数据是信息时代最重要的生产要素之一，也是金融业务的核心。 银行在开展各项业务中，数据发挥着举足轻重的作用： 在个人信贷业务中，可以从多维度掌握客户信用状况； 在个人理财产品销售中，可以对个人资产状况进行评估。 同时在企业经营管理中，可以通过数据来分析市场变化趋势、行业发展状况； 此外还可以对客户消费行为、资产质量等进行分析，为政府决策提供依据。 可见在金融业中，数据扮演着重要的角色。 那么关于银行而言，究竟是什么原因导致了数据无法有效的使用？
1.银行
数据治理缺失
银行
数据治理是一项复杂的系统工程，涉及
数据仓库、数据模型、安全管理等多个领域，涉及业务和技术体系，需要组织架构上的统一协调，同时需要建立一套标准化的实施流程和规范。 在我国银行的数据治理现状来看，主要存在以下问题： 首先是组织架构不统一、部门职责不明确； 其次是
数据标准不清晰、
数据质量管理欠缺； 再次是对内外部信息系统整合程度不够； 最后一个问题就比较严重了，企业没有意识到自身在建立自身信息系统上所需投入和收益之间的平衡。
2.数据应用低效
[数据质量不高]银行的数据通常是以数据产品形式存在，无法形成完整的、统一的数据产品体系，无法对其进行集中存储和统一管理； [数据整合困难]系统之间的信息难以实现共享，业务人员只能被动的从不同系统获取需要的相关信息。 [数据分析困难]由于数据质量较差，无法从大量、分散但具有一定相关性的历史数据中获得有价值信息，无法深入挖掘其潜在价值。 [数据应用低效]由于对数据治理不够重视，缺少科学合理开发建设、维护和应用的规划与实施，使银行在新业务、新产品开发和创新过程中缺乏有效依据。 [技术手段落后]现有系统多为独立建设并运行，缺乏一套完善的、具有良好可执行性和开放性的信息管理架构，不能满足业务部门对系统建设和使用需求。
3.数据质量低下
数据质量问题是制约银行数据使用的主要因素，也是银行对数据进行有效管理的重要前提。 以信贷业务为例，客户经理在日常业务中需要掌握大量的个人信息。 这些数据包括客户的姓名、身份证号码、联系方式、家庭住址等基本信息，而这些内容需要在系统中进行提取，并根据客户信用等级及风险等级等综合考虑来决定是否可以放款。 如果存在数据质量问题，将会给后续信贷业务带来很大不便：
4.数据挖掘难度大
数据质量差，数据挖掘困难。 我们都知道，数据质量差就会导致模型准确率低，而模型准确率直接影响到最终的业务绩效。 所以我们需要把数据质量和模型效果做一个综合评估。 在银行内部，数据质量很难进行控制，因为银行内部业务部门都有自己的系统、流程及数据规范等，但是这些都不是统一标准和要求的。 这就导致了不同的部门会使用不同的标准和要求来制定数据质量提升措施，造成了很多业务部门在执行“有规不依”，不作为现象。
（部分内容来源网络，如有侵权请联系删除）
