数据交换的合规性。客户在使用互联网服务期的行为信息、购物记录、健康信息等数据理应属于隐私数据，客户在注册期间签署的网络服务协议是否能够有效支持互联网企业采集、商用并交换，尚属法律空白。因此，商业银行在引进外部数据之前，应首先做好合规工作。
可见，对于商业银行而言，合规合理地引入外部数据，有助于提升自身数据的多样性、细化数据粒度，并可通过数据交换提升自身大数据体系的兼容性与可用性。但是也应充分认识到，商业银行多年积累的业务数据的价值还远未完全发挥，尚待深钻、分析和应用，应将基于内部数据的分析应用作为当前自建大数据能力的核心;与此同时，也要及时开展预研预估，做好外部数据交换的合规准备工作，为“内外兼修”的大数据平台建设做好准备。
大数据是否等同于非结构化数据?
“非结构化数据”是在大数据的“4V”定义中作为数据多样性的一个典型例子而被提出的，因此受到了普遍关注，在众多关于大数据的文献中，“非结构化数据”也占据着比较重要的地位。那么，商业银行是否也应将“非结构化数据”的处理作为现阶段自建大数据体系的重点?
对于这一问题，要结合“非结构化数据”的特性进行分析。非结构化数据的本质特性是所包含信息的丰富、复杂程度远远高于结构化数据。典型的“非结构化数据”包括文本、音乐、语音、图像、视频等类型的数据，这些数据所包含的信息极其丰富，不能使用数据表进行无损耗转化。因此，非结构化数据无法使用数据表或者类似的结构化的方式进行无损转化，所以只能以数据包、文件集的方式进行存储，也无法使用与结构化数据相同的数据分析方法进行统计、分析、建模，往往需要通过专门设计的预处理算法将其转化为结构化数据。这就增加了数据管理和分析的难度，也提高了对数据存储、计算资源的需求。对于非结构化数据的分析，至今仍是学术界的研究热点，在学术领域尚属“进行时”，在商用领域的应用则更是凤毛麟角。
可见，现阶段自建大数据体系，对于非结构化数据应按照“量体裁衣”的原则，根据自身IT架构的存储、计算资源和技术人员投入分步实施。对于资源紧张的商业银行，可采取“存储—外购预处理模块—自行研发”三步走的路径积累非结构化数据的分析能力;对于资源较丰富的商业银行，则可按照“预研一批、实用一批、储备一批”的策略，采用“外购预处理模块+产学研合作+自行研发”的方式进行尝试，紧跟技术前沿，适时引入成熟的非结构化处理技术(例如语音识别技术、基于词频统计的自然语音理解技术等)，但也应注意资源配比，不应将非结构化数据作为现阶段自建大数据体系的重点。
大数据等同于数据仓库吗?
如前所述，商业银行是否具备大数据能力，应依据数据及数据分析系统所发挥的具体效用来判断。以“显著提升数据分析和商业决策的效率”，“显著提高对客户的理解与认知能力”，“低成本、批量地实现较高水准的个性化客户服务”三条标准来衡量，目前商业银行数据仓库建设还需在以下几个方面加以强化。
建设异构的数据仓库平台。多年来，商业银行的数据仓库以存储业务、交易数据为主，因此采购了存储成本较高的专业数据仓库服务，数据在进入仓库之前的ETL规则相对比较严格，并采用了“时间换空间”的策略进行主题拆分以节约存储空间，这就导致在执行诸如交易链恢复、交易场景还原等分析任务时消耗较高的计算资源，降低整体的分析效率。与用户行为数据紧密相关的日志数据，具有典型的“数据量大、频度高但价值密度低”的特点，可针对这一需求，搭建低成本的PC集群、内存数据库等，与既有的数据仓库融合起来，构成对数据源和分析端透明的异构数据仓库，提高其响应速度和处理能力。
搭建业务指标提取逻辑的共享平台。目前商业银行基础数据的标准化工作已经取得了长足的进展，但在实际应用中，尚存在“业务逻辑信息孤岛”现象(即由于缺乏一个共享平台，而造成不同的分析师之间无法互通业务指标的提取逻辑，每个分析师、每个数据分析部门就形成了一座座孤岛)。这一现象不仅造成业务指标“多态”问题，也诱发了数据仓库访问请求的重复提交，影响数据分析的效率和准确性，因此需尽快搭建权限控制合理的业务指标提取逻辑分享平台，解决“业务逻辑信息孤岛”问题。