数据治理是开展数据分析的前提

　　如今，数据已成为企业的核心资产和重要的生产要素。在数据驱动的信息化时代，企业只有管理好核心业务数据，才能从中优化产品、开拓市场新渠道，打造企业核心竞争力。

 

　　但在探索与数据相关的开发技术、应用场景和商业模式时，并非所有项目都能取得预期效果，许多预期需求无法实现，重要原因之一就是数据质量因素导致的。而数据治理正是企业管理和提高数据质量的重要手段。加强数据治理已成为企业提升管理能力的重要任务。

 

　　企业该如何开展数据治理，才能引领企业加快数字化转型，从而获取更大的业务价值。

 

　　一、企业数据管理遇到的挑战

 

　　在我国，各行业的信息化发展和建设水平并不均衡，对于部分行业，信息化还处于刚刚起步的阶段。但我们可以从金融行业、通讯行业、地产行业、传统制造业以及农业领域总结出规律：企业信息化大致经历了初期的烟囱式系统建设、中期的集成式系统建设和后期的数据管理式系统建设三个大阶段，也由此导致了一些问题：

 

　　1.数据质量参差不齐

 

　　现在，企业越来越重视管理数据资产，但其实并不是所有数据都是数据资产，数据中也有垃圾数据。由于企业各个业务系统或模块都是按照各自的需要录入数据，业务系统不需要的信息就不录，没有统一的录入工具和数据出口，造成同样的数据在不同的系统有不同的属性信息，数据完整性无法得到保障。

 

　　2.IT系统孤岛化，数据流通受阻

 

　　目前，大多数企业的信息化建设初期缺乏整体规划，大多都是以业务部门驱动的单体架构系统或套装软件，数据分散在这些架构不统一、开发语言不一致、数据库多样化的系统中，导致在企业内部形成了一个个的“信息孤岛”。这些“孤岛”之间缺乏有效的连接通道，数据不能互联互通，不能按照用户的指令进行有意义的交流，于是数据的价值不能充分发挥。

 

　　3.缺乏有效管理机制

 

　　许多企业尝试通过生产系统的业务流来控制数据流，但由于缺乏有效的管理机制和某些人为的因素，比如平台间数据标准不一，缺少全局规范文档，信息无法对接应用等，在数据流转过程中，导致了大量的垃圾数据。以外，数据产权不明确，管理职责混乱，管理和使用流程不清晰，也是造成数据质量问题的重要因素。

 

　　4.存在数据安全隐患

 

　　近年来，随着大数据的发展，诸如此类的数据安全事件多不胜数。数据资产管理上，正在由传统分散式的人工管理向计算机集中化管理方向发展，数据的安全问题愈来愈受到人们的关注。

 

　　综上所述，看似表面的数据问题其实会对业务带来严重的影响。数据不真实、不准确、数据不透明、不共享都将增加企业经营风险、管理难度和复杂度。最终导致跨组织信息共享程度低、资源难于整合。如何更好地管理和控制数据，做好数据标准化和服务体系建设，成为当前各企业迫在眉睫的任务，而数据治理是关键。

 

　　二、什么是数据治理？

 

　　所有为提高数据质量而开展的业务、技术和管理活动都属于数据治理范畴。数据治理涵盖了从前端业务系统、后端业务数据库再到业务终端的数据分析，从源头到终端再回到源头，形成的一个闭环负反馈系统。

 

　　具体一点来讲，数据治理就是以服务组织战略目标为基本原则，通过组织成员的协同努力，流程制度的制定，以及数据资产的梳理、采集清洗、结构化存储、可视化管理和多维度分析，实现数据资产价值获取、业务模式创新和经营风险控制的过程。

 

　　三、数据治理的目标

 

　　数据治理本身不是目标，它只是实现组织战略目标的一个手段，即通过有效的数据资源控制手段，进行数据的监督管理，以提升数据质量进而提升数据变现的能力和管理的效率。

 

　　例