4．缺少数据治理各领域的管理体系

(1)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，统计口径和加工方法不一致，导致数据可信度降低的问题。深入分析后发现，出现这种现象的原因为缺乏有效的数据标准化。建立数据标准体系是数据环境建设中的重要环节，对数据进行标准化，是保障基础数据的完整性、一致性和严密性的基础。因此，商业银行有必要制定合理的数据标准并严格执行，确保各系统之间的数据一致性。同时，为了保障业务系统能够采集真实、完整、有效的数据，在建设系统时必须通过数据标准对数据的定义、描述等予以规范和约束。

(2)缺少企业级元数据管理体系  目前，我国大多数银行的元数据管理仅限于少数系统和少数用户，尚未达到体系化程度，也存在完备性不足的情况。企业级元数据管理是银行数据治理的重要载体，它以全行元数据管理为基础，将科学的方法和管理策略通过企业级的元数据管理体系实施与执行，再配以完善的组织流程和制度规范，将有效提升数据治理的成效。因此，建立企业级元数据管理体系势在必行。

(3)缺少企业级数据质量管理体系数据的质量对银行业发展尤为重要，并且银行对数据质量的治理重视程度会直接影响数据治理的成效。银行的数据质量管理应当涵盖数据质量问题的预防、识别、度量、分析、监控、清洗等管理活动，以满足对数据质量的要求。为此，银行需要建立专业的质量管理团队，依靠质量管理系统持续地管理数据质量，利用数据剖析工具持续地监控数据的流动，通过明确数据认责关系，尽可能在数据问题根源处解决问题。

(4)缺少完备的数据生命周期管理体系  通过数据生命周期管理体系建设，银行可优化应用存储结构，有效控制在线数据规模，提高生产数据访问效率，减少系统资源浪费，提高应用系统运行的整体效率和效果，保证应用系统健康高效运行。但是，当前我国银行大部分在系统无法支撑时才考虑数据清理备份工作，难以做到对数据生命周期的统筹管理，并且对支持数据生命周期管理的系统和工具建设力度不够，不能很好地支撑全行数据生命周期管理工作。

(5)缺乏完善的系统支撑和技术手段  现代的银行系统数据量庞大，各式系统多种多样，如果不依赖技术手段，没有相应的支撑平台和工具，就不可能理解如此大的数据量和看到其潜在的价值，利用简单图形分布寻找规律或异常情况等传统方法，在当今海量数据面前，已毫无作用。同样，没有充分的技术手段，仅依靠手工处理，显然也无法把数据治理工作做好。因此，必然需要先进的技术手段、配套的系统支撑数据治理工作高效有序地开展。