本次《指引》使用了许多新兴词汇，这些词汇均是首次被监管部门正式引用，并出现在银行业金融机构的监督管理文件中。我们将通过这些词汇更好地理解《指引》。
首席数据官：“首席数据官”首次作为需要监管机构任职资格许可的管理岗位被提出。通过设立首席数据官，明确银行业金融机构数据治理架构，董事会、监事会和高管层等的职责分工。数据治理需要一个灵魂角色。《指引》提出银行可根据实际情况设立首席数据官（CDO）。无论是否设立CDO职位，都不可否认银行需要一位“CDO”来制定银行数据战略、开展数据管理工作，建设数据文化。如果缺少这样的一个灵魂角色，数据治理工作的开展必然是杂乱的，缺乏体系的。相比由管理委员会或CIO来推进银行的数字化策略，CDO对数据有更强的推动力及精准的关注点。
数据文化：这是监管机构首次正式将数据作为企业文化建设的一环提出，要求树立数据是重要资产和数据应真实客观的理念与准则，通过数据文化建设，获得数据价值在全行内的认同。
整改制度：这是监管机构首次在明确要求建立管理制度后，明确要求建立整改制度。目的是要求建立数据质量控制机制，全面提高数据质量，强化银行业金融机构对数据质量的责任，建立和实施上至高管层的数据治理问责机制。
数据价值：提出数据价值的概念，通过数据治理有效实现数据价值，以数据价值驱动管理。要求银行业金融机构加强数据应用，发挥数据价值，实现数据驱动银行发展，强调数据应当成为经营管理尤其是风险管理的重要依据。
数据加总能力：通过提出数据加总能力，进一步明确数据在全面风险管理中的价值。银行业金融机构应当建立数据统一集中管理的制度，确保整体数据完整性，确保各类数据之间的统合性、关联性和一致性，满足在正常经营、压力情景以及危机状况下风险管理的数据需要。
搭建数据治理架构体系，夯实治理地基
《指引》替代银行监管机构2011年发布的《银行监管统计数据质量管理良好标准(试行)》（下称《良好标准》），对数据方面的监管进行强化与延伸：强化管理对象，由监管数据质量到全面数据治理；延伸管理范围，由监管统计延伸至数据全生命周期。
根据《指引》在数据治理架构、数据管理、数据质量管理、数据价值实现方面的要求，可搭建由数据治理到管理、应用的整体架构：
银行数据应用的方向：掘金数据，挖潜价值
《指引》单独开辟第五章数据价值实现，要求“银行业金融机构应当在风险管理、业务经营与内部控制中加强数据应用，实现数据驱动，提高管理精细化程度，发挥数据价值”。这三个应用领域与银行金融本质、战略转型与精益管理息息相关，银行应坚持应用导向和问题导向，做强做优数据应用，提升数据资产转化为数据服务和数据价值的能力。
风险管理
银行基于内部与外部数据，实现更加自动化、精细化和准确化的风险识别与预警，并探索人工智能技术在风险防控领域的应用。
例如，在信贷业务的风险管理中，通过集成学习（Ensemble Learning）技术，将多种大数据模型技术整合，构建全方位的客户风险识别预警能力，提供更高的审批效益以及更为精细的授信策略；在信用卡业务的风险监测中，通过人脸识别和比对技术，可大幅降低伪冒申请案件的发生；通过互联网公开可获取的文本数据并进行解析，与内评法评估模型相结合，对企业信用风险或资产标的进行更高频的风险监控，改变静态周期性监控的低敏感性。
业务经营
众多银行为实现线上业务发展结合线下网点转型的全渠道建设，通过分析线上线下的客户行为特征，识别客户的生命周期状态，以便采取引流、营销、激活、挽留等对应的客户管理措施。通过金融科技转型，建立第一方客户数据管理平台，构建实时营销机会捕获能力，实现为每一个客户以最佳的时机和渠道，提供最佳的产品和服务。
例如，在银行的APP应用内部，通过千人千面的客户画像，利用强大的计算性能和大数据预测技术，为客户提供个性化、专有的功能展示和推送，发掘客户的下一个需求点，减少客户在应用内的寻找成本。在近些年的部分领先银行的APP应用中，此类推荐引擎已经成为银行收入增长的重要组成部分。