目前,互联网技术、云计算与物联网技术的突飞猛进使人类社会进入了大数据时代。在大数据时代的背景下,大数据征信将大数据技术用于征信行业,改变了数据收集、加工和分析的方式,同时,更高维度和不同层次的数据都用于信用评分建模,数据的潜在价值不断被挖掘。但是在海量数据被应用的同时也给大数据征信带来了一些挑战:（1）数据汇聚难度大:数据通常来自不同的机构,具有不同的格式,具有多源异构的特点。而现有的数据同步工具通用性较差,且在实时增量同步上有待提高。（2）数据溯源难:Spark、Flink等大数据组件的引入,使得数据的处理过程和计算引擎强关联,常规的血缘分析方法在准确性上欠缺,血缘信息的提取难度大。（3）数据质量差:数据的记录具有随意性,有来自日志、文本等格式的数据,数据的完整性和规范性缺少保证。针对征信数据存在的数据汇聚难度大、数据血缘信息提取困难、数据质量差的问题,为了扩大征信数据集成范围,检测征信数据质量,更好地发挥征信数据的价值,本课题拟通过对数据治理关键技术的研究,设计一个面向大数据征信的数据治理系统。主要包含以下研究内容:1)提出并实现支持数据离线与实时的数据同步作业构建方法与工具。研究多源数据的数据汇聚方法和技术,设计并实现一种能同时支持数据离线与实时数据同步作业的构建工具,优化数据同步作业的配置流程,实现多种数据同步方式的统一化配置。2)提出并实现用于Flink SQL的血缘分析方法。针对现有的血缘分析方法耦合性高、入侵性强、准确性差的缺陷,研究并实现Flink SQL的本地解析,对其解析树进行元数据的验证与替换,实现血缘解析功能的低入侵性和解析结果的准确性。3)设计并实现面向大数据征信的数据治理系统。通过研究数据治理的相关概念和技术方案,设计并实现面向大数据征信的数据治理系统,实现多源数据间的集成与同步,通过数据治理提升征信数据质量,为个人或企业的征信业务的数据的分析及研究工作提供良好的数据支持。本文最终实现了一个数据治理系统,提供元数据管理、数据同步、数据质量管理功能支持。经过验证测试,本文实现的系统效果符合预期,具有良好的通用性和可扩展性,并在国家重点研发计划项目“大数据征信及智能评估技术”中的“大数据征信智能评估与开放平台”上得到了应用及验证,对大数据征信场景下的数据治理工作有一定的借鉴意义。