-
中国农业银行数据质量管理
中国农业银行以中国银行业监督管理委员会《银行监管统计数据质量管理良好标准（试行）》为标杆，采取多项措施来全面加强数据质量管理。
[大数据] 2018-05-03 -
中国建设银行数据质量管理
中国建设银行根据业界普遍认可的数据质量最佳实践及数据质量管理的研究成果，结合自身数据现状，制定了一套完善的数据质量管理实施方法论，为数据质量监控体系建设提供了理论指导和行动指南。
[大数据] 2018-05-03 -
中国工商银行数据质量管理二
客户信息质量治理客户信息的完整性和有效性是提升精准营销成功率、线上线下联动服务水平、客户行为分析能力的前提条件，也是满足反洗钱和反恐怖融资等监管和报送要求的基础。
[大数据] 2018-05-02 -
中国工商银行数据质量管理
中国工商银行在2008年建立了数据质量管理规范，并搭建了数据质量管理系统，以“把好数据质量入口关”和“数据质量源头负责制”为指导原则，将数据质量管理作为一项重要工作来抓
[大数据] 2018-05-02 -
非结构化数据的数据质量管理
非结构化数据由于格式和内容的多样性，一般不会直接用于分析，即单个非结构化数据难以产生价值。只有将非结构化数据的相关元数据（或标签）、主要内容抽取出来，并以类似结构化数据存储后
[大数据] 2018-05-02 -
考核监测考核监测作为一种监督、检查的手段二
全行专业考核通报。在全行综合性考核通报的基础上，总行各专业可依据本专业的业务特点开展专业性数据质量考核通报，通报本专业内部全行数据质量情况，尤其是一些对专业业务的办理有较大影响的事项。
[大数据] 2018-05-02 -
考核监测考核监测作为一种监督、检查的手段
全行综合性考核通报。全行综合性考核通报是银行内部层级最高、综合度最大的通报，由数据质量综合管理部门负责起草，按月通报全行数据质量情况，起到对不同机构相关专业的督促作用。
[大数据] 2018-05-02 -
实施治理实施治理包括两部分内容
预防性措施。防止未来新的错误数据产生，防止出现边治理边污染的现象，找到并实施从根源上可以解决数据质量问题的合适方案。比如，可优化前台系统或者交易，在前台系统中增加对字段的校验程序
[大数据] 2018-05-02 -
通过制度、通报等手段约束业务人员
例如：近年来随着银行精细化管理的要求越来越高，各种中间业务收入都需要还原到单一客户，但是由于柜员录入信息不完整或不准确，造成部分中间业务数据无法还原，以及银行风险控制的原因，对已经发生的交易严格控制进行反交易
[大数据] 2018-05-02 -
通过手工修改解决
例如：个人客户的联系方式（手机、固定电话），仅通过校验工具无法确认其是否真实、有效，需要业务人员在客户来银行办理业务时与客户沟通确认，或通过电话、短信等形式与客户联系确认。
[大数据] 2018-05-02 -
过数据变更解决
例如：个人客户的性别和出生日期在个人账号实名制前不是必填项，因此很多客户的性别和出生日期是空的或者错误的，在实施实名制后，这两类信息可以通过身份证号来统一进行判断和刷新。
[大数据] 2018-05-02 -
根据规章制度开展数据质量问题筛查
业务部门会通过制度规定对目前主要业务操作流程进行规范，一般都会规定系统录入过程中哪些字段是必须输入的，其格式、数据标准及有何校验关系等。
[大数据] 2018-05-02 -
据监管要求与相关业务部门开展专题治理行动
中国人民银行、中国银行业监督管理委员会等金融监管机构对各大商业银行报送的信息质量都会定期考核，并且也会根据我国银行业发展中遇到的问题对商业银行内部各系统、各业务的数据质量提出相关要求。
[大数据] 2018-05-02 -
建立考核体系
银行对各层级数据质量治理都有明确的考核制度和办法。以某商业银行为例，其数据质量相关办法与指标体系如图7-3、图7-4所示。
[大数据] 2018-05-02 -
开展专项治理
除日常的例行数据质量问题检查和治理外，还必须有针对性地进行专项数据治理，有计划地提升某一领域的数据质量，例如配合各机构进行客户信息的九要素完善、可信手机号治理等，才能为各类及各方向的数据质量提升奠定良好的基础。
[大数据] 2018-05-02 -
建立检查与跟踪体系
发现问题后还必须对问题的治理进度进行跟踪，要确保问题得到有效解决，因此有必要建立数据质量问题的检查和跟踪体系，利用系统、人工等多种手段从多个渠道发现数据质量问题，并有效进行跟踪和治理。
[大数据] 2018-05-02 -
要有数据质量检查工具
对数据进行及时监测，通过检查规则对数据进行检查，找出存在的数据质量问题，以便能及时对数据或程序进行整改，进而提高银行应用系统的数据质量。
[大数据] 2018-05-02 -
建立数据质量管理系统
在业务系统建设过程中，往往存在重功能轻数据的情况，致使系统中遗留了大量有问题的历史数据，并且错误数据不断出现。
[大数据] 2018-05-02 -
制定相应的管理手册
明确相应的管理流程 数据质量问题会发生在各个阶段，因此需要明确各个阶段的数据质量管理流程。
[大数据] 2018-05-02 -
在技术层面制定相应的规范和手册
“没有规矩不成方圆”，要做好数据质量管理工作，首先要有明确的理论指导和约束，因此规范和制度先行是极其有必要的。
[大数据] 2018-05-02