数据治理咨询项目方案建议书(投标文件).doc

数据治理咨询项目方案建议书(投标文件).doc

  1. 1、本文档共89页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
XXXX数据治理咨询项目 解决方案建议书 XXXX有限公司 解决方案建议书 国际商业机器(中国)有限公司第 PAGE 3页 目 录 TOC \o 1-3 \h \z \u 1 对本项目需求的理解 1 1.1 项目背景 1 1.2 IBM对本咨询项目的理解 1 1.3 项目成功条件 3 2 信息架构建设方法论 5 2.1 信息化建设原则 5 2.2 信息化建设成熟度评估 5 2.2.1 评估标准 5 2.2.2 评估方向 6 3 IBM数据治理规划方法论 8 3.1 IBM数据治理体系框架 8 3.2 IBM数据治理成熟度评估模型 9 3.2.1 第一级初始阶段 9 3.2.2 第二级基本管理 10 3.2.3 第三级主动管理 10 3.2.4 第四级量化管理 10 3.2.5 第五级持续优化 11 4 项目解决方案 12 4.1 数据架构规划及路线图 12 4.1.1 评估及差距分析 12 4.1.2 数据类系统建设路线图 15 4.1.3 数据架构规划及建议 16 4.1.4 数据模型设计建议 19 4.2 数据治理体系建设总体规划 21 4.2.1 现状调研与评估 22 4.2.2 数据治理体系规划 23 4.2.3 数据标准管理框架 28 4.2.4 数据质量管理框架 31 4.2.5 元数据管理框架 34 4.3 数据标准体系建设 36 4.3.1 数据标准体系规划 36 4.3.2 数据标准体系框架 39 4.3.3 数据标准管理 41 4.4 企业级数据标准制定 42 4.4.1 数据标准建设 42 4.4.2 基础数据标准规划内容 44 4.4.3 分析类数据标准 48 4.4.4 专有类数据标准 50 4.4.5 数据标准的建设路径 50 4.4.6 数据标准落地推广 53 4.5 数据质量分析与评估 54 4.5.1 数据质量评估 54 4.5.2 数据质量分析执行方法 56 4.6 数据质量提升整改 61 4.6.1 业务处理流程的合理调整 61 4.6.2 选择适当的业务系统或接口改进建议 62 4.6.3 业务系统改进建议 64 4.6.4 数据采集与补录建议 68 5 项目实施计划与管理 71 5.1 IBM实施的工作范围及步骤 71 5.2 项目实施计划 73 5.3 项目交付件 74 5.4 项目管理 75 5.4.1 风险管理 76 5.4.2 质量管理 78 5.4.3 文档管理 79 5.4.4 问题跟踪管理 79 5.5 项目组织架构 80 6 技能传递与售后服务 82 6.1 知识转移与培训 82 6.2 售后服务 84 7 IBM 公司概况及相关案例介绍 86 7.1 某省级农村信用社企业级数据平台实施项目 88 7.2 某城市商业银行数据治理及数据标准咨询项目 90 7.3 某股份制商业银行数据治理及风险集市咨询项目 91 7.4 某股份制商业银行RWA计算引擎合规咨询项目 92 7.5 某股份制银行企业级客户信息管理系统实施项目 93 7.6 某股份制银行企业级数据仓库实施项目 94 7.7 某城市商业银行企业级数据仓库实施项目 95 国际商业机器(中国)有限公司第 PAGE 133页 对本项目需求的理解 项目背景 在深入理解项目需求、准确把握项目目标的基础上,IBM将通过全面的咨询承接、合适的技术方案、合理的实施计划、科学的项目管理、严格的质量控制确保本项目目标的实现,并提供及时的后续服务、实用的知识转移保证项目效果。 在信息化建设发展的初期,往往极少关注对数据的管理,银行业金融机构也是如此。随着信息化建设的不断发展,包括硬件和网络在内的基础设施建设趋于稳定,核心、卡和信贷等系统为代表的交易系统和财务、人力资源、报表等系统为代表的管理系统逐渐成熟。数据作为信息的基础,愈来愈凸显其在报表统计和决策分析方面的重要性,同时数据方面的问题也集中爆发出来:数据缺失、冗余度高、口径不一致,导致可利用性差、统计不准确,直接影响到分析决策。面临这样的形势,已经难以通过“数据管理”来解决上述问题,由此上升到“数据治理”的层次,引出数据治理的工作开展。 我们了解到,XXXX在数据基础、数据整合和数据管控等层面都存在着较严重的数据问题,所以对数据进行治理有着强烈的需求。针对当前的数据痛点,

文档评论(0)

一生习武之人 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档