开展数据综合利用的探索

一．树立“数据为基础”工作理念根据总局外汇管理的要求，监测分析工作将成为外汇管理系统内一项重要的基础性工作，而监测分析工作需要对现有数据进行分析和综合利用。通过加强宣传培训，在全省外汇管理干部中树立“数据是基础”的工作理念，增强其对数据的敏感性。通过对数据开展分析和综合利用，不断促进监测分析工作的开展。     

如何构建商业银行数据分析能力

数据是银行的战略性资产
　　在银行业高度信息化的同时，盈利水平和发展规模也在不断扩大，积累的客户数据、交易记录、管理数据等呈爆炸性增长，海量数据席卷而来。信息未必一定通过数据来展现，但数据一定是信息的基础，海量数据意味着海量机遇和风险，可以通过多种方式为银行提供变革性的价值创造潜力。如何利用数据这一商业银行重要的资产来开展有效的分析和挖掘，从而促进管理并提升企业价值，是目前大多数商业银行所面临的重要挑战之一。     

金融创新 数据为源

近年来，我国金融业持续深化市场化改革，产品创新步伐不断加快。随着客户信息和市场信息获取渠道的日益多元化，如何通过对结构化数据、半结构化数据和非结构化数据的整合分析，洞察、把握及有效选择客户，成为金融业面临的共同课题。大数据技术的产生，适逢其时。     

基于大数据和人工智能技术的数据治理与信用评价模型构建

本文将大数据、人工智能等技术引入信用评价与投资管理领域，通过多源数据融合方案和数据自动化校验，提高数据质量。在获取数据的基础上，构建智能信用评价模型，动态评估发债主体和交易对手的信用情况，提升金融机构的风险管控能力。     

国有企业数据产品定价解决路径浅析

数据要素化和资产化的相关政策正在不断落实，数据资产化目前在各行业已得到广泛关注。在《企业数据资源相关会计处理暂行规定》《数据资产评估指导意见》等数据资产化财会文件出台背景下，数据资源“入表”无疑推动了企业数据资产化的进程，使数据资源成为企业的一项重要资产，可以为企业带来商业价值和经济利益。同时国有企业数据资产所形成的数据产品定价等方面也面临挑战，本文通过对国内外数据资产定价方式进行梳理，结合数据产品定价理论及实践方面的研究，提出了国有企业数据产品定价解决路径。     

握奇数据成为近4年唯一通过央行SPA／DPA攻击测试的厂商

近日，握奇数据的TimeCOS系列产品通过了央行的SPA（Simple Power Analysis，简单能量分析攻击）和DPA（Differential Power Analysis，差分能量分析攻击）攻击测试。握奇数据由此成为近4年来国内首家通过该测试的厂商，是目前最早也是唯一通过此类攻击测试的厂商。     

借助数据管控能力打造竞争优势

长期以来，广发银行高度重视数据管控工作，为此，成立了以行领导为首的数据管控委员会、负责组织整体工作的数据管控办公室以及负责具体事务的四个管理团队。在组织架构的定义上，通过确定一系列的岗位角色和相应的责任，在技术部门和业务部门层面定义了清晰的责任和目标，并在不同的数据管控维度之间建立稳定的矩阵式分工合作关系。     

浅析人民银行省级区域性数据的集中管理与利用

本文从技术角度出发，分析了人民银行省级区域性数据集中管理的意义，探讨了信息系统数据集中管理与利用的途径和方法。通过对目前人民银行计算机信息系统建设和使用现状的分析，提取出近期能够集中并具有集中意义的各种可能，对其中具有代表性的集中方法展开分析，为今后的数据集中整合工作寻找突破口。同时，在数据集中管理的基础上探讨了数据综合利用的有效途径。     

数据挖掘:构筑企业竞争优势

数据挖掘是从数据当中发现趋势和模式的过程，这一过程的目的就是通过对大量数据的分类，从而发现新信息，人们通过数据控制得到的回报就是将这些新发现的知识转变为经营与管理上的成果，成为决策进行决策的可靠依据，也是分析复杂信息的最佳选择。     

金融数据共享利益冲突平衡的法律进路

数据是数字经济时代最重要的生产要素之一，流动的数据才能发挥数据价值，金融数据共享是数据流动的一种形式。金融活动中金融数据在不同金融机构之间、金融机构与科技企业之间、金融机构与金融监管机构之间共享，金融数据控制者对其所控制的数据的财产性权益期待是促进数据共享的动力。金融数据中有大量关涉个人信息的数据，而且金融数据安全关系到国家金融体系安全，在确保国家金融体系稳健和个人信息安全的前提下，将金融数据权利赋予金融数据控制者，有利于促进金融数据共享，最大限度地挖掘金融数据价值。为平衡金融数据共享主体之间的利益冲突，应当以确定数据权属为底层逻辑，优先保障个人信息权益，并通过引进侵权惩罚性赔偿机制，调整惩罚性赔偿金分配机制和个人信息侵权公益诉讼规则，完善个人信息侵权赔偿制度。     

当前外汇指定银行现场检查存在“四个不易”

剥离数据不易。一是外汇指定银行业务数据在北京、上海等异地中心系统里，剥离数据需要通过异地中心解决，业务数据剥离进展缓慢；二是剥离表上的部分要素难以从银行业务中直接剥离得到，需要通过手工逐笔翻阅有关凭证填补；三是剥离出口的数据，需要剔除非检查数据，或删除重复数据。     

大数据背景下医院财务管理创新模式研究

大数据时代为医院财务管理模式的创新和发展提供了新的思路，因此，本文通过阐述了大数据对医院财务管理创新的重要性，分析了我国医院财务管理的现状，联系我国医疗制度改革的实际情况，提出了基于大数据背景下医院财务管理创新模式的有效策略。     

大数据在公权力监督工作中的应用探析

大数据信息技术的发展，给国家治理、政府治理和社会治理带来了巨大的变革和机遇，也为公权力监督工作提供了新的思路和方法。公权力运行产生的数据具备大数据的基本特性。通过大数据技术，可以推动对公权力的监督实现从“人力驱动”向“数据驱动”转变，从“业务数据化”向“数据业务化”转变，从“个案监督”向“类案治理”转变。本文就大数据技术在公权力监督中的应用进行了探讨，旨在探索如何构建大数据助力公权力监督新模式，推动纪检监察工作的创新和发展。     

元数据在银行业信息资源共享和整合中的应用

信息资源的共享和整合是银行业信息技术的研究热点与实现难点。通过引入元数据概念并建立信息资源目录，规范信息资源描述标准，为实现信息资源快速定位、检索和资源共享提供更加有效的途径。同时，元数据对数据元素的标准化约束有助于消除多方歧义理解，提高资源及数据质量，为实现以数据仓库为中心的数据架构创建良好的数据环境。     

银行测试数据合成有“招”

在测试过程中，测试数据的准备工作量大，技术含量高。考虑到银行业对安全敏感数据的关注和对测试的高要求，制造出符合测试需求的数据不失为一个好方法。本文介绍的测试数据合成方法实现了针对多类型主流数据库的数据合成。通过自动化和手工相结合的方式对数据进行多层次的限制和定义，合成符合需求的数据，能够在很大程度上方便用户准备测试数据。     

大数据试验区设立是否改善了乡村生态环境质量？

国家级大数据综合试验区的设立为经济社会发展注入了强大动力，同时也为化解乡村生态破坏和环境污染问题提供了重要支撑。在分析大数据试验区设立影响乡村生态环境质量的理论机理基础上，基于2010—2020年中国30个省份（西藏和港澳台地区除外）的面板数据，通过双重差分模型、中介效应模型实证检验了大数据试验区设立对乡村生态环境质量的影响效应。研究发现：大数据试验区的设立能显著提高乡村生态环境质量，且具有可持续性。此外，大数据试验区设立主要通过农村金融、人力资本和科技创新等中介机制改善乡村生态环境质量。异质性分析发现，东部地区和互联网发展高水平的地区可以在大数据试验区设立中获得更大的乡村生态环境质量促进作用，同时中介效应在东部地区的表现也更显著。建议夯实数据资源体系、完善农村金融服务、强化人才支撑、加大科技创新的资金支持，进一步提升大数据试验区建设在提升乡村生态环境质量的有效性。     

Blue Coat推出新的数据丢失防护设备

本刊讯 近日，应用交付网络技术厂商BlueCoat系统公司宣布推出在单一集成设备中提供综合数据丢失防护的BlueCoat数据丢失防护（DLP）系列设备，在不增加复杂性的情况下实现法规遵从。通过在其安全网关解决方案加入数据丢失防护设备，Blue Coat可同时防御入站恶意威胁和出站数据丢失。     

二次割差法对工业数据资产的评估——以宝钢股份为例

工业数据的产生随着第二次工业革命呈爆炸式增长，工厂中每一台机器设备包含的研究数据、生产数据等指标共同构筑了工业数据的基石。电气化之后工厂之间的车间数据开始交互，工业的管理系统和自动化控制系统随之出现，以便高效处理工厂之间的交互数据。第三次工业革命之后，随着信息技术与制造业的深度融合，数据跳出了工业企业开始在互联网空间交互聚集，工业数据已逐渐成为企业经营管理与战略决策的核心资产。本文通过二次割差法对工业企业数据资产进行评估，选取宝钢股份作为研究对象，为完善数据资产价值评估体系提供一定的参考。     

缘何会出现“抵扣作废发票”的假象

现实意义上的金税工程由五大子系统组成。以购货方企业申报发票认证的方式，通过认证子系统采集税控开票子系统开具的增值税专用发票（以下简称“专用发票”）抵扣联数据。以税控企业定期申报专用发票开具情况的方式，通过报税子系统采集对应的存根联数据。尔后，由认证子系统、报税子系统通过各自的软件接口分别将抵扣联、存根联数据传递到稽核子系统，以抵扣联载明的“发票代码”、“发票号码”和“纳税人识别号”等七项主要数据同对应存根联的数据进行比较核对。     

ETL开发实施中质量保证的关键步骤

数据仓库项目实施成败的关键因素之一就是数据抽取过程中数据的质量问题。在数据仓库建设过程中，我们不得不在原有的数据中“艰难跋涉”，这些数据来自原有数据库、原有磁带机以及远程的数据源，它们中的大部分都凌乱不堪，并且难以获取。我们要对这些数据进行大量处理，并且还要通过ETL（Extract，Transform Band Load）程序来寻找其中的有用信息。这就要求开发人员必须花费足够的时间来充分研究这些数据，将凌乱的数据规则化，并尽力设计和实现强壮的数据采集和转换过程。如果没有对源数据进行整理和数据标准化等基础工作，很可能造成数据仓库项目的基础不牢。