相较其他行业，金融行业存在天然的数字化需求，因其强监管性质，对数据治理更是提出高要求。
（一）银行金融资源与非银金融资源
2010 年由中国人民银行发布的《金融机构编码规范》（以下简称“《编码规范》”）确定了金融机构涵盖范围，对金融机构具体组成做出界定。依据《编码规范》，金融机构可分类为货币当局、监管当局、银行业存款类金融机构、银行业非存款类金融机构、证券业金融机构、保险业金融机构、交易及结算类金融机构、金融控股公司及其他。
除金融管理部门外，上述机构区分业务方向可分类为银行业金融机构与非银行业金融机构。 银行金融资源为银行业金融机构在经营管理中收集获取的全部数据资源，依据数据来源不同，可包括自行收集的数据信息（如客户身份信息、财产信息、交易信息等）及经加工处理的数据信息（如银行贷款规模及增速、存款规模及增速、不良贷款及不良贷款率等）。银行业金融机构日常业务运营中涉及大量数据要素的流动，涉及微观数据信息及宏观数据走势。非银金融资源为非银行业金融机构收集获取的数据资源，包括投资规模、投资收益率、担保债务规模、业务经营收入等数据。银行及非银金融数据资源，能指向分析区域经济走向，为投资管理、企业经营提供有益指导。
（二）个人金融信息、业务信息、经营管理信息和监管信息
以信息内容为区分，金融数据资源可以划分为个人金融信息、业务信息、经营管理信息及监管信息。 依据中国人民银行发布的《金融数据安全 数据安全分级指南》（JR/T0197-2020），个人金融信息是指“金融业机构通过提供金融产品和服务或者其他渠道获取、加工和保存的个人信息，包括账户信息、鉴别信息、金融交易信息、个人身份信息、财产信息、借贷信息及其他反映特定个人某些情况的信息。” 业务信息为金融机构日常业务所涉数据信息，参照不同金融机构业务方向，可做进一步细化，如存款业务信息、贷款业务信息、信用卡业务信息、非银行支付业务信息、保险业务信息、信托业务信息及其他金融业务信息。经营管理信息是金融机构自行经营管理期间产生、存储的数据信息，可能包括金融产品信息、运营管理信息、风险管理信息、技术管理信息及综合管理信息等，属于金融机构内部运营过程产生的数据类型。监管信息指金融机构在接受监管机构监管时，向金融监管机构报送的数据信息或接收来自监管机构的数据信息。
（一）数据来源多
金融行业的数据来源涵盖了多个方面。金融机构内部的各类业务系统之间的交互会产生大量的数据，且金融行业与其他相关行业之间也存在着复杂的数据交互和共享，例如与监管机构、商业合作伙伴以及第三方数据提供商之间的数据交流。这导致金融行业的数据涵盖了数据来源多和数据格式多的特性。以招商银行 APP 为例，每天产生的数据其中就包括 APP 登录日志记录每日活跃用户数量、频率等行为数据，与支付宝/微信支付终端产生的交易详情，商品名称、付款金额等相关数据，用户的信用卡消费记录，包含消费场景、商户分类、交易金额等维度数据，用户在网络理财中公基/保险产品详情页点击量和浏览时间数据，客服中心的客户服务电话记录内容数据，客服聊天机器人对话记录数据以及 APP 个性化推荐点击率及转换率数据等，涵盖了内部各个业务系统和外部系统的多种数据来源。
（二）数据规模大
金融业是使用数据信息最早，也是对数据依赖最重的一个行业，其业务的复杂性决定了金融数据的规模非常庞大，包括众多金融交易、客户信息、市场行情等，尤其是股票和外汇市场，高频交易会产生巨量的实时数据流。并且，金融机构为进行风险评估、市场分析和合规审计等工作，通常也需要存储和处理长期的历史数据。总之，金融业对数据依赖非常大，数据越用范围越大，由此其数据规模也总在不断扩大。
（三）数据治理难
相较其他行业，金融行业存在天然的数字化需求，因其强监管性质，对数据治理更是提出高要求。首先，金融数据治理是一项复杂的系统性工程，涉及众多环节和部门，需要从战略高度进行顶层设计和规划，但是一些银行及金融机构在建设金融数据系统时往往各自为战，缺乏必要的统筹和沟通。其次，数据治理需要系统化、职责分明的协调配合体系，许多金融机构对基于IT 系统的数据管理较为熟悉，但是在金融数据体系构建、质量管控等方面的进展工作相对较为滞后。最后，随着大数据和人工智能技术的发展，金融数据的潜力得到了更充分的挖掘，但同时人们对金融数据的滥用和误用造成了一些潜在的风险，侵犯个人隐私、数据垄断等现象在全球各国普遍存在，这也成为金融数据治理的重点和焦点。
（四）数据要求高
金融数据是现代金融业必须正视的、在可见的未来最大最重要的新资产类别，也将成为实体经济和现代金融业大多数客户的核心资产。因此，在金融领域，对数据的准确性、实时性、完整性和安全性有着极高的标准，这些数据不仅是金融机构内部决策的重要依据，也是监管机构对市场进行有效监管的关键信息，如果数据存在虚假、缺失，将直接导致业务风险，所以为了确保市场公平、公正、透明，保护投资者利益，金融业务高度依赖高价值数据以维护金融市场稳定。
