如果你愿意的话，想象一下，一个“垃圾”柜子里堆满了各种你认为离不开的“必需品”，这些物品据称的基本性质呈现了我们许多人在清理时面临的困难，我们为试图决定哪些东西可以保留、扔掉甚至捐赠而苦恼。
在很多方面，这类似于数据治理。银行业高管经常哀叹，他们到处都有数据，但不知道它在哪里，其次是担心保护数据隐私，感觉像是一场失败的战斗，因为他们拥有的数据不能被信任。这确实是一个缩影，说明了为什么健全的数据治理很重要。
通常，数据治理包括挖掘数据、对数据进行分类、设置适当的指导方针和标准，并通过规则实施这些标准。归根结底，这是为了管理和治理数据风险，但对于大多数企业来说，这感觉像是一项无穷无尽的任务。通常，个别业务线将采用自己的数据流程和标准，而不是通过更广泛的治理计划创建的数据流程和标准。
这不可避免地会导致数据质量降低。HFS Research最近的一份报告发现，新加坡和澳大利亚58%的受访者认为他们的数据中有多达一半是错误的或不可用的。很能说明问题的是，虽然这两个国家80%的受访者表示他们对自己的数据有信心，但只有60%的人能证明数据的可用性。那么，我们需要的是一种战略方法，并得到一套流程的支持，这些流程确保银行足够数据驱动和足够灵活，以遵守监管规定，并提供满足具有不同金融需求的不同客户的期望的产品。
适应时代变化的数据治理
为了理解为什么数据治理对银行至关重要，我们必须了解金融服务组织在现代化过程中面临的潜在挑战。将新的云应用程序或物联网设备部署到已安装传统本地系统的环境中，意味着需要管理更多数据孤岛和数据集，这通常会导致银行的数据量、种类和速度增长得太快。
这导致了IT复杂性——由技术债务或对拼凑而成的系统和一次性连接的依赖所驱动。不仅如此，它还带来了“影子IT”的幽灵，因为员工在执行任务时会寻找解决办法来解决问题，这可能会给试图以与业务战略一致的企业范围内的一致方式识别和管理其数据资产的银行造成困难。
最终，几乎不受控制的数据会导致错误的财务报告、数据隐私被侵犯以及不遵守消费者数据法规。如果不能应对这些风险，可能会导致罚款、损害品牌形象，并引发销售损失。可以说，更重要的是，金融部门被赋予消费者、供应商和员工的个人身份信息——不履行这一职责将有损信心，而信心是金融的基石。
事实上，在金融领域的信任方面，出现了一个有趣的趋势。最新的新加坡银行业信托指数年度调查显示，74%的公众相信该行业能够驾驭当前的风险。然而，随着数字化转型的继续，未能协调不同利益相关者的数据管理，引发了人们对这种信心能持续多久的怀疑。
用全面的方法提高成果
克服这些风险取决于对隐私保护采取正确的方法，同时提供一致、及时和准确的信息，业务分析师可以随时访问这些信息。全面的数据治理框架应直接解决以下问题：
- 监管合规和风险管理——银行面临重大风险，金融服务业受到严格监管。通过提高数据的质量和可靠性，全面的数据治理框架有助于遵守法规要求，并将合规风险降至最低。
- 运营效率——来金融服务领域颠覆者的崛起可归因于利用来自各种内部和外部来源的结构化和非结构化数据的能力。像金融技术公司这样的后起之秀颠覆了传统格局，可以比传统同行更快地提供多样化的金融服务。为了跟上这些新进入者的步伐，银行需要一个明确的战略，通过消除数据冗余、减少错误、确保数据一致性和协调高效的数据处理来提高运营效率。
- 客户体验和满意度——确保高质量、可操作的数据，强大的数据治理政策使银行能够提供最新的个性化服务，从而增强客户体验。这反过来又提高了客户的满意度和忠诚度。数据治理还通过提供捕获、存储和更新客户同意首选项的机制，帮助银行按照法规(如欧盟的GDPR)管理客户同意和首选项。
- 创新和竞争优势——以可靠地依靠高质量的数据时，就有了识别新机会、分析趋势、开发创新解决方案和获得竞争优势的坚实基础。拥有进行高级分析的能力，银行可以推动创新，以及识别追加销售和交叉销售机会。
实施数据治理策略需要系统的方法，融服务组织可以通过支持完全配置的AI自动化来增强数据治理战略，以便可以在请求时安全地交付数据，这些功能还使金融服务组织能够通过基于角色的权限来屏蔽敏感数据，防止未经授权的用户查看这些数据。
通过明确的目标、坚实的框架以及由低代码、云原生和统一平台驱动的自动化的力量，银行可以定位自己，以利用数字经济背后出现的机遇。通过在数据激增时掌握数据，银行可以以更快的速度竞争，释放出蓬勃发展的灵活性和创新。
