用于指导金融行业开展大数据基础平台建设技术类标准
2019-12-26 19:15:26   来源：东方头条   

技术类标准用于指导金融行业开展大数据基础平台建设。大数据技术本身涉及内容广泛，既包含大数据平台本身的基础软件和各类功能组件，又包括基于业务逻辑的数据建模方法，以及人工智能、机器学习等数据分析技术。在技术类标准的编制过程中，一方面，可参考工信部正在编制的大数据技术标准体系，设计基础平台架构，另一方面，结合金融行业在数据安全和业务连续性等方面的要求，提出大数据应用的技术规范和安全规范。技术标准主要包括通用架构、关键技术、接口规范和安全规范。

通用架构子类标准用于指导大数据平台架构设计。通常来说，大数据平台包括底层的基础平台和上层的大数据应用，基础平台主要实现数据采集、传输、存储、整合及统一呈现，并根据上层的大数据应用场景进行不同类型的数据处理，如批处理、流式处理等。从基础平台功能看，要实现对各类海量结构化数据、半结构化数据、非结构数据的实时或批量的采集、存储和建模计算，平台的计算能力、容量、高可用性、可扩展性、安全性和灾难应对能力是架构设计时关注的重点。同时，各功能组件之间应尽可能松耦合，在架构上应具备一定的灵活性、开放性和可扩展性，能根据上层数据应用需求的变化而迅速做出调整。

关键技术子类包括数据采集、存储、清洗、分析挖掘、可视化、安全与隐私保护等环节的技术实现。

接口规范定义大数据基础平台的接口技术要求，包括与源系统的接口、与上层应用的接口、与其他系统数据交换的接口等，适用于平台的开发建设和维护管理。

安全规范为大数据基础平台及上层大数据应用子系统的安全建设、系统测评和安全运维提供支撑；对数据采集、传输、存储、整合、共享、应用、归档与销毁等阶段提出安全技术防护要求，包括实施指南和评估方法。安全规范子类标准的目标是，在大数据技术环境下确保数据使用安全、利用充分。

如何做好数据标准管理呢？

接下来就以亿信华辰睿治数据治理平台中的数据标准功能模块为参考来简述我们到底该如何去做好数据质量的把控，让我们做到“先治理，避免污染”。主要从两个方面来简述，一是数据标准的建立；二是数据标准的落地及管控。

数据标准监控

数据标准管理

数据标准落地评估查询

提前做好数据的规范以及数据管理的规范可以有效的解决大部分数据问题，睿治数据标准提供标准发现的功能，可以快速的发现哪些字段是需要建立标准的，标准管理员可以自行进行比对和判断，是否建立该标准，然后经过不同的业务部门的评审和会签，既是对新建标准的合法性和权威性的认定，也是对各业务部门数据管理员的一次通知，进而不断地去修正不符合标准的数据，提升元数据质量。业务系统的数据管理员也可以根据监管需要或者业务需要来申请新的数据标准，通过这样两种不同的角色、不同的方式来不断完善数据标准体系。

另外除了不断完善标准体系，还会定期地做元数据的标准覆盖率分析，定期出元数据的标准覆盖率分析报告，对于不达标的系统可以通过灵活的工作流催办，提升元数据的标准覆盖率。除了标准覆盖率分析，还会进行数据标准的落地评估，定期产出数据标准评估报告，对于不达标的元数据进行通报，不能让辛苦建好的数据标准成了摆设。

双管齐下，不仅建立完善的数据标准体系，还得用好数据标准，不能让数据标准文档成为一纸空谈。形成完整的数据标准管理流程，将数据标准的建立前置，而不是等到出现数据质量问题才回头发现是因为某些元数据不符合数据标准导致的，从而避免总是先污染后治理。

保障金融大数据标准实施的建议

1.完善组织保障

建议集中各监管部门、行业协会、金融机构、标准化研究机构等专家资源，成立金融大数据标准工作组，作为全国金融技术标准化技术委员会下设专业领域技术标准工作组之一，进一步完善金融大数据标准体系，推动各类标准的编制工作。

2.加强国际交流

加强与国际监管组织、国际标准化组织、研究机构的交流协作，将国际先进的理念和成功做法及时引进，参与国际标准的编制，增加标准制定的话语权。

3.加强横向合作

加强与国内信标委、信安标委等相关标委会的沟通，以应用为导向加速科研成果转化，推动国内大数据产业发展。

4.加快人才培养

通过开展大数据标准化工作培养一批精通业务、擅长数据、熟悉技术的复合型队伍，为实现金融行业数据的综合利用、支撑科学决策做好人力资源保障。