5月21日，中国银保监会发布《银行业金融机构数据治理指引》(以下简称《指引》)，意在“引导银行业金融机构加强数据治理，提高数据质量，充分发挥数据价值，提升经营管理水平，由高速增长向高质量发展转变”。
这份指引内容简洁，但是数据治理的很多关键点都明确的指出来了，对于工业企业数据治理有很多可以借鉴和参考的地方，非常值得认真学习。简单看看几个要点：
1.数据治理指引中的“全覆盖原则”
银行业金融机构数据治理应当遵循原则的第一条，就是全覆盖原则：覆盖数据的全生命周期；覆盖业务经营、风险管理和内部
5月21日，中国银保监会发布《银行业金融机构数据治理指引》(以下简称《指引》)，意在“引导银行业金融机构加强数据治理，提高数据质量，充分发挥数据价值，提升经营管理水平，由高速增长向高质量发展转变”。
第一章
总则
数据清洗在英文文献中，通常有Data
Cleaning、Data Cleansing和Data
Scrubbing等多种阐述，一般都会译作数据清洗。数据清洗的实际应用领域，我们认为通常有两个方面：
* 数据仓库应用和数据挖掘应用中的数据清洗
* 数据质量管理的数据清洗
数据仓库应用和数据挖掘应用中的数据清洗
常见的文献资料多描述的数据清洗，通常都是数据仓库应用和数据挖掘应用领域的。这个领域里数据清洗的目的，就是在几个数据库数据合
在工业企业信息化过程中，为了表征并让计算机识别企业所制造的产品构成和所有要涉及的物料，必须把图示表达的产品结构转化成某种数据格式。这种以数据格式来描述产品结构的形式就是物料清单，即BOM(Bill
Of Material)，它又被常称为产品结构表或者产品结构树。
BOM是工业企业信息系统中的相当关键的基础数据，它描述了产品组成结构，即原材料与零件、部件、总装件之间的关系。BOM数据一般需要在ERP、CAD、PDM/PLM、CAPP、成本等系统之间进行数据交换。
BOM数据能否作为主数据进行管理，一直是主数据管理中的难点和关注点，是个经常被讨论的话题。对于工业企业来说，BOM数据是一条贯穿很多信息系统的主线，很多业务活动都是围绕BOM数据开展的。BOM数据作为主数据管理的争议主要在这样几个方面：
加载中…
