证券行业数据治理案例

简化版

面临问题 image.png
数据治理目标 image.png
数据治理框架 image.png
企业数据模型建设 image.png

数据质量方面的经验教训：

数据质量是对数据可用性的提升，而非追求“完美”，不 是为了管理而管理
数据质量问题，是业务和技术部门的共同问题， 需要共同参与解决 数据质量的提升是一个长期持续的过程，其提升 效果会在实施过程中逐步体现，即“利在未来”！
数据质量问题不仅是事后的纠正，即“治污”， 更需要在源头预防，即“防污”- 源头控标准

数据治理总结： image.png