(网经社讯)当前大多传统企业的数据中台建设还处于初级阶段，但随着移动互联网的发展、线上线下融合，数据服务的形式、场景开发增多，业务维度更加复杂，数据中台建设面临更多挑战，主要表现如下：
数据缺乏标准与规范，难以有效集成与使用
数据中台需要集成内外部、各系统的数据，只有建立一致的数据规范，通过统一的模型容器，才能实现数据有效整合，避免数据误入“形合神离”的窘境。
数据可信度偏低，导致数据不可用、不敢用
数据中台的数据来源为内外部的系统，其数据完整性、时效性、真实性都有待评估和度量，只有在数据中台建立完整的数据质量评估、问题发现、整改的机制与流程，避免数据“垃圾进，垃圾出”，才能不断提升数据中台的数据质量，使数据使用人员逐渐增强对数据中台所导出和展现数据的信任。
数据没有业务视角的展现方式，业务人员不会用
随着企业级数据应用的深入，风险、运营、营销等岗位的业务人员，需要更多的运用数据分析技术，因此了解和掌握数据情况变得尤为重要。而传统的开发人员所用的数据模型或者数据字典，作为一种描述数据的方式和语言，缺乏与业务场景的结合，偏重于技术角度，比较难于理解和应用。
数据不可溯源，跟踪数据处理过程困难
数据中台为了能实现数据整合与高效应用，以及指标计算的复杂性，往往会进行多层的数据处理。而且数据处理的逻辑往往只是在程序或者文档描述中，存在结构化差、描述不全、不及时、不准确等情况。但数据中台所支持的应用越来越多，采集的数据也越来越多，加工过程会越来越复杂。因此对于数据来源路径分析、数据问题跟踪分析方面，工作量大且极为困难。
建议在数据中台加强数据治理，在数据标准、数据质量、元数据、数据安全方面，持续应用数据管理的工具与方法，推进数据治理工作，并将数据治理与数据中台运营管理过程相结合，有效持续提升数据中台的数据质量，加强数据中台服务能力，实现银行数据价值，支撑企业数字化转型。
