一是金融行業的數據資產管理應用水平仍待提高。金融行業的數據資產管理仍存在數據質量不足、數據獲取方式單一、數據系統分散等一系列問題。一是金融數據質量不足，主要體現爲數據缺失、數據重複、數據錯誤和數據格式不統一等多個方面。二是金融行業數據來源相對單一，對於外部數據的引入和應用仍需加強。三是金融行業的數據標準化程度低，分散在多個數據系統中，現有的數據採集和應用分析能力難以滿足當前大規模的數據分析要求，數據應用需求的響應速度仍不足。
二是金融大數據應用技術與業務探索仍需突破。金融機構原有的數據系統架構相對複雜，涉及的系統平臺和供應商相對較多，實現大數據應用的技術改造難度較大，而且系統改造的同時必須保障業務系統的安全可靠執行。同時，金融行業的大數據分析應用模型仍處於探索階段，成熟案例和解決方案仍相對較少，金融機構應用大數據需要投入大量的時間和成本進行調研和試錯，一定程度上制約了金融機構大數據應用的積極性。而且，目前的應用實踐反映出大數據分析的誤判率還比較高，機器判斷後的結果仍需要人工覈查，資源利用效率和客戶體驗均有待提升。
三是金融大數據的行業標準與安全規範仍待完善。當前，金融大數據的相關標準仍處於探索期，金融大數據缺乏統一的存儲管理標準和互通共享平臺，涉及金融行業大數據的安全規範還存在較多空白。相對於其他行業而言，金融大數據涉及更多的用戶個人隱私，在用戶數據安全和資訊保護方面要求更加嚴格。隨着大數據在多個金融行業細分領域的價值應用，在缺乏行業統一安全標準和規範的情況下，單純依靠金融機構自身管控，會帶來較大的安全風險。
四是金融大數據發展的頂層設計和扶持政策還需強化。在發展規劃方面，金融大數據發展的頂層設計仍需強化。一方面，金融機構間的數據壁壘仍較爲明顯，數據應用仍是各自爲戰，缺乏有效的整合協同，跨領域和跨企業的數據應用相對較少。
另一方面，金融行業數據應用缺乏整體性規劃，當前仍存在較多分散性、臨時性和應激性的數據應用，數據資產的應用價值沒有得多充分發揮，業務支撐作用仍待加強，迫切需要透過行業整體性的產業規劃和扶持政策，明確發展重點，加強方向引導。
