数据大集中后，EIM将是银行利用数据进行业务分析和决策的第一步。
3月18日，央行加息第一天，转存款业务量剧增、考验着银行信息系统。自90年代开始，国内各大银行就开始开展数据大集中，到现在为止，工商银行、农业银行、中国银行、建设银行、招商银行、中国银联基本完成了数据大集中的工作。
众所周知，数据大集中的目的旨在提高银行的服务效率、并进行有效的业务分析，提高决策的速度，以增强银行的竞争力，但是，这是否就意味着，实现数据大集中后，银行就能够直接达到这些目的呢？Business Objects副总裁帕斯卡·克莱门特(Pascal Clement)告诉记者，在完成数据大集中后，银行的信息化还有许多路要走，其中最基本、最首要的就是需要对集中起来的数据进行清洗、整合，使之更可靠并方便实时获取，这样才能保证银行能够获得准确、及时的信息，从而做出正确而具有竞争力的决策。
困扰
数据也有优劣之分，准确、优质的数据将会辅助正确决策，而错误、低劣的数据将会导致错误的判断。由IDC2006年底完成的一份题为“了解亚太地区对数据质量的需求及实际状况”的调查报告显示，至少有75%的企业，由于信息不可靠，包括有很多数据质量的问题，导致他们作出了错误的决策;只有10%的信息使用者能够得到作决策所需的全部信息。
绝大多数的财务负责人承认他们面临着很大的压力，其中22%的人表示压力很大，其原因就是他们赖以做出各种业务决策的数据质量低下。有39%的人表示他们每周要花费2～6个小时用来审核和验证各种数据。这表明，低劣的数据质量已经成为令许多企业头疼的问题，直接影响到业务赢利能力、运营以及流程的改善。
帕斯卡说，在获取和构建可靠可信数据信息的过程中，企业都遇到四个方面的障碍，即数据质量问题，不同的数据系统，不一致的术语定义以及数据源的可追溯性等。数据大集中后，银行同样也会面临这样的问题。银行业的业务对象是分散的，这样，其业务系统中的数据不仅量大而且变化快，如果没有做出相应更新的话，那么这样的数据对于决策者来说就是一种误导。如果误导持续下去的话，决策者就会怀疑数据的质量和可靠性，这也是业务负责人不得不花费大量时间来审核和验证各种数据的原因之所在。
消除之道
那么，如何解决这个令人困扰的问题呢？帕斯卡认为，制定企业信息管理（EIM）的策略是银行业在数据大集中后基于准确的数据信息进行正确决策的关键。
|
服 务 CIO 推 进 信 息 化 
