金融行业大数据治理背后藏着什么样的答案?

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

ZDNET至顶网CIO与应用频道 11月04日 北京消息:金融行业是典型的数据驱动行业,自人民银行携手全国金融标准化技术委员会启动《银行业标准化体系框架》研究工作以来,人民银行先后下发了《金融业机构信息管理规定》、《贷款统计分类及编码标准(试行)》、《存款统计分类及编码标准(试行)》等多项标准,并牵头组建了有24家银行组成的金融统计标准化工作小组,加大数据标准化的工作力度。“数据是重要资产”的观念已经在金融行业成为共识。那么,问题来了:

运用金融行业海量数据分析挖掘的金融行业大数据治理背后藏着什么样的答案?什么才是金融行业大数据治理背后的真实价值呢?

10月29日,受邀出席2014金融业云计算和大数据应用发展座谈会的普元金融事业部技术总监张健,和大家一起来详细剖析这些问题。

大数据治理=数据质量管理?

有初识大数据治理的小白提出,大数据治理就是在海量数据中优选出有价值的数据,以有价值的数据来实现大数据治理价值。这,正确吗?张健明确回复,“NO!”

大数据时代,数据应用的前提是要具备高质量的数据。银监会也早在2011年就明确提出了“建立数据治理机制,积极推进数据标准化和数据质量建设”。要优选高质量的数据,无疑要采用“大数据治理”这一基石和关键平台。在金融行业,谁掌握了数据,谁就拥有风险定价能力,谁就可以获得高额的风险收益,最终赢得竞争优势。但是,大数据治理只需要完成数据质量管理、有价值数据的提取就可以了吗?张健在座谈会上通过某大型政策性银行数据治理整体情况的实例,展现了大数据治理不仅仅有数据质量管理的答案。

移动互联时代,大数据治理更需要在以数据为中心的大数据环境下,以数据服务流程管理为载体,元数据管理、数据质量管理、数据标准管理、数据调度监控管理为手段,建立“一个流程,两个维度”的框架体系。并且,结合开行数据管理办法梳理数据服务流程间的流转关系,实现在管理维度上提供系统支持。而在另一个维度——技术维度上,大数据治理更需要划分为元数据管理、数据质量管理、数据标准管理、数据调度监控管理和数据服务流程管理多个模块,使数据标准管理从数据定义阶段入手贯穿于整个数据生命周期。

就像普元CTO焦烈焱曾经在2014中国金融云平台峰会上强调的那样,当下金融行业CIO们应以资产的角度来管理数据,让数据对内发挥作用,并解决在多种技术混合下的大数据治理的实时性和快速交互等问题,让数据也可以对外产生效益。

大数据治理=数据质量管理+业务环节支撑?

有已接触大数据治理一段时间的用户举手:大数据治理在数据质量管理的基础上对内发挥作用,同时能良好支撑业务,对外产生效益,不就OK了吗?张健仍旧只能答复:“NO!”

普元作为国内领先的基础软件产品与解决方案提供商,自2010年开始已涉足大数据领域,一直走在整个业界的前列。普元数据治理平台Primeton Data Governance能够进行跨行业、多领域数据治理,拥有强大、灵活的数据接入能力,强大的解析能力,多平台一体化的分析能力。在中信银行的项目中,普元团队通过分析,实现了以业务价值为驱动的原则,在元数据信息整合共享、变更影响分析等环节发挥了重大作用,有力提升了日常工作的效率。除此之外,普元数据治理平台Primeton Data Governance在国家开发银行、上海银行等国内金融行业的重点企业,均已成功应用。

但,这些就是足够的了吗?随着金融业务的载体与社交媒体、电子商务的融合越来越紧密,金融行业仅对原有15%的结构化数据进行分析已经不能满足发展的需求,急需借助大数据战略打破数据边界,囊括85%的大数据分析,来构建更为全面的企业运营全景视图。面向大数据时代的移动互联态势,普元力求以先知者的直觉思考金融行业数据治理平台问题,面向金融机构之间的竞争将在网络信息平台上全面展开的“数据为王”时代,引领平台发展。

金融行业大数据治理背后藏着什么样的答案?

大数据治理=构造面向互联网金融的全新生态体系!

目前,普元平台产品不仅提供数据质量管理、支撑业务环节,更全力支持互联网金融时代的大数据应用。张健通过某大型政策性银行数据治理建设思路、某大型城市商业银行数据治理总体结构和某大型资产管理公司数据治理——组织架构设置三个案例,详细剖析了普元软件大数据治理平台在金融行业对接互联网金融时代的成功案例。

这些成功案例,多元涵盖大型政策型银行、大型城市商业银行、大型资产公司,已使普元数据治理平台Primeton Data Governance享誉金融行业。其领先的技术和方法论,基于“大平台”+“微应用”思路创新性地进行企业软件架构设计,构建从“微”做起的IT平台,落点在客户最终体验,即微小的快速服务体验上,使信贷类产品数据标准落地,打通行内贷前、贷后、核算环节产品数据流,提升不同业务环节产品数据的一致性,对业务环节实现良好支撑。同时,全力打造对接互联网金融的全新生态体系:一种平衡的、处于一定自然成长的失控状态的内部IT生态系统,实现数据生态成长。

普元数据治理平台Primeton Data Governance,不仅拥有非实时数据整合、实时数据整合、数据治理、数据发布、数据可视化、数据分析等一系列产品,实现标准化、模块化和动态可持续的一体化解决方案:提供从咨询、数据集成、数据治理到可视化的“一站式”服务,还着重针对风险管理等问题,通过业界流行的流式计算技术Storm,为金融行业这一面向海量客户的服务行业实现应用场景设置、实时风险控制、主动营销、时间预警等功能,为大数据安全保驾护航,已逐步成长为大数据时代企业挖掘数据资产、高效分析、提升业务管理能力的利器,支撑互联网金融环境下数据生态成长体系。

原文发布时间为:2014年11月04日
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
6月前
|
存储 JSON 大数据
大数据离线数仓---金融审批数仓
大数据离线数仓---金融审批数仓
544 1
|
9天前
|
数据采集 监控 数据管理
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第26天】随着信息技术的发展,数据成为企业核心资源。本文探讨大数据平台的搭建与数据质量管理,包括选择合适架构、数据处理与分析能力、数据质量标准与监控机制、数据清洗与校验及元数据管理,为企业数据治理提供参考。
43 1
|
9天前
|
机器学习/深度学习 数据采集 搜索推荐
大数据与金融风控:信用评估的新标准
【10月更文挑战第31天】在数字经济时代,大数据成为金融风控的重要资源,特别是在信用评估领域。本文探讨了大数据在金融风控中的应用,包括多维度数据收集、智能数据分析、动态信用评估和个性化风控策略,以及其优势与挑战,并展望了未来的发展趋势。
|
8天前
|
数据采集 分布式计算 大数据
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第27天】在数字化时代,数据治理对于确保数据资产的保值增值至关重要。本文探讨了大数据平台的搭建和数据质量管理的重要性及实践方法。大数据平台应包括数据存储、处理、分析和展示等功能,常用工具如Hadoop、Apache Spark和Flink。数据质量管理则涉及数据的准确性、一致性和完整性,通过建立数据质量评估和监控体系,确保数据分析结果的可靠性。企业应设立数据治理委员会,投资相关工具和技术,提升数据治理的效率和效果。
36 2
|
5月前
|
数据采集 监控 大数据
大数据时代的数据质量与数据治理策略
在大数据时代,高质量数据对驱动企业决策和创新至关重要。然而,数据量的爆炸式增长带来了数据质量挑战,如准确性、完整性和时效性问题。本文探讨了数据质量的定义、重要性及评估方法,并提出数据治理策略,包括建立治理体系、数据质量管理流程和生命周期管理。通过使用Apache Nifi等工具进行数据质量监控和问题修复,结合元数据管理和数据集成工具,企业可以提升数据质量,释放数据价值。数据治理需要全员参与和持续优化,以应对数据质量挑战并推动企业发展。
1443 3
ly~
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
大数据在智慧金融中的应用
在智能算法交易中,深度学习揭示价格波动的复杂动力学,强化学习依据市场反馈优化策略,助力投资者获取阿尔法收益。智能监管合规利用自然语言处理精准解读法规,实时追踪监管变化,确保机构紧跟政策。大数据分析监控交易,预警潜在违规行为,变被动防御为主动预防。数智化营销通过多维度数据分析,构建细致客户画像,提供个性化产品推荐。智慧客服借助 AI 技术提升服务质量,增强客户满意度。
ly~
100 2
|
6月前
|
存储 SQL 分布式计算
闲侃数仓优化-大数据治理和优化
闲侃数仓优化-大数据治理和优化
68 0
|
5月前
|
机器学习/深度学习 自然语言处理 监控
金融行业的大数据风控模型:构建安全高效的信用评估体系
金融机构借助大数据风控提升信贷效率,通过数据收集、清洗、特征工程、模型构建与评估来识别风险。关键技术涉及机器学习、深度学习、NLP和实时处理。以下是一个Python风控模型构建的简例,展示了从数据预处理到模型训练、评估的过程,并提及实时监控预警的重要性。该文旨在阐述大数据风控的核心要素和关键技术,并提供基础的代码实现概念。【6月更文挑战第23天】
814 8
|
6月前
|
存储 数据采集 算法
大数据平台治理——运营的角度看数仓
大数据平台治理——运营的角度看数仓
53 0
|
5月前
|
存储 分布式计算 DataWorks
MaxCompute产品使用问题之dataworks仅支持maxcompute上面的数据治理吗
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。

热门文章

最新文章

下一篇
无影云桌面