{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","title":"人工智能与大数据技术导论","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787302517986","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","id":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","uuid":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","title":"人工智能与大数据技术导论","normalized_title":"人工智能与大数据技术导论","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787302517986","isbns":["9787302517986"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":490,"navigation_url":"https://workshop.closeclaw.top/ai/book/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","title_url":"https://workshop.closeclaw.top/ai/title/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%B8%8E%E5%A4%A7%E6%95%B0%E6%8D%AE%E6%8A%80%E6%9C%AF%E5%AF%BC%E8%AE%BA","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","page_url":"https://workshop.closeclaw.top/api/ai/books/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/page","search_url":"https://workshop.closeclaw.top/api/ai/books/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/search"},"page":{"printed_page":409,"pdf_page":425,"physical_index":425,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"cbdd21d8368535fbe364eca2ab5d7193de37e795a41bfdb1e482c71f261f5838"},"chapter":"第13章","content":"其次，数据分析中心将逐步从成本中心向利润中心转变。通过对数据的深入挖掘与使用，科技部门对内可以研发推广数据产品，开展数据运营，创造业务效益，对外可以提供数据服务能力输出，通过外部合作实现数据资产的增值变现，直接给银行带来营业收入。\n\n4. 建立“开放、共享、融合”的大数据体系\n\n银行拥有丰富的信息系统和数据资源，每个系统及其数据都有归口的业务部门。数据虽多，但整合困难。数据的存在状态反映了整个组织的现状，即“部门分制”。数据在组织内部处于割裂状态，业务条线、职能部门、渠道部门、风险部门等各个分支机构往往是数据的真正拥有者，而这些拥有者之间却常常缺乏顺畅的数据共享机制，跨业务条线、跨部门的数据利用一般要经过跨条线、跨部门的协调和审批。这种模式导致了金融机构中的海量数据往往处于分散和“睡眠”状态。而大数据要想发挥大价值，需要“全量”数据的支撑，要求金融机构的内部数据必须实现高度整合和共享。目前，多数银行还没有建立“开放、共享、融合”的大数据体系，数据整合和部门协调等问题仍是阻碍金融机构将数据转化为价值的主要瓶颈。\n\n5. 制定大数据安全策略\n\n大数据的整合、跨企业的外部大数据合作不可避免地加大了客户隐私信息泄露的风险。银行业在因大数据而获益的同时，也面临着随之而来的风险。信息安全事件的频发将大数据安全问题推向了风口浪尖，有效防范信息安全风险成为商业银行大数据应用中急需解决的问题。\n\n商业银行要合理制定大数据安全策略，一是围绕大数据生命周期进行部署，在数据的产生、传输、存储和使用的各个环节采取安全措施，提高安全防护能力，减少内部违规及管理疏漏风险，并出台相关安全法规，理性分析“大数据热”，扎实做好基础性工作：二是在数据存储、数据访问、数据传输和数据销毁等多个环节做好数据安全控制，提高安全意识，出台相关法规和政策措施，合理改造、建设和布局IT基础设施。\n\n13.4.2银行大数据体系建设的思考\n\n商业银行大数据体系建设是一个系统工程，门槛较高、投入大、周期较长、影响面广且深远。商业银行在大数据体系建设中可借鉴互联网企业、电信运营商等先进企业的经验，结合自身特点，综合考虑以下原则。\n\n1. 业务为本、应用为先\n\n大数据应用的目的是创造价值。银行大数据服务能力只有与业务场景、业务产品、业务经营活动结合起来，才能转化为业务价值。\n\n大数据不能一味追求“数据规模大”，而要坚持“业务为本、应用为先”。只有这样，才能让大数据建设有明确的方向，才能得到管理层和业务部门的支持，否则可能陷入大数据的汪洋大海，迷失在各类数据处理或各种新技术研究中。\n\n第13章 银行业大数据和人工智能\n\n409","previous_page":408,"next_page":410}