新闻详情

​企业如何做好数据治理

发表时间：2022-01-18 09:18

企业数据治理概述

随着国家在企业数字化转型方面给予越来越多的支持，企业也开始不断自我检视当前信息化的程度和业务数字化现状。企业数字化转型初期，由于企业内部各类应用系统并存，企业各类数据处于不同业务平台，甚至处于数字化的不同阶段，无法做到统一管理，最终使得企业数据资产价值无法被最大化利用，从另外一个角度来说，也必将制约企业的长期发展。
企业目前的数据主要来着OA系统、企业ERP、CRM，同时还有来自其他业务系统数据。数据的采集、整理和维护目前还只是停留在比较基础的数据存储阶段，简单的利用 ETL 技术将数据进行整合、清洗，再通过前端业务应用实现数据的应用和简单分析。
企业想要充分利用自身数据，产生更高程度的数据应用，需要对数据完成深度的优化，这其中数据治理就是数据管理的一个重要组成部分，我们先来看一下DAMA（国际数据管理协会）对数据管理的12项原则定义：
1、数据是有独特属性的资产
数据资产是一种虚拟资产，相比传统实体资产有本质的区别，数据资产价值相对稳定，不属于消耗性资产，具备可复制性，传播增量的特性，它可以持续存在，可以为用户不断创造经济价值
2、数据的价值可以用经济术语来表示
数据从最开始不被大家重视，或者说不知道其价值到目前可以为用户带来价值变成资产逐步被用户认可，虽然有技术手段可以测量数据的数量和质量，但还未形成标准来衡量其价值，想要对数据做出更好决策的组织应该开发一致的方法来量化该价值，还应该衡量低质量数据的成本和高质量数据的好处。例如，基于成本、基于市场价值、基于经济价值的数据价值评估模型。数据资产管理以金融业为代表，逐渐形成数据资产管理、数据资产运营、数据资产服务的体系。而数据价值评估属于资产运营部分的重要环节。
3、管理数据意味着对数据的质量管理
确保数据符合应用的要求是数据管理的首要目标，为了管理质量组织，必须了解利益相关方对质量的要求，并根据这些要求度量数据。数据管理方法论的形成不能仅限于纸上谈兵，最终目的是提升数据质量、发挥数据资产价值。
4、管理数据需要原数据
管理任何资产都需要拥有该项资产的数据(员工人数、账户号码等)，用于管理和如何使用数据的数据都称为元数据，因为数据无法拿在手中或触摸到，要理解它是什么以及如何使用它，需要以元数据的形式定义这些知识，元数据源于与数据创建、处理和使用相关的一系列流程包括架构、建模、管理、治理、数据质量管理、系统开发、IT 和业务运营以及分析。
5、数据管理需要规划
即便是小型组织也可能有复杂的技术和业务流程蓝图，数据在多个地方被创建，且因为使用需要在很多存储位置间移动，需要做一些协调工作来保持最终结果的一致，需要从架构和流程的角度进行规划。其中，自下而上的基于数据应用产品的设计很重要。许多企业数据管理项目的失败可能源于领导对于数据治理的重要性不甚了解。对此，首先要做培训宣贯和速赢计划，争取在短时间内有些结果显现，为领导和业务部门增加信心，从而反馈数据管理团队进一步往前推广。技术问题相对来说比较容易解决。
6、数据管理须驱动信息技术决策
数据管理和信息技术管理紧密结合，管理数据需要一种方法确保技术服务于数据战略需求。数字化转型的核心目的是要为用户提高工作和生产效率，应该由业务部门来驱动，由IT部门保驾护航进行执行。
7、数据管理是跨职能的工作
数据管理需要一系列的技能和专业知识，因此单个团队无法管理组织的所有数据，数据管理需要专业的技术能力、对市场化的深度理解以及团队间的协作能力。数据治理涉及业务流程的多方面改造、存在客户一致性等问题，需要一个督导的角色贯穿项目始终。
8、数据管理需要企业级视角
虽然数据管理需要很多专用的应用工具，但它必须能够有效地被应用于整个企业。为求方便，我们可能会实施自下而上的部门级管理，但必须和企业整体规划相结合。
9、数据管理需要多角度思考
数据是流动的，数据管理必须不断发展演进，以跟上数据创建的方式、应用的方式和消费者的变化。
10、数据管理需要全生命周期管理
不能同于以前只关注数据服务，而应从数据的采集、传输、存储、处理、共享和消费的全周期循环下进行数据管理工作。
11、数据管理需要纳入与数据相关的风险
数据除了是一种资产外还代表着组织的风险，数据可能丢失、被盗或误用，组织必须考虑其使用数据的伦理影响，数据相关风险必须作为数据生命周期的一部分进行管理
12、有效的数据管理需要领导层承担责任
数据管理涉及一些复杂的过程需要协调、协作和承诺，为了达到目标不仅需要管理技巧，还需要来自领导层的愿景和使命。数据管理和数字化转型是一把手工程，需要建立数据认责机制，需要建立企业的数据文化
根据上述DAMA所定义的数据管理原则我们可以比较清晰的看到数据治理在数据管理当中的重要作用。也是未来企业数字化转型的关键环节。
在原有的数据仓库系统中,这些存储的数据很多具备缺陷,如数据整合难度大,教据规范性差、准确度差,致数据仓库中存在大量的冗余数据等。这种程度的数据治理并不能满足企业所需,企业数据治理如何能够达到理想的效果?我们首先要明确数据治理的目标是什么,抓住要点,然后制定合理、详细的数据治理策略,严格监督数据治理的过程,最后做好数据治理项目后的持续优化和质量监测,彻底解决数据质量问题。

分享到：
扫码关注获取更多资讯

Tel：400-164-7890
商业合作：mkt@bytevi.com
销售咨询：Sales@bytevi.com


产品
ByteCare数据平台
ByteView数据平台
API治理平台
知识图谱构建平台
可视化数据应用平台




解决方案
企业数据中台
保险反欺诈
智慧园区大数据解决方案
多媒体可视化指挥预警分析系统



案例
银行数据中台
保险车险反欺诈
银行反欺诈
企业数据云平台



佰惟数据
关于佰惟
联系我们
在线支持
资源中心



企业愿景 丨   成为对用户最有价值的专业智能数据公司

企业使命 丨    数据驱动价值创造，让数据资产持续为用户增值
 
 
ABUIABAEGAAg8b3mhgYo4Y60FzCwCTjYBA
    联络佰惟： 400-164-7890