2019年金融風(fēng)控行業(yè)大數(shù)據(jù)分析報(bào)告

金融風(fēng)控行業(yè)大數(shù)據(jù)分析報(bào)告2

CONTENTS目錄理解金融科技價(jià)值開(kāi)發(fā)金融風(fēng)控模型創(chuàng)新金融風(fēng)控體系0102033PART1理解金融科技價(jià)值44.34.34.95.98.412.715.129.61.11.01.01.01.31.71.72.0-0.52.005102520153020102011201220132014201520162020E不良貸款余額（千億人民幣）不良貸款率（%）

近幾年，銀行業(yè)的不良貸款規(guī)模和不良貸款率大幅攀升?近年來(lái)，中國(guó)宏觀經(jīng)濟(jì)正面臨嚴(yán)峻挑戰(zhàn)，銀行業(yè)不良資產(chǎn)規(guī)模迅速攀升。截至2016年第四季度，

商業(yè)銀行不良貸款余額達(dá)15122億元，預(yù)計(jì)到2020年，這一數(shù)字將上升至3萬(wàn)億元。

2010-2016年，商業(yè)銀行不良貸款規(guī)模和不良貸款率

年增速1.5

18%1.052.43.04.66.97.88.29.418.30.010.0

5.020.015.020102011201220132014201520162020E年增速

18%

非銀金融機(jī)構(gòu)的潛在不良資產(chǎn)也浮出水面?非銀金融近年來(lái)也迎來(lái)了蓬勃發(fā)展，但由于其業(yè)務(wù)“高風(fēng)險(xiǎn)、高收益”的特性突出，加之風(fēng)控方

面相對(duì)薄弱，因而面臨的不良資產(chǎn)風(fēng)險(xiǎn)更甚于商業(yè)銀行。預(yù)計(jì)2020年非銀不良貸款規(guī)模將達(dá)到

約1.8萬(wàn)億元。

2010-2016年，非銀金融機(jī)構(gòu)不良貸款規(guī)模（千億人民幣）

現(xiàn)在金融科技來(lái)了，它將改變傳統(tǒng)金融模式?

互聯(lián)網(wǎng)金融僅是匆匆過(guò)客，金融科技才是終極風(fēng)口。

互聯(lián)網(wǎng)科技?

互聯(lián)網(wǎng)科技僅僅只是一把尖刀，只會(huì)對(duì)金融行業(yè)

進(jìn)行漫無(wú)目的分解，最終不僅讓人大汗淋漓，而

且無(wú)法真正解決金融行業(yè)本身的痛點(diǎn)和難題。?

以風(fēng)控為例，互聯(lián)網(wǎng)金融時(shí)代之所以會(huì)有諸多亂

象主要是因?yàn)樾袠I(yè)和用戶發(fā)生了變化而風(fēng)控方式

沒(méi)有發(fā)生改變所導(dǎo)致的。

金融科技?

真正與金融行業(yè)深度融合的金融科技則具備破解

金融行業(yè)痛點(diǎn)和難題的潛質(zhì)，并有望將金融行業(yè)

的發(fā)展帶入到一個(gè)全新的發(fā)展階段。?

通過(guò)將大數(shù)據(jù)、智能科技的手段應(yīng)用到金融行業(yè)

的風(fēng)控環(huán)節(jié)當(dāng)中就能夠達(dá)到這樣的效果，海量的

數(shù)據(jù)樣本為我們提供了豐富的用戶和項(xiàng)目標(biāo)本，

通過(guò)這些數(shù)據(jù)，我們不僅能夠?qū)崿F(xiàn)用戶與項(xiàng)目的

完美對(duì)接，而且能夠讓預(yù)判到項(xiàng)目的風(fēng)險(xiǎn)等級(jí)，

提前對(duì)項(xiàng)目運(yùn)行做出預(yù)判，提升金融行業(yè)的安全

性。而智能科技的應(yīng)用則能夠減少人力成本，提

升金融行業(yè)的運(yùn)行效率，通過(guò)建立智能風(fēng)控的模

型，我們用智能機(jī)器人或智能模型來(lái)代替大部分

的人工，從而進(jìn)一步提升金融行業(yè)的效率。

67金融科技正在推動(dòng)金融服務(wù)領(lǐng)域創(chuàng)新與重塑改變玩法1?

將移動(dòng)裝置、社交媒介、分

布式分類帳系統(tǒng)等技術(shù)和新

方法應(yīng)用于金融服務(wù)領(lǐng)域?

如：加密貨幣、智能合約、

機(jī)器學(xué)習(xí)/人工智能工具，運(yùn)

用社交網(wǎng)絡(luò)來(lái)預(yù)測(cè)市場(chǎng)動(dòng)向挑戰(zhàn)中介2?

運(yùn)用新技術(shù)和新工具，旨在

通過(guò)金融脫媒，提高客戶獨(dú)

立性?

如：買(mǎi)方對(duì)買(mǎi)方網(wǎng)絡(luò)、P2P

外匯和貸款平臺(tái)、幫助投資

者自主進(jìn)行交易決策的認(rèn)知

智能工具改良賦能3?

幫助金融機(jī)構(gòu)克服傳統(tǒng)的結(jié)

構(gòu)性障礙和工作流程挑戰(zhàn)?

如：更好觸達(dá)，更好運(yùn)營(yíng)，

更好體驗(yàn)

客戶關(guān)系管理工具供應(yīng)商、

債券匹配代理商、KYC/AML

（了解你的客戶/反洗錢(qián)）工

具、分析、監(jiān)控和網(wǎng)絡(luò)安全

工具改變玩法型企業(yè)將成為顛覆式

創(chuàng)新的重要組成力量顛覆式創(chuàng)新的業(yè)務(wù)模式將逐漸成為金融機(jī)構(gòu)核心業(yè)務(wù)模式的

重要推動(dòng)因素金融科技應(yīng)用主要覆蓋八大領(lǐng)域

支付支付處理，轉(zhuǎn)帳，移動(dòng)支付，外匯，信用卡，預(yù)付費(fèi)卡，獎(jiǎng)勵(lì)計(jì)劃

數(shù)據(jù)&分析大數(shù)據(jù)解決方案，數(shù)據(jù)可視化，預(yù)測(cè)分析，數(shù)據(jù)提供商

保險(xiǎn)經(jīng)紀(jì)，承保，理賠，風(fēng)險(xiǎn)管理工具

借貸/眾籌眾籌平臺(tái)，社交借貸，抵押&企業(yè)貸款

區(qū)塊鏈

投資&交易區(qū)塊鏈協(xié)議開(kāi)發(fā)，數(shù)字貨幣，

投資管理，機(jī)器人咨詢，智能合同，區(qū)塊鏈支付&結(jié)

交易定價(jià)&算法，交易IT，算，資產(chǎn)&身份管理

交易平臺(tái)，經(jīng)紀(jì)，清算

規(guī)劃業(yè)務(wù)流程自動(dòng)化，客戶關(guān)系管理，合規(guī)&了解客戶，庫(kù)存&供應(yīng)鏈管理

安全數(shù)字身份，身份驗(yàn)證，欺詐管理，網(wǎng)絡(luò)安全，數(shù)據(jù)加密

89金融科技涵蓋大數(shù)據(jù)、人工智能等更高層次技術(shù)

人工智能

大數(shù)據(jù)

互聯(lián)技術(shù)分布式技術(shù)

安全移動(dòng)互聯(lián)

云計(jì)算生物識(shí)別物聯(lián)網(wǎng)區(qū)塊鏈

加密金融大數(shù)據(jù)在信貸領(lǐng)域有廣泛的應(yīng)用，重點(diǎn)是風(fēng)控????大數(shù)據(jù)覆蓋信貸領(lǐng)域各個(gè)流程，重點(diǎn)是獲客、身份驗(yàn)證和授信環(huán)節(jié)獲客環(huán)節(jié)建立用戶畫(huà)像跟蹤用戶完整生命周期身份驗(yàn)證環(huán)節(jié)，通過(guò)活體識(shí)別等技術(shù)解決申請(qǐng)人是否本人的問(wèn)題，關(guān)聯(lián)分析則是利用圖關(guān)聯(lián)技術(shù)，找出欺詐團(tuán)伙授信環(huán)節(jié)匯聚多方數(shù)據(jù)源，通過(guò)建模進(jìn)行風(fēng)險(xiǎn)定價(jià)，金融科技服務(wù)商輸出信用評(píng)分給機(jī)構(gòu)使用

獲客用戶畫(huà)像智能營(yíng)銷智能客服生命周期管理

10身份驗(yàn)證

反欺詐活體識(shí)別關(guān)聯(lián)分析

授信風(fēng)險(xiǎn)定價(jià)信用評(píng)分

貸中監(jiān)控交易反欺詐

貸后管理智能催收11大數(shù)據(jù)與其它技術(shù)的融合將顯著提升風(fēng)控效果

算法大數(shù)據(jù)

風(fēng)控

算力云計(jì)算增強(qiáng)計(jì)算能力

AI技術(shù)提升

算法能力

數(shù)據(jù)物聯(lián)網(wǎng)和區(qū)塊鏈解決數(shù)據(jù)問(wèn)題?

大數(shù)據(jù)、AI技術(shù)的融合和優(yōu)化，提升大數(shù)據(jù)風(fēng)控?

活體識(shí)別、OCR、聲紋識(shí)別、虹膜識(shí)別等多種技術(shù)融

合，提供更加全面的身份識(shí)別，降低欺詐風(fēng)險(xiǎn)的發(fā)生?

通過(guò)算法調(diào)優(yōu)和計(jì)算能力提升，半監(jiān)督學(xué)習(xí)等技術(shù)正在應(yīng)

用到反欺詐等風(fēng)控場(chǎng)景，降低對(duì)專家經(jīng)驗(yàn)和數(shù)據(jù)的依賴?

區(qū)塊鏈技術(shù)使數(shù)據(jù)共享成為可能，徹底解決數(shù)據(jù)孤島問(wèn)題?

區(qū)塊鏈技術(shù)解決了數(shù)據(jù)共享的信任問(wèn)題，規(guī)定了數(shù)據(jù)使用

的邊界，保證了數(shù)據(jù)的一致性。通過(guò)區(qū)塊鏈建立多方數(shù)據(jù)

共享平臺(tái)，解決數(shù)據(jù)孤島問(wèn)題，將降低金融機(jī)構(gòu)獲取數(shù)據(jù)

的門(mén)檻與成本?

物聯(lián)網(wǎng)提供線下數(shù)據(jù)，豐富數(shù)據(jù)緯度?

通過(guò)傳感器等設(shè)備采集線下數(shù)據(jù)，如車(chē)聯(lián)網(wǎng)數(shù)據(jù)，將豐富

車(chē)險(xiǎn)駕駛行為數(shù)據(jù)維度，從而實(shí)現(xiàn)風(fēng)險(xiǎn)定價(jià)?

建立金融云平臺(tái)，毫秒級(jí)響應(yīng)?

通過(guò)金融云平臺(tái)，金融機(jī)構(gòu)可以處理PB級(jí)數(shù)據(jù)，同時(shí)應(yīng)

對(duì)百萬(wàn)流量，極大提高風(fēng)控系統(tǒng)的響應(yīng)速度12PART2開(kāi)發(fā)金融風(fēng)控模型133.1特征衍生3.2特征抽象

3.3特征縮放

3.4特征選擇4.1處理樣本不平

衡4.2構(gòu)建分類器進(jìn)行訓(xùn)

練5.1交叉驗(yàn)證+搜索調(diào)優(yōu)參

數(shù)5.2性能評(píng)估1.

場(chǎng)景解析2.

數(shù)據(jù)預(yù)處理3.

特征工程4.

模型訓(xùn)練5.

模型評(píng)估與

優(yōu)化1.1項(xiàng)目背景1.2場(chǎng)景分析

2.1數(shù)據(jù)獲取

2.2缺失值處

理2.3數(shù)據(jù)過(guò)濾

貸款違約預(yù)測(cè)模型-總體架構(gòu)?

以貸款違約預(yù)測(cè)為例，開(kāi)發(fā)金融大數(shù)據(jù)風(fēng)控模型。

貸款違約預(yù)測(cè)模型14貸款違約預(yù)測(cè)模型-1.場(chǎng)景解析1.1項(xiàng)目背景?

作為一家個(gè)人對(duì)個(gè)人的借貸公司--ABC公司成立于2006年。與傳統(tǒng)借貸機(jī)構(gòu)最大的不同是，ABC利用網(wǎng)絡(luò)技術(shù)打造的

這個(gè)交易平臺(tái)，直接連接了個(gè)人投資者和個(gè)人借貸者，通過(guò)此種方式，縮短了資金流通的環(huán)節(jié)，尤其是繞過(guò)了傳統(tǒng)的

大銀行等金融機(jī)構(gòu)，使得投資者和借貸者都能得到更多實(shí)惠、更快捷。對(duì)于投資者來(lái)說(shuō)可以獲得更好的回報(bào)，而對(duì)于

借貸者來(lái)說(shuō)，則可以獲得相對(duì)較低的貸款利率。?

本項(xiàng)目通過(guò)利用P2P平臺(tái)Lending

Club的貸款數(shù)據(jù)，進(jìn)行機(jī)器學(xué)習(xí)，構(gòu)建貸款違約預(yù)測(cè)模型，對(duì)新增貸款申請(qǐng)人進(jìn)行預(yù)測(cè)是否會(huì)違約，從而決定是否放款。1.2場(chǎng)景分析?

貸款申請(qǐng)人向ABC平臺(tái)申請(qǐng)貸款時(shí)，業(yè)務(wù)平臺(tái)通過(guò)線上或線下讓客戶填寫(xiě)貸款申請(qǐng)表，收集客戶的基本信息，這里包

括申請(qǐng)人的年齡、性別、婚姻狀況、學(xué)歷、貸款金額、申請(qǐng)人財(cái)產(chǎn)情況等信息，通常來(lái)說(shuō)還會(huì)借助第三方平臺(tái)如征信

機(jī)構(gòu)的信息。通過(guò)這些信息屬性來(lái)做線性回歸

，生成預(yù)測(cè)模型，業(yè)務(wù)平臺(tái)可以通過(guò)預(yù)測(cè)判斷貸款申請(qǐng)是否會(huì)違約，從

而決定是否向申請(qǐng)人發(fā)放貸款。?

通過(guò)用戶的歷史行為（如歷史數(shù)據(jù)的多維特征和貸款狀態(tài)是否違約）來(lái)訓(xùn)練模型，通過(guò)這個(gè)模型對(duì)新增的貸款人“是

否具有償還能力，是否具有償債意愿”進(jìn)行分析，預(yù)測(cè)貸款申請(qǐng)人是否會(huì)發(fā)生違約貸款。這是一個(gè)監(jiān)督學(xué)習(xí)的場(chǎng)景，

采用邏輯斯諦算法開(kāi)發(fā)兩分類模型。貸款違約預(yù)測(cè)模型-2.數(shù)據(jù)預(yù)處理

2.1數(shù)據(jù)獲取?

首先，通過(guò)內(nèi)置包讀取數(shù)據(jù)

-data

=

pd.read_csv('LoanStats_20

17Q2.csv'

,

encoding='latin-

1',skiprows

=

1)

2.2缺失值處理?

其次，我們查看變量缺失值的情

況

-objectColumns

=

loans.select_dtypes(include

=["object"]).columns

loans[objectColumns].isnull

().sum().sort_values(ascen

ding=False)?用pandas.fillna()處理文本變量缺失值，為分類變量缺失值創(chuàng)建一個(gè)分類“Unknown”?對(duì)數(shù)值型變量的缺失值，我們采用均值插補(bǔ)的方法來(lái)填充缺失值

2.3數(shù)據(jù)過(guò)濾?

第三步，對(duì)數(shù)據(jù)進(jìn)行過(guò)濾,將重復(fù)

性屬性或?qū)?gòu)建預(yù)測(cè)模型沒(méi)有意

義的屬性進(jìn)行刪除

-objectColumns

=

loans.select_dtypes(include

=["object"]).columns

var

=

loans[objectColumns].colum

ns

for

v

in

var:

print('\nFrequency

count

for

variable

{0}'.format(v))

print(loans[v].value_counts

())

loans[objectColumns].shape

1516貸款違約預(yù)測(cè)模型-3.特征工程

3.1特征衍生?

特征衍生是指利用現(xiàn)有的

特征進(jìn)行某種組合生成新

的特征。在風(fēng)險(xiǎn)控制方

面，傳統(tǒng)銀行獲得企業(yè)的

基本財(cái)務(wù)報(bào)表（資產(chǎn)負(fù)債

表、利潤(rùn)表以及現(xiàn)金流量

表），借助于現(xiàn)代成熟的

財(cái)務(wù)管理體系，在不同業(yè)

務(wù)場(chǎng)景的需求下，利用企

業(yè)財(cái)務(wù)報(bào)表各種項(xiàng)目之間

的組合，就可以衍生不同

新特征反映企業(yè)不同的財(cái)

務(wù)狀況

3.2特征抽象?

特征抽象是指將數(shù)據(jù)轉(zhuǎn)換

成算法可以理解的數(shù)據(jù)

-def

coding(col,

codeDict):

colCoded

=

pd.Series(col,

copy=True)

for

key,

value

in

codeDict.items():

……

3.3特征縮放?

特征縮放是指將變量數(shù)據(jù)

經(jīng)過(guò)處理之后限定到一定

的范圍之內(nèi)。特征縮放本

質(zhì)是一個(gè)去量綱的過(guò)程，

同時(shí)可以加快算法收斂的

速度。目前，將不同變量

縮放到相同的區(qū)間有兩個(gè)

常用的方法：歸一化和標(biāo)

準(zhǔn)化

3.4特征選擇?

特征選擇是從給定的集合

中選擇出相關(guān)特征子集的

過(guò)程。通常來(lái)說(shuō)，對(duì)特征

集合做選擇主要有2個(gè)原

因：首先，優(yōu)先選擇與目

標(biāo)相關(guān)性較高的特征，不

相關(guān)特征可能會(huì)降低分類

的準(zhǔn)確率。其次，去除不

相關(guān)特征可以降低學(xué)習(xí)的

難度17貸款違約預(yù)測(cè)模型-4.模型訓(xùn)練

4.1處理樣本不平衡?

非平衡樣本常用的解決方式有2種：1、過(guò)采

樣，增加正樣本使得正、負(fù)樣本數(shù)目接近，然

后再進(jìn)行學(xué)習(xí)。2、欠采樣，去除一些負(fù)樣本使

得正、負(fù)樣本數(shù)目接近，然后再進(jìn)行學(xué)習(xí)。本

次處理樣本不平衡采用的方法是過(guò)采樣，具體

操作使用SMOTE

-sm

=

SMOTE(random_state=42)

X,

y

=

sm.fit_sample(X,

y)

print('通過(guò)SMOTE方法平衡正負(fù)樣本后')

n_sample

=

y.shape[0]

n_pos_sample

=

y[y

==

0].shape[0]

n_neg_sample

=

y[y

==

1].shape[0]

print('樣本個(gè)數(shù)：{};

正樣本占{:.2%};

負(fù)樣本占{:.2%}'.format(n_sample,

n_pos_sample

/

n_sample,

n_neg_sample

/

n_sample))

4.2構(gòu)建分類器進(jìn)行訓(xùn)練?

先初始化分類器，然后查看預(yù)則結(jié)果的準(zhǔn)確

率，接著借助混淆矩陣進(jìn)一步比較?；煜仃?/p>

會(huì)對(duì)分類器產(chǎn)生不同類型的正誤數(shù)量的統(tǒng)計(jì)，

為了更加直觀，我們對(duì)混淆矩陣進(jìn)行可視化。

熱圖顏色越淺代表數(shù)量越多。根據(jù)混淆矩陣，

我們可以分別計(jì)算precision、recall、f1-

score的值，這里我們采用sklearn.metrics子

模塊classification_report快速查看混淆矩陣

precision、recall、f1-score的計(jì)算值。

-from

sklearn.metrics

import

roc_auc_score

roc_auc1

=

roc_auc_score(y,

predicted1)

print("Area

under

the

ROC

curve

:

%f"

%

roc_auc1)18貸款違約預(yù)測(cè)模型-5.模型評(píng)估與優(yōu)化

5.1交叉驗(yàn)證+搜索調(diào)優(yōu)參數(shù)?

采用交叉驗(yàn)證法劃分?jǐn)?shù)據(jù)集，將數(shù)據(jù)劃分為3部

分：訓(xùn)練集、驗(yàn)證集和測(cè)試集。讓模型在訓(xùn)練

集進(jìn)行學(xué)習(xí)，在驗(yàn)證集上進(jìn)行參數(shù)調(diào)優(yōu)，最后

使用測(cè)試集數(shù)據(jù)評(píng)估模型的性能?

模型調(diào)優(yōu)我們采用網(wǎng)格搜索調(diào)優(yōu)參數(shù)，通過(guò)構(gòu)

建參數(shù)候選集合，然后網(wǎng)格搜索會(huì)窮舉各種參

數(shù)組合，根據(jù)設(shè)定評(píng)定的評(píng)分機(jī)制找到最好的

那一組設(shè)置

5.2性能評(píng)估?

根據(jù)模型在不同參數(shù)組合下跑出的分?jǐn)?shù)熱力

圖，來(lái)尋找參數(shù)調(diào)優(yōu)的方向，進(jìn)一步選擇更優(yōu)

的參數(shù)。而實(shí)際操作中，模型調(diào)參是一個(gè)反復(fù)

迭代的過(guò)程。接下來(lái)，使用經(jīng)過(guò)訓(xùn)練和調(diào)優(yōu)的

模型在測(cè)試集上測(cè)試?

經(jīng)過(guò)對(duì)模型進(jìn)行訓(xùn)練和參數(shù)調(diào)優(yōu)后，模型的精

確率表現(xiàn)更穩(wěn)定，同時(shí)模型的準(zhǔn)確率和AUC分

數(shù)都有很大的提升19PART3創(chuàng)新金融風(fēng)控體系20創(chuàng)新金融風(fēng)控體系分三步走完善標(biāo)準(zhǔn)優(yōu)化制度創(chuàng)新流程21完善金融大數(shù)據(jù)標(biāo)準(zhǔn)

基礎(chǔ)類標(biāo)準(zhǔn)?

基礎(chǔ)類標(biāo)準(zhǔn)對(duì)金融業(yè)大數(shù)據(jù)

標(biāo)準(zhǔn)體系的適用范圍、目標(biāo)

進(jìn)行界定?；A(chǔ)類標(biāo)準(zhǔn)包括

術(shù)語(yǔ)、標(biāo)準(zhǔn)化工作指南、從

業(yè)人員基本要求和大數(shù)據(jù)能

力成熟度評(píng)價(jià)指標(biāo)等4個(gè)子

類。?

術(shù)語(yǔ)子類標(biāo)準(zhǔn)用于規(guī)范和統(tǒng)

一各類專業(yè)名詞。標(biāo)準(zhǔn)化工

作指南子類標(biāo)準(zhǔn)明確金融業(yè)

大數(shù)據(jù)標(biāo)準(zhǔn)化工作的任務(wù)、

標(biāo)準(zhǔn)體系、以及標(biāo)準(zhǔn)編制、

實(shí)施和改進(jìn)的主要內(nèi)容和基

本要求。從業(yè)人員基本要求

和大數(shù)據(jù)能力成熟度評(píng)價(jià)指

標(biāo)用于對(duì)開(kāi)展數(shù)據(jù)管理工作

的人員、金融機(jī)構(gòu)提出基礎(chǔ)

性和框架性要求。

業(yè)務(wù)類標(biāo)準(zhǔn)?

業(yè)務(wù)類標(biāo)準(zhǔn)從金融監(jiān)管、金

融服務(wù)視角，按照不同的大

數(shù)據(jù)分析應(yīng)用場(chǎng)景，對(duì)傳統(tǒng)

金融機(jī)構(gòu)、互聯(lián)網(wǎng)金融企

業(yè)、以及其他外部單位需要

報(bào)送或共享的數(shù)據(jù)范圍和格

式進(jìn)行規(guī)范，使數(shù)據(jù)采集、

數(shù)據(jù)傳輸、數(shù)據(jù)處理等各環(huán)

節(jié)的使用者對(duì)數(shù)據(jù)的含義、

標(biāo)識(shí)、用途等有統(tǒng)一的理

解。?

根據(jù)不同的大數(shù)據(jù)分析應(yīng)用

場(chǎng)景，業(yè)務(wù)類標(biāo)準(zhǔn)包括綜合

統(tǒng)計(jì)業(yè)務(wù)子類、反洗錢(qián)業(yè)務(wù)

子類、征信業(yè)務(wù)子類、資管

業(yè)務(wù)子類和其他子類等。

治理類標(biāo)準(zhǔn)?

治理類標(biāo)準(zhǔn)用于指導(dǎo)金融機(jī)

構(gòu)開(kāi)展將數(shù)據(jù)治理工作，以

確保數(shù)據(jù)資產(chǎn)能長(zhǎng)期有序

地、可持續(xù)地得到管理。治

理類標(biāo)準(zhǔn)應(yīng)該是一套經(jīng)過(guò)行

業(yè)實(shí)踐檢驗(yàn)的最佳方法論，

它包括兩個(gè)維度的內(nèi)容：組

織架構(gòu)和治理領(lǐng)域。?

組織架構(gòu)子類用于規(guī)范金融

機(jī)構(gòu)大數(shù)據(jù)戰(zhàn)略、組織架

構(gòu)、制度和流程等。數(shù)據(jù)治

理領(lǐng)域包括數(shù)據(jù)標(biāo)準(zhǔn)、數(shù)據(jù)

模型、元數(shù)據(jù)、數(shù)據(jù)生命周

期、數(shù)據(jù)安全、數(shù)據(jù)架構(gòu)、