随着大数据及互联网金融时代的来临，银行的数据管理已从单纯的经营管理分析逐渐成为业务经营的重要组成部分。如今银行的数据管理不仅包含银行内部数据，还囊括行外更为丰富的大数据，银行要支持这种新型的数据管理模式，就必须建设与之相适应的企业大数据平台。

数据应用需求旺盛

数据应用的范围越来越广，颗粒度越来越细。从广度上看，现在数据应用和分析工作不仅局限于单领域的数据，往往更注重综合性、跨领域的数据，例如基于统一客户数据视图的客户分类、跨越多个业务领域的资本计量等；甚至有部分分析内容需要进一步横向对比行内外的数据。从深度上看，当前业务分析对数据的计量颗粒度越来越细，逐步开始出现从总账、分户账向明细账和流水账延伸的趋势。

数据分析的灵活度和复杂度越来越高。当前，越来越多的业务经营数据分析已经不拘泥于简单的数据统计和汇总，数据应用需求中关于复杂计算和灵活应用的内容越来越多。原因主要在以下两方面：一方面业务部门在统计报表和计量模型当中提出了越来越多需要提供灵活配置和查询的需求规则。另一方面业务部门提出的数据统计计算规则的复杂度与日俱增，部分系统中甚至出现大量需要使用求导、积分，乃至使用傅里叶级数、拉普拉斯变换等专业性极强的数学计量公式。

数据应用需求越来越多，响应速度要求越来越高。近年来，随着商业银行对数据应用逐渐重视，数据应用的需求越来越多。业务对数据应用和分析的需求多到有时无法靠系统开发就能满足，更多时候需要科技部门抽调专门的人员利用手工，从生产系统临时性抽取数据，做及时的响应加工。

数据管理存在不足

商业银行的大数据平台应当能够充分挖掘数据价值，实现业务创新、营销创新、服务创新和管理创新。与这样的目标相比，当前商业银行的数据管理工具和服务支持体系还存在一些问题和需要改进的地方。

数据应用制度体系不健全。数据全生命周期管理流程不完整，没有形成完善服务流程各环节的指标规范，难以保证数据服务的规范、及时和有效。

数据应用基础工具不完善。没有在企业级层面形成统一的数据应用和管理系统，同时系统之间还存在数据重复加工、重复存储等现象。

数据管理维护不到位。目前出现的情况是，“管的不用，用的不管”，系统中数据质量不高。

数据标准体系不健全。缺乏专业领域的企业级标准，且由于考核机制、推动力度、建设历史等原因，系统中数据标准难以统一。

多措并举夯实平台

要解决以上问题，关键是重视数据资产价值，提升数据应用和挖掘水平，真正建立起满足商业银行业务经营需要，适应互联网金融发展的企业大数据平台，并加强制度与流程建设，制定企业级数据标准，全面提升企业级数据服务支持能力。

强化基础工具建设，构建企业级大数据平台。在应用架构上，采用业界通用架构建立集数据采集、清洗、转换、存储、质量监控、数据补录和报表管理（配置、加工和展示）全流程于一体的应用功能结构，以实现对数据全生命周期管理的支持；在数据架构上，要构建符合自身实际应用要求的企业数据应用模型，并以此为基础逐步完成对单领域数据集市的整合，以提高数据的一致性和共享程度；在基础架构上，结合当前技术较为先进的大数据应用技术，构建满足大型商业银行需要的“云数据”基础架构；在大数据平台基础上，构建“数据模型挖掘实验室”，满足近年增长较快、计算规则复杂、灵活度要求较高的新型业务数据应用要求。

加强制度和流程建设，构建数据服务支持体系。当前，商业银行对于信息数据的配套支持服务要求越来越高，有必要建立完善的配套服务支持体系。研究制定数据服务支持相关的制度，明确信息数据申请、提取、加工、交付、使用、回收、备份和销毁的服务流程，强化规范，提升效率，防控风险；建立专门的数据服务支持团队，落实数据服务支持责任，并建立配套的考核机制，确保为各类业务经营分析提供专业化的数据支持服务；强化各类数据应用配套的资源保障机制，在大数据平台基础上，建立数据应用资源缓冲池，针对临时性、一次性、不定期的各类数据应用服务要求，提供灵活、快捷的资源保障。

细化标准规范，提升数据服务支持能力。企业级大数据平台和数据服务支持体系是保障数据服务支持能力的基础工具和平台。在此基础上，商业银行需要不断完善和提升数据服务支持能力，重点应从以下几方面努力：建设数据标准体系，逐步厘清信息系统中现有的数据资产，建立《信息数据资产目录》，逐步形成标准化的数据服务（产品）；以数据服务支持流程为主线，逐步梳理明确各环节的工序指标，不断细化和完善数据服务各环节的服务质量；尝试将数据服务纳入IT服务计价体系，推动全行重视数据资产，充分发掘资产价值；建立配套的数据服务应用手册，为全行更好地进行数据查询、数据应用和数据挖掘提供指导，推动数据应用和挖掘水平提升。