银行数据治理的难点在于，银行内部存在大量的数据孤岛，各个业务条线、部门之间存在着大量不共享、不通用的系统。因此，如何将分散在各部门的数据进行整合与打通成为数据治理的关键问题。数据治理的目标是实现跨部门、跨系统的数据集成和共享共用，以提升企业整体运营效率。

商业银行的数据治理工作主要包括以下内容：

（1）建立统一的企业级大数据平台；

（2）建设完善的企业级数据库体系；

（3）构建企业级的数据分析应用平台和数据安全防护体系等。

银行数据的采集方式有四种：

人工录入、手工处理或自动生成报表以及通过外部渠道导入等。其中前三种方式主要依赖于人的经验判断和经验积累，而最后一种则依赖于机器智能和大数据分析技术。目前国内银行普遍采用的是”集中式管理”模式（如上所述），即将所有信息都集中在总行的大数据处理平台上统一管理，然后根据各分支机构的业务需求进行个性化配置和管理输出结果给分支机构使用。这

种模式的优点是可以避免信息孤岛的出现和减少重复劳动的工作量；缺点是成本较高且无法满足分支机构个性化的要求。因此近年来越来越多的银行开始采用”分布式管理”的模式，即将所有的数据都分布在不同的机构中由不同的it人员来维护和管理并定期向总部汇报情况。这种模式的优势在于可以降低总部的it投入成本同时提高信息的准确性和及时性；劣势则是由于不同地区的信息水平不一致可能会导致决策失误或产生误导性的结论从而造成损失或者引发风险事件的发生。

（注：”集中式”、”分布式”的概念来源于《中国银行业监督管理委员会关于加强银行业金融机构科技监管工作的通知》）

从目前来看，”集中式”、”分布式”两种管理模式各有优缺点并且未来这两种模式将会长期并存下去。

（注：本文讨论的是基于云计算架构下的金融行业大数据分析平台的搭建方法及实践。）