商业银行大数据体系建设是一个系统工程，门槛较高、投入大、周期较长、影响面广且深远。商业银行在大数据体系建设中可借鉴互联网企业、电信运营商等先进企业的经验，结合自身特点，综合考虑以下原则。
.1.务为本、应用为先
大数据应用的目的是要创造价值。银行大数据服务能力只有与业务场景、业务产品、业务经营活动结合起来，才能转化为业务价值。
大数据不能一味追求“数据规模大”，而要坚持“业务为本、应用为先”。只有这样，才能让大数据建设有明确的方向，才能得到管理层和业务部门的支持。否则可能陷入大数据的汪洋大海，迷失在各类数据处理中或各种新技术研究中。
银行大数据应用不是搞底层研发，而是要解决实际问题，实际问题只能来源于业务。大数据可应用的方向很多，如客户服务提升、信用评级、风险防范、业务拓展、业务创新等，银行不可能在同一时间面面俱到，还要找准方向、聚焦问题，找准业务合作部门，重点突破，分步建设。
尽管大数据可能产生的价值潜力巨大，但也不能急功近利。大数据的价值类似于“蜜蜂模型”，即除了蜂蜜的价值，更大的价值在于传粉对农业的巨大贡献。也就是说，大数据除了产生直接的财务价值，更体现在对商业模式变革的推动作用上。
2.数据是根本
中国工程院李国杰院士指出，大数据的力量来自“大成智慧”。每一种数据来源都有一定的局限性和片面性，只有融合、集成各方面的原始数据，才能反映事物的全貌。事物的本质和规律隐藏在各种原始数据的相互关联之中。对同一个问题，不同的数据能提供互补信息，综合分析可对问题有更深入的理解。因此在大数据分析中，汇集尽量多来源的数据是关键。
大数据能不能出智慧，关键在于对多种数据源的集成和融合。单靠一种数据源，即使数据规模很大，也可能出现“瞎子摸象”似的片面性。数据的开放共享不是锦上添花的工作，而是决定大数据成败的关键因素。
数据是未来商业银行的核心竞争力之一，决定着银行的未来发展，这已成为银行业的共识。银行拥有丰富的数据资源，不仅存储了大量结构化的账务数据、强实名认证的客户信息，还存储了大量用户浏览、行为点击等非结构化数据。
银行通过整合客户交互、交易流水、位置轨迹等数据，从海量数据中沉淀并提升银行数据资产，形成以客户为中心的指标标签体系，并在银行内部各个部门、各个条线间进行共享，节省数据成本，减少信息不对称风险。
同时，通过跨行业的外部合作，如与互联网公司、电信运营商、征信企业等建立数据战略合作关系，在保障数据安全基础上开展数据合作，打通单一行业的大数据孤岛，实现跨行业的数据共享。
3.平台是基础
海量、高效、弹性、共享的大数据平台是银行大数据能力的关键组成部分，是提高数据采集、整合、分析效率、缩短数据应用和业务创新周期的关键。
大数据平台不仅包括hadoop分布式批量数据处理系统，更是一个多样化的生态系统。在数据处理维度方面，包括数据采集层、数据整合层、数据分析层、数据应用层;在数据服务维度方面，包括数据存储与分析探索区、数据产品与服务区、实时流处理区;在数据管理维度方面，包括源数据管理、指标管理、元数据管理、数据安全管理等模块。
单一的技术平台或工具产品不可能满足多样的结构化和非结构化数据处理需求，这决定了大数据平台的技术架构必然是混搭架构，既有分布式，也有集中式的集群;既有面向业务的应用集群、也有面向客户的应用集群。大数据平台的规划设计需要自下而上的业务需求与自上向下的总体规划相结合，要具有前瞻性和灵活性。
4.数据质量是保障
大数据应用对企业的数据治理能力提出很高要求，在数据质量没有保障的情况下开展大数据应用，其结果很可能是“精确误导”。因此，商业银行大数据建设从一开始就必须坚持数据质量是保障的原则。
尽管大部分银行已经建立起一定的数据治理机制，但随着大数据应用的深入，还需结合大数据特点，完善兼顾传统数据平台和大数据平台的新型数据治理机制，包括数据标准、主数据管理、数据生命周期管理、元数据管理等。
在大数据体系建设中，要建立起配套的源数据管理、指标管理、模型管理、安全管理等规范、流程和对应的工具平台，更要落地集中化管控，做好大数据平台的生命周期管理。
5.人才是关键
大数据工程的实质是人才工程，数据采集、数据整合、数据理解和探索、数据分析、数据产品开发等各项工作都需要人力投入。机器学习、人工智能方面的众多工具也需要高素质人才的驾驭和互动。
当前商业银行的大数据建设急需熟练掌握大数据技术的专业技术人才、大数据分析人才和数据产品创新人才，而现有的人才体系中，上述人才匮乏，商业银行it人员中掌握传统技术架构的人才多，掌握新兴大数据技术和工具的人才不足;传统软件研发人员多但数据科学家、数据工程师很少或几乎没有，具有深刻互联网思维的产品创新人员更是严重缺乏。
随着大数据热潮的到来，大数据人才对社会而言也是稀缺资源，与互联网企业相比，传统商业银行并不具备吸引大数据人才的优势，甚至缺乏引进稀缺人才的灵活机制。在这样的背景下，商业银行的大数据人才战略应以自主培养为主，尽快建立一支由大数据战略专家、数据科学家、数据技术人才组成的大数据专业团队。
此外，商业银行还应建立和完善有利于人才成长的体制和机制以及良好的工作氛围，拓宽政策渠道，创造有利的工作条件，建立科学的用人制度和人才培育计划，充分调动员工的积极性、主动性、创造性，为大数据服务体系建设提供有力的人才保障。