維度：宏觀經濟是人類微觀經濟活動與社會互動的總合，宏觀趨勢由微觀行為所導致，微觀行為體為了兢爭資源，會對宏觀趨勢走向在信息不充分的情況下作出預判，進而改變自己與他人的行為，形成互相影響的動態回饋機制。理論如此，實務上卻很難將各種宏觀與微觀數據充分納入決策體系。許多決策者仍然倚賴不及時、不全面、甚至不準確的數據形成判斷。央行如果不能充分掌握因為互聯網新維度上產生的數據、信息與回饋機制，而僅憑經濟模型與經典思維來宏觀調控，很難取得全面綜效。美聯儲在2015年曾經嘗試將涵蓋個人與企業借貸風險偏好、金融體系供需失衡等44個指標綜整成一組美國金融風險的熱度圖，試圖以宏觀經濟的視角檢視信用風險的微觀結構。美聯儲承認，現有技術尚無法即時呈現金融體系的風險傳導路徑，也還做不到防患於未然，還需努力，但至少是個開始。
精度：任何量度經濟活動的作法都有侷限，追求絕對精確並不必要，但隨著金融業的連結度與槓桿率愈發增加，既有金融體系缺乏共通的底層數據交換架構的問題就更形嚴峻。很多金融活動的流量無法直接觀察，通常都要在事後才可從價量變化的數據中推測，無從覺察動向。如果傳統的經濟量度方法與決策機制也無法偵測、納入這類數據，等於是讓有政策影響力的決策者用不完整的情報相互博弈。這其實是區塊鏈與央行數位貨幣可以協助的領域。若把互聯網上的數位貨幣想成具有測繪功能的傳感器，將金融體系中的「流動」相關的大數據，透過區塊鏈或其他分布式帳本技術，與整個金融互聯網同步，再結合機器學習技術，有可能大幅提升央行與政府掌握經濟實況的能力與政策工具的精度。可以想像，如果1980年代有這樣的技術，聯儲會調控貨幣總量的手法將更加多元細膩。
速度：移動互聯網科技的飛速演進，以及金融物聯網的崛起，潛在徵信數據源管控難度與駭客攻擊風險的增加，對創新遲緩的傳統金融業者各國金融監理機構，尤其是在群眾心理與透過互聯網製造連鎖反應的緊急應變方面，帶來前所未有的挑戰。在高頻交易與金融大數據競技的世界裡，從「資訊」變成「情報」的傳播與轉化過程，可能在幾秒甚至幾微秒內就可以完成，但人類不一定能分辨一則訊息的發布者是機器還是人類。當記程式用機器語言爆料給情報監控程式分析實況與高頻交易程式下單時，金融市場的瞬息萬變早已快過人類視網膜與大腦的處理速度，遠超過金融監理機構官僚作業的容量，也遠遠超過陷入黨爭的議會民主機制形成共識與決策的能耐時，金融治理模式的快速創新，非常關鍵。可想而知，如果美國金融監理機構的複雜度不減（如下圖），央行是否具備足夠敏捷的組織架構與決策機制，將會在處置下一次金融危機時，接受公眾的嚴格檢驗。
