2020年9月，国务院国有资产监督管理委员会办公厅发布了《关于加快国有企业数字化转型的通知》，要求国有企业加快集团数据管理体系建设，明确数据管理部门，加强数据标准化、元数据和主数据管理，定期评估数据管理能力的成熟度。
在上个世纪的最后一年，华为是研发系统的集成产品，为管理变革和数字化转型举起了旗帜（IPD）改变。这条路走了十几年，不断改进迭代，总结为四个方面:明确研发IT管控模式，规范产品数据管理，实施R&D产品数据管理主平台，实施标准化R&DIT工具。
国际数据管理协会（D A M A），数据管理知识体系发布（D B M O K 2.0)将数据管理定义为规划、控制和提供数据资产，充分发挥数据资产的价值。将数据共享框架定义为11个功能，包括数据架构、数据模型与设计、数据存储与操作、数据安全、数据集成与互操作、文件与内容、参考数据与主数据、数据仓库与业务智能、元数据、数据质量等。目前，数据共享主要集中在治理目标、功能、范围、流程和规范本质是评估、指导和监督数据的管理和使用，并通过提供不断创新的数据服务来创造价值。
养数据，就像养猫、养狗、养孩子一样，需要持续的投资。养有两个层次的含义:一是养数据(积累和沉淀大量数据)，二是养数据(提高数据的活性！）。管理数据，即有效的管理数据，如：主数据管理、元数据管理、数据质量管理、数据安全管理等，数据只能很好地使用。使用数据，只有使用数据才能释放其价值，没有数据，数据不能称为资产，但也会给企业带来高成本。
提供元数据采集与管理、主数据建模与管理、数据生命周期管理、数据标签等功能，通过自动化、可配置化的工具，提升数据管理的效率、质量和精度，使不同角色用户能在统一的平台上协同工作，实现数据资产管理工作日常化、持久化。
企业将在不同的平台上销售相同的产品。如果没有统一管理的商品数据信息，企业需要跨平台进行人工统计，效率低下，容易出错。因此，开放商品主数据管理的主要作用是提高用户体验和数据管理效率，而无需跨平台管理。
数据管理，提供系统的数据管理能力，包括元数据模型管理、主数据管理、数据标准属性配置和规则管理、数据质量审计配置、审计调度和生成数据质量报告，提供数据安全管理，有效提高数据可用性、可靠性和安全性，提高业务使用效率。AI质量检测自动从数据属性、数据关联和数据分类特征三个维度分析数据质量，包括统计数据分布、数据间关联程度和数据分析，并给出相应的评分。
然而，建立这些连接需要包含可操作元数据层(关于数据本身的数据)的数据处理解决方案。主数据管理 (MDM) 平台与数据虚拟化平台相结合，可以提供完整的数据及其跟踪视图。这使得组织能够在部门和不同的数据源之间建立联系，并使组织能够轻松地整理所有数据，并实时显示这些数据跨部门、系统和地理边界。数据虚拟化使用数据访问元数据来提供无缝和实时访问数据源。通过集中存储相同的元数据，数据虚拟化不仅可以确定每个数据集的数据跟踪，还可以通过单个控制点在整个组织范围内实施数据治理协议。
然而，建立这些连接需要包含可操作元数据层(关于数据本身的数据)的数据处理解决方案。主数据管理 (MDM) 平台与数据虚拟化平台相结合，可以提供完整的数据及其跟踪视图。这使得组织能够在部门和不同的数据源之间建立联系，并使组织能够轻松地整理所有数据，并实时显示这些数据跨部门、系统和地理边界。数据虚拟化使用数据访问元数据来提供无缝和实时访问数据源。通过集中存储相同的元数据，数据虚拟化不仅可以确定每个数据集的数据跟踪，还可以通过单个控制点在整个组织范围内实施数据治理协议。
然而，建立这些连接需要包含可操作元数据层(关于数据本身的数据)的数据处理解决方案。主数据管理(MDM)?平台与数据虚拟化平台相结合，可以提供完整的数据及其跟踪视图。这使得组织能够在部门和不同的数据源之间建立联系，并使组织能够轻松地整理所有数据，并在跨部门、系统和地理边界实时显示这些数据。数据虚拟化利用数据访问元数据来提供数据源的无缝和实时访问。通过集中存储相同的元数据，数据虚拟化不仅可以确定每个数据集的数据跟踪，还可以通过单个控制点在整个组织范围内实施数据治理协议。
在技术工具方面，智能金融数据处理需要建立一个由多个工具组成的整体数据处理技术平台，重点关注数据集成工具、主要数据管理工具、数据模型管理工具和数据资产管理工具，实现数据处理与数据分析阶段工具的连接和集成。实现应用驱动治理和治理支持应用的持续循环。