银行数据治理的”四步走”伴随着大数据时代的到来，银行的数据治理也迎来了新的机遇与挑战。如何有效应对数据治理新形势、新要求，是摆在商业银行面前的一项紧迫课题。本文结合国内外的经验及实践，对当前商业银行数据治理现状进行了梳理和总结，并提出了未来发展的方向。

当前我国银行数据治理存在的问题目前我国银行业务发展迅速、规模不断扩大、业务种类不断增加、it系统日益复杂化，随之而来的问题也越来越多：

一方面是海量数据的产生；另一方面是大量信息被存储于不同的数据库中且无法进行有效的共享；

再一方面则是大量的业务应用需要处理海量的数据资源。

这些问题的存在严重制约了银行的信息化管理水平和服务能力提升，亟待通过有效的措施加以解决和改善。数据治理的概念和数据管理的关系数据管理（datamanagement）是指利用计算机技术或网络技术对各类信息资源进行采集加工处理的过程及其结果的管理活动。它主要包括以下几项内容：

（1）信息的获取和处理

（2）数据的组织

（3）数据的存储

（4）信息的检索

（5）数据分析

（6）决策支持

（7）信息安全

（8）其他相关内容在上述各项工作中，“采集”、”加工”、”存储”、”检索”等属于传统意义上的信息管理范畴，“分析”、”决策支持”、”信息安全“等则属于现代信息技术在信息管理中的应用范畴。

因此可以说，”采集-加工-存储-检索-分析-决策支持”就是传统的信息管理和现代信息技术在数据处理过程中的有机结合体即所谓的数据管理工作流程图。

当客户提出需求时才知道要提供哪些服务或产品；当有新的信息系统上线时才意识到需要进行相应的改造升级；当遇到突发情况时需要临时调取某些历史资料才能做出判断…这种状况显然不利于提高工作效率和服务水平进而影响客户的满意度以及业务的持续发展能力！如何实现从被动到主动转变？

这不仅需要改变现有的工作模式和工作方法更需要借助先进的工具和方法来实现！下面将介绍常见的工具和方法以供借鉴使用！

 数据仓库和数据集市。 作为一种新型的数据处理方式其最大的特点在于能够把企业内所有的分散的数据源集中起来进行处理和分析从而得到一个统一完整的视图以便于用户查询和使用。

（1）传统的数据库结构难以满足大规模并行处理的计算量；

（2）传统的数据库结构难以满足多维度的查询；

（3）传统的数据库结构难以满足高并发访问；

（4）传统的数据结构缺乏灵活性；

（5）传统的技术很难保证系统的安全性等等这些问题