艾瑞白皮书解读（一）丨为什么说数据工程是中国企业数据治理的最佳实践？

2024年7月 艾瑞咨询公司对国内数据治理行业进行了研究，访问了国内多位大中型企业数据治理相关负责人，深度剖析中国企业在数字化转型过程中面临到的核心数据问题后，重磅发布《2024中国企业数据治理白皮书》（以下简称“白皮书”）。

在白皮书中，艾瑞咨询联合OceanMind海睿思重点推出【数据工程】方法论，针对性解决企业传统数据治理方式中的种种弊端，帮助企业实现业务驱动、高效执行、价值体现和管理规范。本文将围绕数据工程展开详细介绍。

1

中国企业数据治理最佳实践

白皮书认为，当下中国企业数字化转型步伐不断加快，为行业转型赋能、产业链供应链升级、社会治理能力提升等提供了极大的价值。而产业数字化发展的同时，对数据治理产业也提出了更高的要求，中国企业在数据标准、数据质量和数据安全问题上面临的困境变得愈发突出。数据是企业数字化转型的核心，“只有把企业数据建设看做一个系统性工程，盘活历史数据，释放数据价值，才是解决企业数据问题的关键步骤。”

• 【数据工程】特征一：一套容易落地的方法论

根据客户的实际需求开展轻量咨询，进行全程线上化工具管理，保证后期的落地；支持承接线上咨询、输出，快速接入数据，完成模型落地。

• 【数据工程】特征二：一站式的技术平台能力

一站式平台能够集中管理组织内的所有数据，提供统一的视图和控制点；应用场景丰富，能够基于落地的数据快速搭建数据应用和服务体系。

• 【数据工程】特征三：一个可复制的最佳实践

引入国内权威数据管理体系，引导企业逐渐走向规范化；数据工程基于通用的原则与方法，适用于不同的项目和组织，并且经过验证能够确保数据的准确性、安全性和高效处理。

数据工程是一套完整的实现从数据资源到企业价值的系统工程

2

数据工程建设：咨询环节

白皮书认为，企业数据建设是一项系统工程，需要解析业务现象背后的需求原因，针对性地实现落地，才能帮助企业善用数据资产，充分释放数据价值，进一步为实践提供指导。数据工程建设可分为咨询、落地、应用、管理四大环节，咨询环节是企业进行数据建设闭环管理的第一步，其能力和优势体现在三方面：

• 第一，以“业务数据地图”为抓手，翻译业务需求为数据化语言，为数据建设确立目标与路径。
• 第二，咨询过程与成果线上化，协同用户快速完成需求确认与修正，避免信息偏差。
• 第三，咨询成果无缝衔接至数据平台落地开发，大幅缩短数据建设周期，减少成本投入。

以数据语言解构业务，线上化咨询，成果直落平台，所见即所得

整体而言，白皮书指出咨询环节旨在帮助企业摸清数据现状、理顺数据在业务中的流向、找准数据与业务的关系，解决技术与业务脱节和咨询与落地“两张皮”难题，让数据应用少走弯路。

3

数据工程建设：落地环节

在落地环节中，白皮书认为能够实现落地的内容包括数据资产落地、主数据管理与分发、业务指标开发、风控模型开发以及审计模型的开发等。

• 基于咨询阶段 “业务数据地图”的梳理成果，能够快速落地各业务域下的业务数据地图模型，支持企业快速开展数据集成汇聚、数据标准执行、数据质量优化、数据安全管控、数据血缘分析、数据资产管理及服务。
• 基于主数据的调研咨询成果，能够实现主数据快速接入与处理，以及一键同步咨询阶段梳理的主数据模型并建立映射、构建灵活的分发规则以及对主数据的全生命周期管理。基于业务指标咨询成果，形成业务指标地图、梳理定义业务指标属性、构建指标责任矩阵，为指标应用奠定基础。
• 基于审计风控咨询，沉淀审计风控知识，构建审计风控资源，沉淀审计风控模型，形成审计风控知识库，为企业风控审计提供模型及知识基础，赋能审计风控应用。

基于数据工程咨询成果，落地业务数据地图并开发指标模型，完善数据管理，支撑数据应用

4

数据工程建设：应用环节

应用环节中，白皮书认为应聚焦于将数据治理成果应用于实际业务中，推动数据驱动的决策和业务创新，这包括数据资产的管理、数据分析、数据挖掘等。企业需关注数据治理的实际应用效果，确保数据能够为企业带来价值，这主要体现在三个方面：

• 数据治理通过直观的可视化手段，将复杂的数据治理过程和成果以图表、仪表板等形式清晰展现，确保数据资产得到有效利用。
• 在数据治理的落地过程中，引入低代码开发模式，使得业务开发变得简单快捷。即便没有专业的编程背景，业务人员也能通过简单地配置和操作，实现数据治理的相关功能，降低了技术门槛，提高了工作效率。
• 数据治理系统支持自适应式配置，可以根据不同层级用户的需求进行灵活调整，为企业数据驱动的发展提供有力保障。

聚焦运营状态、过程、风控三大环节可视化，驱动数据决策和业务创新

5

数据工程建设：管理环节

DCMM数据管理能力成熟度评估模型，是我国在数据管理领域首个正式发布的国家标准，从组织、制度、流程、技术等不同领域提供不同维度的数据整合及管理能力，提供从数据生存周期到数据应用的全过程数据管理。

白皮书认为，通过开展数据工程咨询与落地，可以全面覆盖DCMM要求的能力项，包括45项数据管理运营体系（形成数据文化）建设+105项技术平台落地需求，实现从数据战略、数据标准、数据架构、数据质量、数据治理、数据应用、数据全生命周期、数据安全等层面的数据管理。

遵循标准数据管理理念，赋能企业核心数据管理能力，便捷化完成DCMM贯标

6

数据工程的价值

最后，白皮书指出，数据工程的价值在于提供一整套包含数据治理、数据落地、场景构建、管理运维的完整数据建设与应用体系，改变了以往大量采购各类数据治理工具，最后却难以落地的现状。

本次白皮书推出的【数据工程】方法论，是以业务流程为指引，通过全流程在线的数据构建能力，助力企业打造高可用的数据底座，以此促进数据流与财务流、订单流的融合，从而实现对战略规划与解码、业务执行、业绩对标等重要场景的数据驱动，最终完成对企业运营模式的数字化改造，可以提升企业对多变环境的感知能力，实现数据驱动的可持续发展。

助力企业构建战略→业务→财务→战略的闭环高韧性发展能力