企业级金融数据模型主要回答金融机构“有哪些数据”、“数据是什么”的问题，例如：金融机构范围内共同认知和使用的业务对象有哪些？金融业务对象是如何进行描述的？业务对象之间是什么关系？如果要回答“数据在哪里”，就需要梳理并形成企业级数据分布图（也叫“数据地图”，Data Map），建立企业级金融数据模型的数据项与金融机构内系统数据库、表、字段之间的关系。
图4：企业级数据分布的作用
以企业级金融数据模型为基础，借助系统数据库、表、字段，对存量数据资产集中式盘点，对增量数据资产自动化注册，做好数据资产识别和数据资产目录挂接，最终形成覆盖全金融机构数据资产的全景分布图。以概念模型“参与人”主题为例，“公司客户”是其中一个业务对象，“企业经济性质”作为其中一个数据项描述“公司客户”。参考德勤的金融词汇表，“企业经济性质”根据业务习惯可具象为“企业经济类型”、“企业类型名称”、“经济类型信息”、“经济性质代码”等多个业务词汇，在ECIF系统、核心业务系统、数据仓库等关键系统识别到相关表与字段。这些表、字段挂接在“企业经济性质”数据项下，即可形成由抽象企业级数据模型到具体系统数据库、表、字段的全链路的数据分布图。
图5：企业级概念模型与企业级数据分布的关系
企业级金融数据模型和企业级数据分布图，从底层支撑数据资产运营管理。其中：
概念模型：为数据资产提供标准的数据分类和定义，解决数据资产定义缺失、数据资产业务关系缺失等问题，例如：数据资产业务属性的“资产项名称”、“业务流程”、“业务定义”等，使数据资产使用人员，尤其是对业务不熟悉的技术人员，清晰掌握数据资产的定义。金融词汇表：为数据资产的标准规范提供良好的载体，解决数据资产定义不严谨、数据资产没有遵循标准和规范设计等问题，例如：数据资产技术属性的“资产项类型”、“资产项长度”、“资产项精度”、“资产项值域”，以及管理属性的“资产权属部门”、“资产安全等级”、“对应信息标准”等，使数据资产使用人员清晰了解数据资产的开发标准和要求。数据分布图：为数据资产的质量监控、价值评估提供治理依据，例如：数据资产质量健康指数分布、数据资产价值密度的分布、数据资产使用热度的分布等，使数据资产使用人员，尤其是中高层管理人员对数据资产的治理情况、使用情况、价值情况一目了然。大型金融机构业务品种齐全，信息系统数量多，在过去多年的系统建设过程中，普遍存在缺少企业级数据规范，对各系统数据难以集中整合、难以互通共享、数据资产不能充分利用等问题。要解决这些问题，可以通过构建企业级金融数据模型和数据分布图，从最底层开始对数据资产从业务层面、技术层面进行全面的定义，实现：
统一金融机构数据语言。金融词汇表从业务层面对全行数据统一定义，成为业务与技术沟通的桥梁，规范金融机构的数据需求、共享和管理。指导系统建设及落地。金融机构信息系统建设需要以企业级数据模型作为规范，使用企业级数据模型指导系统应用级数据模型的设计，提高系统开发质量。促进数据资产价值释放。通过建立面向多维视角的数据资产目录，降低业务用户数据应用的门槛，推动金融数据民主化建设。