文档介绍：.
傻慨慢井殆滩圾腮言湛糕厂酸菏稠阳愿柑宾赎订铃鳖颈盆沮器网悼麻枉步愁唬贪峪影冬毫瘪绩永露箭幕戒留狈爆傻帕屡胰推污孰悔逻颁疡募氖驯谬殆钞添箭妊陇明贵扔溜聊妇魂坦小漆甄喉叛惩煌毙喉咀草呀娃喷涕吟处囤株虫扇姜龙披姐餐镰副犯占敢抽杀痉忌磐腾哲煎治理各角色各司其责、协同配合。同步，树立数据是银行重要资产和数据应真实客观理念与准则，持续丰富内外部数据资产内涵与外延，建立大数据资产地图，为未来实行全面数据资产管理奠定坚实基础。
治理方略由管控驱动向服务驱动转型。老式管控型数据治理强调是管理流程和管理规范，重要目是做数据管控。在大数据时代，数据价值凸显，数据治理价值不能仅局限在管控层面，而是转变为面向全顾客“服务型”数据治理，数据治理要定位于“数据”与“顾客”之间“中介”，更多关注自身数据服务能力，让各部门在合理使用数据同步，自然地把数据管理工作顺利完毕， 以业务为导向，以服务推管理，通过重新定义银行业金融机构中各组织构成在数据治理活动中角色，建立互相协作、互相增进管理模式，发明出全新数据治理生态圈。
增进数据连接与增值，多方式衡量数据价值。内外部数据进行连接与整合后， 将数据对内和对外共享是银行应用数据、提高数据活跃性、让数据持续保值和增值必然规定。银行应建立适合自身特点数据统筹管理与共享机制，通过多种数据应用模式向行内外多种数据使用者提供高效、便捷数据服务，让数据在更广泛范围内实现流动与共享，加强数据互联互通，这增进了数据充足应用，产生更多连接和增值。与此同步，需要建立数据价值评估与衡量方式措施，以及数据资产价值评估与衡量维度，例如适时性、关联性和活跃性等，实现对内和对外数据价值有效衡量，这样有助于明确数据价值与加速变现。 问题与挑战
治理体系化建设有待完善。目前多数银行都具有一定数据治理架构基础，但缺乏配套且完善数据治理机制和体系， 往往体现成果是数据治理工作仅由牵头部门单线作战，数据原则统一和数据质量整改工作都难以推进。为此，需结合行内实际状况、业务和IT战略，建立合理可行治理体系化建设规划，波及管理层以及各有关部门参与及配合，从方略和架构、制度和流程到技术平台各个方面均需要进行周全考虑，不能顾此失彼。
关键数据缺乏统一管理。多数银行客户、产品、机构、员工等关键数据管理职能分散在行内不一样部门，由于职责分散，缺乏统筹管理与整合，虽然拥有一套行内基础数据原则，但由于缺乏跨业务条线协调与管控机制，无法实现最佳实践指导与合理应用，导致关键数据在营销管理、账务核算、业绩管理和记录分析等数据应用领域出现一系列问题，如数据加工难度较大、处理逻辑复杂、数据时效性差、指标口径不一、报表数据差异等， 无法建立完整统一视图，给数据应用带来较大困扰。
业务部门参与程度不高。数据治理是系?y工程，应当从下至上，做到人人有责、层层把关。不过在目前实际工作开展过程中，诸多银行往往认为“数据治理是技术部门事，业务部门不应关怀细节”，将有关利益人和负责人范围窄化在银行信息技术部门。其实否则，业务部门作为数据采集者、所有者和使用者，不仅是数据原则与采集规范定义部门，还是可以最早发现数据质量问题第一道防线，是数据问题直接影响方，同步也是数据应用和数据价值最大受益者，业务部门应树立“主人翁”意识，积极投身到积极式数据管理工作中。此外， 站在数据生命周期