在相互联系日益紧密的全球经济中，组织信任和有效使用数据的能力是创新、增长和竞争力的基础。
高质量的数据生态系统可推动变革和创新，使组织能够发现并抓住新机遇。与此同时，低数据质量也会导致效率低下，并面临监管和声誉风险。
GLEIF 致力于优化 LEI 数据的质量、可靠性和可用性。自 2017 年以来，它发布了专门的月度报告，以透明的方式展示全球 LEI 系统达到的整体数据质量水平。
为了帮助业界更广泛地了解和认识 GLEIF 的数据质量举措，这一新的系列博客探讨了报告中包含的关键指标。
本期博客将探讨 "批量质疑数据"（Bulk Challenges）。
正如我们之前在上所探讨的 ，引入质疑 LEI 数据服务是为了加强全球 LEI 系统的准确性，使 LEI 数据的任何用户都能随时质疑任何 LEI 记录的准确性或完整性。这一功能有助于保持对全球 LEI 系统的高度信任，保护企业、监管机构和金融机构免受操作和法规风险的影响。
扩大信任度：作为 LEI 可靠性引擎的批量质疑数据
随着 LEI 质疑数据量的增加，GLEIF 的批量质疑功能正在成为保障 LEI 生态系统完整性和 LEI 记录可信度的重要工具。
批量质疑数据是一项简化功能，旨在帮助用户在统一框架下有效管理和处理大量 LEI 质疑数据。用户无需单独提交和处理每个质疑数据，而是可以在一个共同的标题和描述下将多个相关的质疑数据分组。
这使得整个流程更快、更有条理、更易于跟踪。通过识别差异并快速、一致地解决它们，LEI 参考数据的准确性和全球可靠性得以保持。
了解批量质疑数据的优势
批量质疑数据流程如何运行
值得注意的是，GLEIF 只有在仔细审查了请求者的资料和对该功能的预期应用后，才允许使用批量质疑数据。为保障全球 LEI 系统的性能、可靠性和稳定性，GLEIF 保留控制访问的自由裁量权，以确保 LEI 管理机构不会不堪重负。
批量质疑数据如何与自动化和有针对性的行动相结合
将 "批量质疑数据 "功能的优势与自动化和有针对性的行动相结合，可进一步增强其功效，提高 LEI 生态系统的准确性、及时性和可靠性。
数据馈送是 GLEIF 为加强全球 LEI 系统的完整性而实施的一种积极主动的批量质疑数据形式。GLEIF 收集与现有 LEI 记录相关的外部数据，自动预处理这些信息，并定期为预定义的案例生成批量质疑数据。对这些外部数据流进行整合，以捕捉可能需要对现有 LEI 记录进行更新或更正的关键法定实体事件，如公司行动或结构变化。
自 2024 年 1 月以来，已有数以万计的自动数据流触发了更新，证明了该系统能够近乎实时地检测到具有重大影响的变化并采取相应行动。从 2024 年 1 月 1 日到 2025 年 4 月底，数据源独立于 LEI 参考数据的常规年度更新周期运行，已触发了51 182 次令人印象深刻的验证和更新请求。值得注意的是，在已处理和关闭的请求中，有 62.42% 导致 LEI 参考数据的更新。这种额外补充信息的持续流动凸显了系统在大规模检测和处理高影响变化方面不断提升的能力，加强了人们对提高全球金融透明度的数据的信任。
此外，有针对性的批量质疑数据可用于解决特定问题。 例如，作为 GLEIF 数据质量倡议的一部分，比较 LEI 记录和英国公司注册处数据之间的姓名和地址信息已引发了1718 项质疑数据。迄今为止，这些质疑数据中有1717 项已经结案，仅 2025 年 4 月就处理了 631 项。其中，1598 项更新（接受率为 93%）已被接受，这表明我们的重点分析在弥合官方登记来源与 LEI 参考数据之间的差距方面产生了积极影响。
将数据转化为机遇
快速、一致地解决大量查询的能力越来越重要。
GLEIF 的 "质疑数据管理工具"（Challenge Management Facility）可满足这一需求，它提供了一个稳健而强大的工具，用于验证与 LEI 参考数据相关的疑虑或与内部数据对比过程中的不一致性，无论是单独提交还是作为批量流程的一部分提交。
积极主动地大规模解决批量质疑数据，可保障全球 LEI 系统的完整性，并实现更快、更明智的决策。这样，他们就能为全球市场提供准确、可操作的数据，在全球范围内增强金融透明度和信任度。
我们鼓励所有相关方联系 GLEIF，以获取更多有关使用批量质疑数据功能的信息。
如果您希望对博文进行评论，请使用您的姓名来识别自己。您的姓名将显示在您的评论旁。不会公布电子邮件地址。请注意，访问讨论区或在其中发帖即表示您同意遵守GLEIF 博客政策条款，因此请仔细阅读该条款。
Zornitsa Manolova 是 Global Legal Entity Identifier Foundation (GLEIF) 数据质量管理和数据科学团队的领导者。自 2018 年 4 月起，她负责通过引入创新的数据分析方法来加强和改进既定的数据质量和数据治理框架。在此之前，Zornitsa 曾在普华永道法证部门负责管理国际金融调查的法证数据分析项目。她拥有德国马尔堡菲利普大学的计算机科学专业学位，主修机器学习。
