数据治理建设管理方案.pdf

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。