據標準體系
數據中臺的運營部門，收集到來自于銀行各部門、各層級管理人員和業務分析人員的業務需求，并且隨著人員崗位的變化，即使同一層級、同一角色的人員提出的業務需求也可能大不相同；在不同的時間段下，根據銀行的業務狀況、規模和偏好調整等情況，業務需求重點和邏輯也不一樣。
因此，數據中臺的運營部門，應持續提煉數據中臺業務需求，并與數據治理部門協同，依據需求及認責管理辦法，并與不同類型的業務需求與實施工程相結合，落地與銀行數據標準體系相吻合的指標體系。
分類管理業務需求：通常銀行業務需求來自四個方面，包括臨時類數據需求、接口類數據需求、報表類數據需求、綜合類數據需求。其中臨時類數據需求的數據時效性比較高，開發時間較短。但接口類、報表類和綜合類數據需求都相對復雜，有較多的業務口徑定義和數據探源工作，實施工程種類也較多。
識別和提煉業務需求：從數據角度總結和歸納共性的指標與公共維度，并對指標的名稱、業務口徑、數據口徑進行定義與描述，形成企業級可共享的指標庫。同時，由數據管理部門牽頭，明確指標的歸屬部門和更新機制。
二、建立跨系統數據質量檢核機制，強化數據的質量管控
數據中臺的數據質量問題，不僅取決于源頭系統及外部數據的數據質量，并決定于采集、加工、存儲、生成與應用整個數據生命周期的數據處理流程的準確程度。因此數據中臺對于數據質量的管理，需要通過組織管理、技術方法、業務流程理解以及數據語義理解等多個方面，進行綜合管理。
組織管理：數據中臺開發與運維部門，主動參與或者主導數據治理過程，積極建立數據質量管理機制，推動落實數據管理流程，更大力度的輔助數據治理歸口管理部門，發現與解決數據質量問題。
技術方法：數據中臺推動數據質量問題的識別與解決，具有企業級、跨系統的平臺和能力，又是提升數據服務能力的必要基礎。通過歸納數據質量問題的類型及產生原因，利用技術方式實現跨部門、跨系統的數據質量問題的監測與預警，并可以持續驗證與跟蹤數據質量問題的解決。
業務流程及數據語義理解：數據中臺的開發及運營部門，由于持續梳理各個部門、各個系統的內外部數據，通過不斷的進行數據理解、
數據分析，可以識別與發現部門之間業務術語、規則、邏輯等不一致而導致的數據問題，可與數據管理部門一道進行數據管控。
三、提升元數據的數據質量，深化元數據分析及應用
隨著數據中臺各種來源數據增多，
數據應用越來越豐富，數據處理過程也必然越來越復雜。在各種數據中，如何聚焦業務關注的數據內容、使用方式以及未來應用趨勢，對于數據中臺的架構演變、模型設計以及數據治理等活動來說，將變的越來越重要。
識別數據：通過數據中臺建設流程，整理業務層面的數據資產目錄，以及維護開發方面的物理數據模型和數據字典，清晰定義各個字段項名稱、含義等，實現數據資源的語義化。
評價數據：通過獲取表級及字段級基礎元數據、關聯元數據、應用日志等，運用圖計算、標簽傳播算法等技術，系統化、自動化地對計算與存儲平臺上的數據進行打標、整理、歸檔，計算相關評價指標，如字段的查詢次數、關聯次數、聚合次數、過濾次數等。
追蹤數據在使用過程中的變化：通過識別和追蹤數據在全生命周期的各個形態和變化，實現源數據的分析管理，對于數據使用者，可以通過元數據讓其快速找到所需要的數據；對于ETL?
（部分內容來源網絡，如有侵權請聯系刪除）
