银行数据治理系统包括数据质量管理、元数据管理、主数据管理、数据资产管理、数据清静及数据标准等内容。

从手艺实验角度看，银行数据治理包括“理”“采”“存”“管”“用”这五个办法，即营业和数据资源梳理、数据收罗洗濯、数据库设计和存储、数据管理、数据使用。

数据资源梳理：数据治理的第一个办法是从营业的视角厘清组织的数据资源情形和数据资源清单，包括组织机构、营业事项、信息系统，以及以数据库、网页、文件和API接口形式保存的数据项资源，本办法的输出物为分门别类的数据资源清单。

数据收罗洗濯：通过可视化的ETL工具将数据从泉源端经由抽取(extract)、转换(transform)、加载(load)至目的端的历程，目的是将散落和庞杂的数据集中存储起来。

基础库主题库建设：一样平常情形下，可以将数据分为基础数据、营业主题数据和剖析数据。基础数据一样平常指的是焦点实体数据，或称主数据，例如智慧都会中的生齿、法人、地理信息、信用、电子证照等数据。主题数据一样平常指的是某个营业主题数据，例如市场监视管理局的食物羁系、质量监视检查、企业综合羁系等数据。

元数据管理：元数据管理是对基础库和主题库中的数据项属性的管理，同时，将数据项的营业寄义与数据项举行了关联，便于营业职员也能够明确数据库中的数据字段寄义，并且，元数据是后面提到的自动化数据共享、数据交流和商业智能（BI）的基础.

血缘追踪：数据被营业场景使用时，发明数据过失，数据治理团队需要快速定位数据泉源，修复数据过失。那么数据治理团队需要知道营业团队的数据来自于哪个焦点库，焦点库的数据又来自于哪个数据源头。我们的实践是在元数据和数据资源清单之间建设关联关系，且营业团队使用的数据项由元数据组合设置而来，这样，就建设了数据使用场景与数据源头之间的血缘关系。

数据资源目录：数据资源目录一样平常应用于数据共享的场景，例如政府部分之间的数据共享，数据资源目录是基于营业场景和行业规范而建设，同时依托于元数据和基础库主题而实现自动化的数据申请和使用。

质量管理：数据价值的乐成掘客必需依托于高质量的数据，唯有准确、完整、一致的数据才有使用价值。因此，需要从多维度来剖析数据的质量，例如：偏移量、非空检查、值域检查、规范性检查、重复性检查、关联关系检查、离群值检查、波动检查等等。

数据共享交流：数据共享包括组织内部和组织之间的数据共享，共享方法也分为库表、文件和API接口三种共享方法，库表共享较量直接粗暴，文件共享方法通过ETL工具做一个反向的数据交流也就可以实现。