- 1、本文档共33页,可阅读全部内容。
- 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、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、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)。
数据治理建设管理方案(参考)
数据治理背景
1、多数企业内部系统建设多,数据分散,各系统数据共享困难,信息化建设“烟
囱式”严重;
2、企业各部门系统口径不一致,数据标准不统一,数据质量无法整体评估;
3、数据不可知,数据挖掘不到位。数据使用者未知数据多,无法得知这些数据
与业务的联系,不知如何管理数据;
4、数据不可控,数据使用者对汇集数据、处理数据、数据服务过程模糊
5、数据不可取,数据使用者知晓自己业务所需数据,但不知如何获取或者轻松
获取;
6、数据关联性差,无法对数据进行自主探索和挖掘,数据价值停留在表面,没
有形成知识图谱。
数据治理概念
数据治理是根据数据全生命周期、数据整体流向,将数据作为企业资产进行
整体管控、人员绩效评判和风险管理工作的整套治理体系。保障企业数据及其应
用过程中的合理运营、风险可控以及数据价值实现。将从企业组织架构、人员方
案、规章制度、技术架构、人员绩效等多维度构建数据架构管理、元数据管理、
数据质量管理、数据标准管理、数据安全管理、数据生命周期管理等模型,全面
梳理整体数据,促进企业的数字化建设,是一个长期、复杂的工程。
数据治理目标
结合各行业组织信息化发展以及业务数据相关应用,《信息技术服务治理第
5部分:数据治理规范》明确了数据治理规范的实施方法和过程。数据治理框架
以“运营合规、风险可控、价值实现”为目标,包括“顶层架构设计、数据治理
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。
数据治理目标
基于数据治理体系,实现数据接入标准化、数据处理自动化、数据监控智能
化、数据组织知识化、数据运行可视化、数据应用自助化。
1、数据接入标准化:制定数据接口规范,统一数据标准规范;
2、数据处理自动化:合理设计ETL过程或者使用ETL开发工具,提高数据
抽取、转换、加载效率;
3、数据监控智能化:通过定义多种接口规范,实现运维监控管理,以短信、
邮箱等多种方式实现监控预警;
4、数据组织知识化:各部门数据共享,提取核心数据,形成主数据模型,
确定主题域,整合关联数据,形成以业务实体为单位的数据关系网络,即知识图
谱;
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。
需求分析
多数企业已经意识到数据资产管理的重要,但是对数据治理整个流程管控依
旧存在不足,不仅限制组织数据质量的进一步提高,同时也限制了数据的价值实
现。对于数据质量的需求主要分为:
1、数据标准和数据模型规范统一。
企业各组织机构均有一套独立的信息系统,各部门在各自的业务范畴内生
产、使用和管理数据,使数据分散在不同的部门和信息系统中,缺乏统一的数据
规范、数据来源和数据标准,导致数据格式、内容、含义上的不统一、不规范、
冗余、无法在各部门共享。
2、需要规范统一的主数据。
组织机构核心系统的数据信息并不是存储在一个独立的系统中,或者说不是
一个统一的业务管理流程在维护,缺乏主数据管理,导致整个业务范围内的主数
据无法保证一致、完整,影响数据准确性。
3、数据质量企业化管控。
目前大部分的数据质量管理均由企业个部门分头进行,每个部门对数据质量
的评估机制不一致,缺乏清晰的跨部门、跨机构的数据质量管控标准与规范,数
据质量分析随机性强,存在业务需求不清的情况,影响数据质量;部门存在数据
质量管理人员不足、知识与经验不够、监管方式不全面等问题;缺乏完善的数据
质量管控流程和系统支撑能力。
4、基于数据全生命周期的治理。
动点策划通过提供各行各业经典策划案例,策划思路,行业最新动态,旨在做好你的助手,为你正在谋划的事情提供框架思路或创作灵感。
文档评论(0)