1.数据治理的背景和挑战
数据治理知识体系涉及管理、技术等多个学科领域,是一个非常复杂的系统工程,如何全面而系统地构建较为完整的数据治理体系,是企业实施数据治理的关键课题。
从宏观角度,数据治理是指全球治理,即在大数据时代,以国家、国际组织、多利益攸关方等为主体,对数据权利、流通、管理等方面的治理。
从中观角度,数据治理是指公共治理,即区域和国家对其主权范围内的数据质量、权属、流动机制等方面的宏观管理。
从微观角度,数据治理是指对数据资产行使权力控制的活动集合。
不同的行业信息化发展水平不一样,其对数据的依赖程度不一样,数据治理水平也不一样。
2.数据治理的框架和核心内容
不同层级的人对数据治理的关注点不一样,因此各自的视图也不一样,下面分别从管理者视图、技术者视图、数据资产管理者视图逐一介绍。
数据治理的的管理者视图可以概括为“五域模型”,分为“管控域”、“过程域”、“治理域”、“技术域”、“价值域”
管控域:在数据治理战略指导下制订企业数据治理组织,明确组织的责、权、利,岗位编制及技能要求。
治理域:是数据治理的主体,明确数据治理的对象和目标。
技术域:数据治理的支撑手段,指的工具平台。
过程域:是数据治理的方法论。
价值域:数据治理的目标就是通过对数据资产的管控挖掘数据资产的价值,并通过数据的流动、共享、交易变现数据资产。
3.数据战略
数据战略是整个数据治理体系的首要任务,是企业开展数据治理工作首先应该考虑的事。数据战略应由数据治理组织中的决策层制定,需要指明数据治理的方向,包括数据治理的方针、政策等。
数据战略能力域关注整个组织数据战略的规划,愿景和落地实施,为组织数据管理、应用工作的开展提供战略保障,组织的数据战略需要和业务战略保持一致,并且要在利益相关者之间达成一致。
数据战略已成为企业精细化数据管理不可或缺的基础,只有切实落实好数据战略工作,才能提升企业数据质量、实现企业数据价值升华,为企业数字化转型奠定基础。
数据资产顶层设计不仅仅是一个报告、一份文件,更是企业系统性设计未来的大胆假设、小心求证、集体沟通、达成共识、形成机制、颁发军令状的过程。
4.质量体系
数据质量是指数据的适用性,描述数据对业务和管理的满意度。数据质量主要指数据的准确性、及时性、完整性、唯一性、一致性,有效性六个方面。
数据质量管理是对数据的分析、监控、评估和改进的过程。包括规划和实施质量管理技术,以测量、评估和提高数据在组织内的适用性,提高数据对业务和管理的满足度。重点关注数据质量需求、数据质量检查、数据质量分析和数据质量提升的实现能力。
数据质量管理贯穿数据生命周期的全过程,除了明确数据质量管理的策略,还要善于使用数据质量管理的手段及工具,覆盖数据质量需求、数据探查、数据诊断、质量评估、数据监控、数据清洗、质量提升等方面。
5.流程管理
制定数据治理的流程框架也是数据治理的重要工作。
数据治理流程主要包括从数据的生产、存储、处理、使用、共享、销毁全生命周期过程中所遵循的活动步骤,以及元数据管理、主数据管理、数据指标管理等流程。
6.主数据治理
主数据服务业务视图包括8个业务域、32个业务子域及相关业务活动,主数据管理工具是主数据全生命周期管理的平台,也是主数据标准、运维体系落地的重要保障。本章从主数据标准管理、主数据代码管理、主数据清洗校验、主数据生命周期管理、主数据质量管理、主数据应用评价、主数据全景图,主数据应用需求管理、业务需求等。
主数据治理平台是企业数据规划、数据标准落地的载体,实现数据治理统一标准、统一规则的支撑
主数据治理平台是有效实施主数据、元数据、数据指标管理,提供规范统一的主数据服务的平台
主数据治理平台是实现数据从产生到应用,分层协同、全面治理的核心