解决银行数据治理难题，飞算SoData实现数据实时调用

近年来，数字经济的蓬勃发展推动了银行等金融机构的数字化转型。突如其来的疫情，更让其对数字化转型的渴求愈加迫切。随着数字化转型步伐的加快，对数据治理的要求也越来越高。

早在 2018 年 5 月，银保监会就发布了《银行业金融机构数据治理指引》，从数据治理架构、数据管理、数据质量控制、数据价值实现、监督管理等方面规范银行业金融机构的数据管理活动。

日前，中国人民银行科技司副司长罗永忠就曾公开强调，数据治理已成为金融机构面临的重大挑战，做好数据治理与融合应用刻不容缓。

然而“数据治理涉及范围广、投入成本高、持续周期长、成效显现慢”，特别是数字化转型对其提出了更高要求，使得银行等金融机构在数据质量、数据标准和数据安全方面仍面临困境。

首先，数据质量有待提高。由于业务特性，银行业积累了海量的数据，但是数量多并不代表质量高。据调查， 2020 年，多家银行因数据报送存在不及时、不全面、不准确，从而导致违法违规行为被处罚。由此可以看出，银行的数据质量还没有达到业务需求标准。根据中国银行业协会和中小银行联盟联合发布的《中小银行数据治理研究报告》调查显示，92.1%的受访银行经常遭遇数据质量问题。

其次，数据标准有待统一。银行数据种类繁杂，来源不一，因此数据分散、杂乱，难以有效整合，一些银行对建立的数据标准执行不严格，落实不到位，一些银行甚至没有统一的数据标准，由此造成数据碎片化和数据孤岛问题突出，极大阻碍了数据治理工作的进行。去年 7 月发布的《中国区域性银行数字化转型白皮书》中显示，“数据基础较差、整合存在难度”是区域性银行数字化转型面临的最大挑战之一。

最后，数据安全亟待解决。银行之所以被大众信赖，就是因为其安全性有保障。但是银行的数据安全，却十分令人心忧。一直以来，银行的数据安全问题层出不穷，数据滥用、数据泄露、数据污染、数据非法使用等现象更是频频发生。就在去年 4 月，有监测机构发现，境外黑客网站出现多个出售国内银行客户信息的帖子，疑似是多家金融机构的百万客户数据资料被泄露所致。数据安全不仅影响银行自身，还涉及用户信息保护，严重的甚至会扰乱社会秩序，危害国家安全，不得不重视。

另外值得注意的是，很多银行没有专职数据治理人员，不具备专业的数据治理能力。而传统的ETL数据治理流程，需要专门的ETL开发人员，通过Sqoop、datax、kettle等集成工具进行数据处理。不但对人员技能要求高，而且耗时费力，无法满足银行数字化转型对数据治理的要求。

所以，银行想要实现数字化转型，必然要通过更多创新工具的有效支持，建立一体化的数据平台，将分散设立的系统接入平台，使该平台能够覆盖银行全部数据的全生命周期，为数据整合和数据治理提供系统支撑。

飞算SoData，作为一站式数据治理系统，其诞生的初衷就是为了帮助企业、机构实现数字化转型，致力于提供高性能、安全可靠、批流一体的数据融合与管理服务。数据治理流程一体化，从ETL到计算分析，最后落地，都有完整的流程控制，只需要通过界面操作来配置源库、目标库和表信息，平台自动加载到spark表，在spark内跑计算分析任务，完成后自动落盘到目标库，操作人员简单培训就能上手，不用担心缺乏专业技能。

而且，对于银行所面临的数据质量、数据标准和数据安全问题，飞算SoData数据治理系统也给出了精准的解决方案。

首先，数据质量管理提供 13 种质量检查规则，可覆盖大部分数据质量问题场景，实现质量问题自动检查，自动生成质检报告，协助客户完成质量分析、质量整改、质量监控，全面提升数据质量。

其次，数据标准管理提供了一套完整的数据标准管理流程及办法，通过一系列活动，统一数据标准的制定和发布，结合制度约束、系统控制等手段，有效消除数据的不一致性，建立从数据采集、开发、生命周期管理的全链路数据标准。

最后，建立完善的数据安全体系，确保数据被合理使用，避免数据泄露，将数据安全融入到数据全生命周期管理中，进行全方位地保护。

飞算SoData的核心设计者陈定玮表示，企业要做好数据治理，以下三点是关键:一是建立覆盖数据生命周期的全链路管理，二是建立全链路数据标准，三是立体化衡量治理效果。

据悉，飞算科技基于团队在相关领域多年的实践经验，坚持技术与应用深度融合，致力于为银行等金融机构提供科技支持与服务，助力其在实现数智化转型道路上弯道超车。因为在数据治理以及为金融机构数智化转型带来的显著成效，飞算科技荣登“FSF100 数字金融竞争力卓越榜”并斩获 “ 2020 金融机构卓越数字供应商”奖。