我国银行数据现状
1、缺乏数据梳理，造成行领导看到的数据相互冲突和矛盾
2、业务职能不清晰或相互重叠，观察数据视角不尽相同，缺少
数据标准与业务统一定义，语轨不一致
3、IT架构中中都是以部门级应用为主（如计财、资金计划部等），缺乏从大的管理职能（财务、风险、运营等）综4、合方面的数据整合、数据标准和统一业务定义
5、由于业务系统输入的随意性，导致部分关键业务
数据质量较差
由于全行的数据散落在各个业务系统中，没有进行有效整合，形成竖井式架构，造成多个信息孤岛，整体架构缺少一个稳定的、抗源变化的保存最细粒度历史数据的数据层。无法支撑未来共享性应用。
业务表现
信息孤岛
数据冗余
共享性差
历史数据缺失
问题
数据分散，难以管理
没有一个稳定的，抗源变化的数据层
缺少统一的数据标准
业务表现
各系统存在冗余数据
各系统存在业务含义一致，名称定义不一致的属性
各系统存在含义不一致，名称定义一致的情况
业务代码定义混乱
问题
重复投入
数据不一致、不准确
难以利用和管理
各系统数据难以共享
数据治理目标
1、数据标准规划化--规范化管理构成数据平台的业务和技术基础设施，包括数据管控制度与流程规范文档、信息项定义等。
2、数据关系脉络化--实现对数据间流转、依赖关系的影响和血缘分析
3、数据质量度量化--全方位管理数据平台的数据质量，实现可定义的数据质量检核和维度分析，以及问题跟踪。
4、数据服务电子化--为数据平台提供面向业务用户的服务沟通渠道。
数据治理方法论
数据治理成熟度评估模型
银行数据治理如何实施
数据治理领域包括但不限于数据标准、数据质量、元数据、数据模型、数据分布、
数据存储、数据交换、数据生命周期、数据安全等内容。数据治理领域是随着银行业务发展变化的，领域之间的关系也需要不断深入挖掘和分析，最终将形成一个互相协同与验证的领域网，全方位地提升数据治理成效。
数据治理解决方案
睿治
数据治理平台是我公司完全自主研发的、开创性的、一站式综合数据治理整体解决方案。睿治是全国唯一实现了数据治理场景全覆盖的突破性产品，九大核心模块：元数据、数据标准、数据质量、
主数据、数据资产、数据安全、数据交换、数据处理、数据生命周期等，以创新的方式保证了企业的业务数据在采集、汇总、转换、存储、应用整个过程中的完整性、准确性、一致性和时效性，全面为客户量身打造符合自身特征的数据治理体系。
睿治始终站在国内顶尖梯队，广泛应用了MQ、分布式计算、zookeeper等最新技术。同时引领国内行业发展趋势：
1、数据质量自动探查，内置常规数理统计算法支持绑定机器学习算法；
2、数据关系智能构建，基于存储过程、sql、数据库定义，自动理解数据之间的关系；
3、资产目录主动感知，活化更新等先进技术，确保成为当之无愧的领头羊。
睿治具备难以超越的核心竞争力：
1、睿治各模块高度融合，各功能可互相调用，全程可视化操作，打通数据治理各环节；
2、先进的产品设计理念，充分依照国际规范、标准，具有国内先进水平；
3、丰富的项目实践经验，深耕大数据领域十多年，着眼于打造数据全生命周期的智能化产品线；
4、专业的服务保障团队，遍布全国，及时响应。
睿治平台致力于打造“平台化、可视化、智能化”数据治理解决方案。
1、架构统一，基于全新Spring Boot+EUI开发，微服务架构，延展性强；
2、全界面操作，“零”表达式治理，实现治理全过程可视化，全角色可视化；
3、内置智能算法，多场景自动化、智能化治理。
睿治的通用扩展性之高，广受好评。平台基于各行业数据共性，采用成熟模块化设计理念，实现各模块功能各行业应用场景普遍适用；平台功能全面，灵活组装，可对数据从创建到消亡全过程监控和治理；平台提供丰富的服务接口，内置脚本支持，全面满足集成、扩展需要。
（部分内容来源网络，如有侵权请联系删除）
