一、数据治理的定义
数据治理的定义有很多,国际数据管理协会(DAMA)给出的定义是:“数据治理是对数据资产管理行使权力和控制的活动集合。”
国际数据治理研究所(DGI)给出的定义是:“数据治理是一个通过一系列与信息相关的过程来实现决策权和职责分工的系统,这些过程按照达成共识的模型来执行,该模型描述了谁(Who)能根据什么信息,在什么时间(When)和情况(Where)下,用什么方法(How),采取什么行动(What)。”
在笔者看来,所有为提高数据质量而展开的技术、业务和管理活动都属于数据治理范畴。数据治理的最终目标是提升数据利用率和数据价值,通过有效的数据资源管控手段,实现数据的看得见、找得到、管得住、用得好,提升数据质量和数据价值。
二、数据治理的价值
1.降低业务运营成本
有效的数据治理能够降低企业IT和业务运营成本。一致性的数据环境让系统应用集成、数据清理变得更加自动化,减少过程中的人工成本;标准化的数据定义让业务部门之间的沟通保持顺畅,降低由于数据不标准、定义不明确引发的各种沟通成本。
2.提升业务处理效率
有效的数据治理可以提高企业的运营效率。高质量的数据环境和高效的数据服务让企业员工可以方便、及时地查询到所需的数据,然后即可展开自己的工作,而无须在部门与部门之间进行协调、汇报等,从而有效提高工作效率。
3.改善数据质量
有效的数据治理对企业数据质量的提升是不言而喻的,数据质量的提升本就是数据治理的核心目的之一。高质量的数据有利于提升应用集成的效率和质量,提高数据分析的可信度,改善的数据质量意味着改善的产品和服务质量。数据质量直接影响品牌声誉。正如麦当劳创始人RayKroc所说:“我们的品牌需要市场上的可预测性——我们的消费者期望可预测性,起点是数据完整性”
4.控制数据风险
有效的数据治理有利于建立基于知识图谱的数据分析服务,例如360°客户画像、全息数据地图、企业关系图谱等,帮助企业实现供应链、投融资的风险控制。良好的数据可以帮助企业更好地管理公共领域的风险,如食品的来源风险、食品成分、制作方式等。企业拥有可靠的数据就意味着拥有了更好的风险控制和应对能力。
5.增强数据安全
有效的数据治理可以更好地保证数据的安全防护、敏感数据保护和数据的合规使用。通过数据梳理识别敏感数据,再通过实施相应的数据安全处理技术,例如数据加密/解密、数据脱敏/脱密、数据安全传输、数据访问控制、数据分级授权等手段,实现数据的安全防护和使用合规。
6.赋能管理决策
有效的数据治理有利于提升数据分析和预测的准确性,从而改善决策水平。良好的决策是基于经验和事实的,不可靠的数据就意味着不可靠的决策。通过数据治理对企业数据收集、融合、清洗、处理等过程进行管理和控制,持续输出高质量数据,
从而制定出更好的决策和提供一流的客户体验,所有这些都将有助于企业的业务发展和管理创新。
三、数据治理的方案
数据治理的目标:促进组织高效、合理地利用组织数据资源。
数据治理方案:
1.理现状,定目标
企业实施数据治理的第一步是厘清企业数据治理的现状,明确数据治理的目标。
理现状:从组织、人员、流程、制度、数据、系统等多个方面进行需求调研和现状分析,以便对企业的数据治理现状有个全面的认识。
定目标:企业不会为了治理数据而治理数据,其背后是管理和业务需求在驱动。数据治理目标应紧紧围绕企业的管理和业务目标而展开。
2.数据治理能力成熟度评估
很多企业想进行数据治理,但是不知道该如何入手,数据治理能力成熟度评估为企业数据治理提供了一个切入点。
数据治理能力成熟度评估是利用标准的成熟度评估工具,结合行业最佳实践,针对企业的数据治理现状进行客观评价和打分,从而找到企业数据治理的短板,制定切实可行的行动路线和方案。
可参考的数据治理能力成熟度评估模型有CMMI的DMM模型、EDM的DCAM模型、国标DCMM模型(GB/T36073—2018)、IBM数据治理成熟度模型、MD3M主数据管理成熟度模型等。
3.数据治理路线图规划
企业数据治理路线图是以企业数据战略——愿景和使命为纲领、以急用优先为原则、以分步实施为策略进行的整体设计和规划。
治理路线图主要分几个阶段实施,每个阶段的治理目标、时间节点、资源投入、输入输出和预期收益等。数据治理路线图的
重点是给出具体的阶段性目标,以及实现这些目标所需的步骤、方法、资源、技术、工具等。
治理路线图是对企业数据治理的全方面、全链路的体系化规划,解决企业数据治理“头痛医头,脚痛医脚”的问题。
4.数据治理保障体系建设
企业数据治理的保障体系包含组织和人员、制度和流程等方面的内容。
通过建立专业负责、分工协作的数据治理组织体系,落实各数据管理组织和支持部门的权责,实现数据治理从项目型组织管理向专业实体组织管理的转变。
通过建立并健全数据治理制度和流程,落实各级数据管理部门和提报人的岗位和职责,规范数据的新增、变更、使用流程,从而最大限度地提升数据质量。
5.数据治理技术体系建设
企业数据治理的技术体系包括但不限于:数据梳理与建模、元数据管理、数据标准管理、主数据管理、数据质量管理、数据安全治理、数据集成与共享。不同的行业、不同的业务场景,应使用与其相适应的数据治理技术。
6.数据治理策略执行与监控
该过程控制是指合理协调与利用企业各项资源的各种措施和策略,主要包括事前预防策略、事中控制策略和事后补救策略。
7.数据治理绩效考核
数据治理绩效考核是为了更好地检验数据治理目标而进行的绩效评估和改进活动。在数据治理方面,企业需要建立一套奖惩分明的绩效考核体系,通过合理有效的激励和问责机制,规范数据管理流程,落实各参与方职责,从而提升企业数据质量,确保数据的合规使用,以推动数据战略目标的最终实现。绩效考核是一个闭环管理的过程,主要包括制定考核方案、明确考核对象、建立考核指标、执行考核结果、促进优化改进等。
8.数据治理长效运营
在数字时代,业务、技术都变化非常快,企业应紧跟时代脉搏,采用“小步快跑,迭代优化”的方式进行数据治理,以实现数据治理的长效运营。迭代并不意味着完全颠覆,而是业务、技术、管理经验的不断累积与传承,持续改善与优化。
![](https://i-blog.csdnimg.cn/blog_migrate/a12b7c552d928243934ac1bcf7c45775.jpeg)