正因為我國商業銀行在標準認識和建設方面存在各種不足，才導致了因標準貫徹而出現的各種各樣的問題。舉幾個簡單例子：

首先，國民經濟的行業分類標準，針對2002年國家標準中谷物種植這一分類，在2011年進行了進一步的細分，區分了稻谷、小麥等小類。但是，這些標準只是作為國家標準發布，在很多商業銀行中的實際應用中并未跟上國家標準的變化，主要原因是數據標準的管理停留在文檔階段，沒有相應的系統進行支持。這種情況不僅造成了標準的共享能力很弱，而且導致了實際貫徹標準過程中無跡可尋。通過查閱文檔來尋找標準，不僅對人員提出了較高的要求，而且查找效率低下。

其次，早期商業銀行在各項業務系統建設過程中基本上是各自為政的，只要滿足本業務系統的業務開展即可。但是，隨著數據挖掘、分析等應有領域的興起，各業務系統的數據標準不一致對分析工作造成很大的困擾。例如：在個人存貸系統中用O表示男，用l表示女，而在信用卡系統中則正好相反。對于單個系統來說，不管是業務處理，還是統計分析，都不會造成影響。但是，現在商業銀行基本上以數據倉庫作為基礎進行數據挖掘、分析和決策，那么，在進入數據倉庫前必須了解各個業務系統相關數據到底表示什么含義，若存在不一致的情況，則必須進行映射。由于銀行尤其是大型商業銀行業務系統眾多，每個業務系統存在大量的數據表，具有不同數據字典和編碼規則的字段。一般情況下，大型商業銀行有將近30萬張表，即使以1%的比率對相關存儲規則進行調查和映射，幾千張表的工作量也是驚人的。

再有，最近某商業銀行的兩個不同部門就第三方支付的總體業務量的統計數據產生了分歧，最終發現一個部門對日志中標明為第三方支付渠道的交易進行了統計，而另一個部門則認為只有具有第三方支付牌照的機構所涉及的交易才需要進行統計。由此可以看出，不同部門對同一件事物的標準以及統計口徑是存在差異的。

從上面的例子可以看出，數據標準是一個基礎性的工作，需要各方面達成共識。