数据治理6个目标
从根本上来说,数据治理的目标是保障数据资产的质量,促进数据资产的价值创造。这个根本目标可以分解为以下6项:
- 提升数据质量,帮助做出基于数据的更高效、更准确的决策;
- 构建统一的、可执行的数据标准;
- 良好地响应数据生产者、消费者、数据处理技术人员等数据利益相关者的需求,如保护好客户的数据隐私和数据安全;
- 培训组织内所有的管理层和员工,让大家采用共同的解决数据问题的办法;
- 实现可重复的数据管理流程,并确保流程透明;
- 实现数据的可持续运营、数据资产的增值。
可以使用DCMM数据管理能力成熟度评估模型,对数据治理的目标达成程度进行科学评估,找出差距,制定持续可行的推进方案,逐步达成目标。
数据治理的6个原则
数据治理的原则可以总结为以下6条。
标准化原则:数据标准化是实现高价数据、支撑以数据为基础的相关业务的先决条件。组织必须制定可参考、可落地的标准。当发生争议的时候,有权威的标准可供仲裁参考。
透明原则:除了一些需要保密的安全措施之外,数据治理相关的文件、数据问题的发现等,都应该是公开透明的,相关人员应该清楚正在发生的事情,以及事情发生后应如何按照原则处理。
数据的认责与问责:数据治理必须解决无人问责的问题,比如将很多岗位列为负责人,最终却没有人真正负责。数据的认责是数据治理的先决条件,数据的问责和考核制度是确保数据治理工作真正落地的制度保障。
平衡原则:在大数据时代,时时刻刻都在涌现海量数据。在进行数据治理工作的过程中,必须在代价和收益之间取得平衡。往往没有必要追求百分之百的数据质量,而对于历史遗留数据,数据标准也不可能对其进行完全约束。很多时候,对于企业来说,数据可商用是平衡原则的重要参考。
变更原则:随着市场和业务的不断发展,数据标准、元数据、数据质量等要求并不是一成不变的,既要控制数据的变更流程,也要主动适应这些变化,推动标准更新。
持续改进原则:业务在不断变化,数据在持续产生,数据治理非朝夕之功,需要持续推动,不断改进,形成长效机制。