数据治理建设管理方案.pptx

数据治理建设管理方案（参考）

数据治理背景;环境、数据治理域、数据治理过程”四大部分，分别对应数据治理实施基础、保

障机制、治理对象和治理方法，实现数据治理与组织管理的融合。

运营合规：数据管理体系的建设必须符合法律、行业标准，并且通过数据评估、数据审计和优化保证数据合规，提高数据准确性和完整性。

风险可控：通过建立风险评估管理机制，严谨执行数据管理制度、约束组织架构、强化执行力度、明确管理流程，全局掌控组织内外数据治理环境、利益关系，降低经营风险，保障数据安全，将数据不确定性因素变为可知可控的风险。

价值实现：数据治理的最终结果，能否推进信息资源的整合，实现企业各部门数据资源共享，企业数字化转型持续发展都是数据治理价值的体现。;5、数据运行可视化：合理使用ETL工具、自研产品，与数据治理平台相结

合，任务调度和作业流程可视化；

6、数据应用自助化：建设企业综合服务平台，通过服务权限和数据权限控制实现数据便捷服务和应用。;元数据管理。

5、建立数据治理监督和控制的专职组织。

上诉四点均可归结于数据存储、数据管理的分散，权责不明确，各个部门关注数据的角度不一致，缺少一个能从全局视角，纵观整体数据管理的组织，导致数据管理规程、标准建立困难，相应的数据监管措施无法得到落实，考核体系也无从建立，无法保障数据管理规章制度的有效执行。;数据治理体系构建;情况下，概念数据建模和逻辑数据建模是需求分析活动，物理数据建模是设计工

作。

概念数据模型是一系列针对于每一个主题域的概念数据模型图表。用来定义业务实体以及这些业务实体之间的关系，业务实体是主要组成部分，是企业熟悉并感兴趣的事物、人员、地点的概念和类别。业务实体的例子是实例，概念数据模型图一般不描述业务实体的数据属性，可能会包括实体之间多对多的业务关系，促进人们对业务的理解，有利于语义上的一致性。

逻辑数据模型是在概念模型之下，增加了更多细节来反映每个实体的关键数据属性，企业逻辑模型识别每个业务实体实例所需的数据，关键数据属???代表了通用的数据需求以及那些被广泛共享的数据属性的标准定义，关键的数据属性是指如果缺失则导致企业无法正常运作的属性。

物理数据模型是逻辑数据模型在数据库中的具体实现，是根据技术约束、应用方法、性能需求和建模标准等优化详细的数据需求和业务规则的实施工作。内容包括数据库内所有的表、视图、字段及其相关主键和外键的定义，以及系统内数据流向及系统间的数据交换关系。

元数据管理

元数据是描述数据的数据，按用途分为技术元数据、业务元数据和管理元数据。技术元数据（TechnicalMetadata）用于描述数据系统中技术领域相关概念、关系和规则的数据；包括数据平台内对象和数据结构的定义、数据源到目的数据源的映射、数据转换的描述等；业务元数据（BusinessMetadata）用于描述数据系统中业务领域相关概念、关系和规则的数据；包括业务术语、信息分类、指标、统计口径等；管理元数据（ManagementMetadata）用于描述数据系统中管理领域相关概念、关系、规则的数据，主要包括人员角色、岗位职责、管理流程等信息。;元数据管理功能架构

目前绝大数元数据管理系统都是按照技术元数据、业务元数据、管理元数据来开发和设计的，尤其强调了血缘关系；数据仓库是天然的靠血缘关系支撑的系统，但是业务系统的血缘关系并没有那么明显，即使在数据仓库系统中，血缘关系并非想象的那样唾手可得，绝大多数元数据管理工具的血缘关系大多来自于表的主外键依赖关系和对存储过程的解析，对于ETL工具而言则来自ETL开发过程。单纯的元数据管理存在的价值还是极其有限的，必须把元数据管理和数据标准、数据质量、数据资产、数据安全、数据认责等管理结合在一起，并通过各种服务向外提供给业务系统，才能真正发挥元数据的价值。;数据标准管理;数据标准管理功能架构;4、数据完整性：包括模型设计、数据条目、数据属性不完整一系列问题；

5、数据一致性：多源数据的数据模型、数据实体等不一致，相同的数据有多个副本的情况下的数据不一致、数据内容冲突；

6、数据关联性：数据关联关系存在缺失或者错误会直接影响数据分析结果；

7、数据及时性：及时性是指数据能否在需要的时候迅速获取到数据，与企业的数据处理速度和效率直接关联，是业务处理和管理效率的关键指标。

数据质量管理的规划和实施包括：

1、建立数据质量管控体系、数据质量评估体系，定期对数据质量进行评估；

2、各部门系统落实数据质量检查规则，持续改进；

3、结合数据质量管理与业务稽核，发现数据质量更深层次的问题；

4、制定数据质量考核机制，加强业务人员对数据质量问题的认识。;主数据统一平台是以主数据全生命周期为定位，构建企业主数据