数据治理-中培教育

您现在的位置：首页 > 搜索 > 数据治理

数据治理执行层是全行数据治理日常工作的执行机构

执行层数据治理执行层是全行数据治理日常工作的执行机构，向数据治理决策层负责，由全行全体成员（包括总行、分行、支行各机构成员），包括业务部门和科技部门共同组成。
大数据 2018-04-26
数据治理综合管理部门为数据治理管理层

数据治理综合管理部门为数据治理管理层，是全行数据治理工作的管理机构，向数据治理决策层负责，可以由一个专门设置的独立部门担任，也可以由分别负责数据标准、数据质量
大数据 2018-04-26
数据治理管理委员会即为数据治理的决策层

数据治理管理委员会即为数据治理的决策层。作为全行数据治理工作的决策机构，组长可由负责数据治理的主管行长担任，成员由相关部门总经理担任。
大数据 2018-04-26
数据治理组织

数据治理工作是一个全行性的工作，需要科技部门、业务部门等各方面的通力合作，需要总行、各分支机构的上下联动和一起努力。一般商业银行均会成立由行领导牵头的数据治理管理委员会
大数据 2018-04-26
数据治理文化

在开展数据治理之时，首先要从战略上将数据放在银行重要资产的高度。现代银行业对信息化的依赖程度极高，银行生产经营的过程和结果最终都体现为信息，而信息的载体即数据。
大数据 2018-04-26
行数据治理核心领域四

商业银行的重要且敏感数据大部分集中在应用系统中，例如客户的联络信息、资产信息等，如果不慎泄露，不仅给客户带来损失，也会给商业银行带来不利的声誉影响
大数据 2018-04-26
行数据治理核心领域三

任何事物都具有一定的生命周期，数据也不外如是。从数据的产生、加工、使用乃至消亡都应该有一个科学的管理办法，将极少或者不再使用的数据从系统中剥离出来，并通过合适的存储设备进行保留
大数据 2018-04-26
银行数据治理核心领域二

数据模型是数据治理中的重要部分，合适、合理、合规的数据模型，能够有效提高数据的合理分布和使用，它包括概念数据模型、逻辑数据模型和物理数据模型，是数据治理的关键、重点。具体描述详见“数据模型”相关章节。
大数据 2018-04-26
银行数据治理核心领域一

每个数据治理的领域都可作为一个独立方向进行研究治理，目前总结的数据治理领域包括但不限于以下内容：数据标准、元数据、数据模型、数据分布、数据存储、数据交换、数据生命周期、数据质量、数据安全以及数据共享与服务。
大数据 2018-04-26
数据治理组织

数据治理的组织包括制度组织和服务组织。制度组织主要负责数据治理和数据管理制度。这些组织是跨职能的，通常商业银行会建立数据治理委员会、数据管理制度团队等组织，负责整体数据战略、数据政策
大数据 2018-04-26
建立银行数据治理体系

我国银行在过去十几年的信息化发展中，都或多或少有些重生产轻分析的现象，这导致了大量以账户为中心的传统交易系统的存在。随着我国金融改革不断深化，尤其是当互联网金融崛起并对传统银行业造成冲击时
大数据 2018-04-26
树立大数据治理意识三

大数据时代使海量、异构数据的动态采集、实时存储、即时分析成为现实，多元化、个性化、移动化的大数据应用也得以实现，社会治理也可以更多地依托大数据技术得以突破性地创新和提升。
大数据 2018-04-26
树立大数据治理意识二

2011年6月，美国麦肯锡全球研究院发布题为《大数据：下一个创新、竞争和生产力的前沿》的研究报告，首次正式提出“大数据时代已经到来”的观点，数据正成为与物质资产和人力资本相提并论的重要生产要素
大数据 2018-04-26
树立大数据治理意识一

其次，Hadoop、Spark等大数据技术的应用，对数据治理的技术手段提出了许多新的要求。传统模式下基于RDBMS进行管理，SQL是通用的数据访问方式。
大数据 2018-04-26
加强数据治理水平，确保数据安全

数据安全或者说数据隐私的重要性比以往有显著提升，这也需要在数据治理中加强对数据安全的重视。在传统应用场景中，数据由企业收集，在企业内部应用，数据所有权的问题并不突出。
大数据 2018-04-26
银行数据治理的思考

中国银行业监督管理委员会在《中国银行业信息科技“十二五”发展规划监管指导意见》中明确指出：“十二五”期间，大中型银行要把数据治理作为重要的制度性建设与基础性工作，加强组织保障、制度保障与流程保障
大数据 2018-04-26
我国银行数据治理的现状

经过多年的信息化银行建设，我国各家银行积累了海量的、丰富的数据资源。在当今大数据时代，数据本身非常重要，其潜在资产价值对于银行而言更为关键，数据作为资源的再利用价值为银行业金融业务创新提供了支撑力和驱动力。
大数据 2018-04-26
缺少数据治理各领域的管理体系

缺少企业级数据标准管理体系虽然银行拥有了大量的数据资源，但是，也经常面临重要数据缺失，系统间数据不一致
大数据 2018-04-26
未建立数据治理流程和有效的认责管理机制

当前，使用数据的部门因具有明确的、迫切的数据需求，而成为处理问题的主要推动者。
大数据 2018-04-26
缺少数据治理企业文化

银行的数据治理工作是一项庞大而复杂的工程，不是个别部门或少数人员能够妥善完成的，而是需要各部门之间、各层级之间的相互支持与协作，互相认可共同的数据治理目标，尤其需要加强科技部门与业务部门之间的合作
大数据 2018-04-26