| 编辑推荐: |
此文主要介绍数据治理的必要性及其解决的问题，数据治理的体系与理论基础，最后总结在项目实践中得出了4 个观点，希望对您的学习有所帮助。
本文来自于原力大数据
，由Alice编辑、推荐。 |
|
当一个企业的信息化发展到一定阶段，IT系统和平台越建越多，数据越来越丰富，很多企业就会出现这样一个问题：
绝大多数人只了解与手头工作相关的IT系统和数据，大家都不清楚公司到底有哪些IT系统、到底有哪些数据，更不知道如何如何用好数据。
这时，数据治理就成为了企业有效利用数据价值的一个必经之路。
一、数据治理的必要性及其解决的问题
数据治理的提出，本质上就是为了确保信息在流转中能保持高度的一致性、全面性、便利性，让数据更好的辅助决策和经营。
事实上，当企业的IT系统越来越多、数据越来越丰富的同时，很容易就会出现各种各样的问题，主要可归结为以下3种情况：
1、系统间相互割裂：
企业内部IT系统呈现孤岛化，信息无法流转
由于IT系统之间的相互割裂，当一项工作需要多部门配合时，同一个信息在不同系统录入时往往需要手工衔接，容易出现关键信息传递出错、信息遗漏等问题。
2、平台间信息不一致：
平台间数据标准不一，缺少全局规范文档，信息无法对接应用
同一条记录在不同平台录入时数据格式、数值精确度等不一致，甚至名称、编号也有差别，数据在对接核对时就会出现混乱。
3、缺乏统一管理：
IT系统建设缺乏统一的管理规范，无法从源头上解决信息混乱问题
系统建设时局限于部门需求，没有从业务全流程角度进行规划，导致平台系统分布零散、功能重复，权限管理不统一等问题。
要解决这些问题，只能从源头做起，先深入理解企业的运营规则和流程，然后把整体的数据体系及标准、管理等建立起来，为更多的数据应用提供足够的数据支持。
二、数据治理的体系与理论基础
1、DAMA体系
较为权威的理论体系是国际数据关系协会制定的DAMA体系，主张从9大管理方面全方位进行数据治理，并且详细阐述了每个方面具体要做的事情。
☆ 元数据管理：集成、控制和提供元数据
☆ 数据质量管理：定义、监控和提高数据质量
☆ 数据架构管理：定义企业数据需求，设计实现数据需求的蓝图
☆ 数据开发：设计、实施并维护解决方案，实现企业数据需求
☆ 数据操作管理：数据库设计、实施和支持
☆ 数据安全管理：确保隐私、机密性和合适的访问控制
☆ 参考数据和主数据管理：管理珍贵版本和复制品
☆ 数据仓库和商务智能管理：支持报表处理和分析
☆ 文档和内容管理：管理数据库之外的非结构化数据
2、ITIL标准
ITIL即IT基础架构库(ITIL-IT Infrastructure Library)，被誉为IT服务管理的圣经，其中包含了总结国际大公司在IT服务管理中的经验并得到证明的IT服务计划和运营的最佳实践框架，能够确保数据治理中IT建设的稳定与灵活性。
☆ 能力管理：通过合理配置服务能力，发挥IT资源最大效能的服务流程管理。
☆ IT服务可持续度管理：有足够的技术、服务和管理资源来支撑IT服务持续性。
☆ 财务管理：预算和核算IT服务提供方的服务成本，确保符合成本效益原则的管理流程。
☆ 配置管理：提供IT基础架构的逻辑模型，支撑其他服务管理流程运作的管理流程。
☆ 事故管理：快速响应处理可能引起服务中断和服务质量下降的事件的管理流程。
☆ 问题管理：精准找到（潜在）问题源头，并积极预防的管理流程。
☆ 变更管理：平衡IT服务中“时间”与“风险”的管理流程。
☆ 发布管理：保证软硬件变更发布成功的管理流程。
☆ 服务水平管理：是定义、协商、订约、检测和评审提供给客户的服务的质量水准的流程。
☆ 可用性管理：确保以合理的成本满足不断增长的可用性需求的管理流程。
3、6W2H分析法确保数据治理工作的有序开展
广泛用于企业管理和技术活动，更加全面具体、结构更加严密地分析工作，有助于制定决策和执行性的活动措施，也有助于弥补考虑问题的疏漏。
☆ What：数据治理要达成的目标和工作的内容
☆ Why：进行数据治理的原因及其迫切性
☆ Who：数据治理工作具体有哪些工作人员，由谁来统筹
☆ When：排期规划与各个模块的建设进度安排
☆ Where：确定数据治理主要针对的数据或部门
☆ Which：数据治理依托的理论指导和方法论
☆ How：数据治理采用的方法和建设思路
☆ Howmuch：考虑成本投入或预算
三、数据治理的实施步骤
数据治理最终落地应是企业的数据资产管理平台，涵盖企业的数据资产管理和数据应用管理两大块，全面、统一的管理企业数据资产与使用。
原力大数据对合作企业的数据、平台、组织架构都十分清楚，并协助制定了一些行业的数据治理标准规范。
所以基于这些信息的积累，原力大数据在推动企业数据治理落地时，会遵循三步迭代推进的方式开展：
选择企业的关键领域/业务线条，融合关键线条数据，打造小数据中心，梳理、规范、重构数据，将数据治理的标准、管理规划落地；
融合企业全部线条的数据，建设企业大数据中心，将关键线条的数据治理、数据重构经验扩展至全领域，构建企业统一的数据服务应用；
强化数据中心的数据资产管理和数据应用管理两方面的服务，将数据治理的9大管理工具化，将数据服务模块化，统一调用、统一管理。
原力大数据具备完善的数据治理解决方案，能结合企业需求快速开展数据治理工作。但对尚未接触过数据治理的企业而言，建议遵循一步步推进的过程进行数据治理，把企业数据资产管理平台建立起来。
1、资产梳理
结合业务去盘点企业数据资产，重点是基础数据的盘点，这是开展数据治理工作的重要前提。
评估数据管理水平，了解企业的数据管理机制、数据使用现状，明确数据如何支撑日常生产及经营，明确数据的来源、调用、存储等情况。
2、规范建立
在专业理论指导下，结合行业标准规范，建立数据治理9大管理维度的规范及建设方案，形成数据治理体系，使得数据治理工作在实施时有章可循。
以技术部门为主导部门，从组织架构、组织构成、角色及职责等方面建立数据治理组织架构建设方案。
结合数据治理体系形成细分管理办法，建立考核机制，保障数据治理各项工作的有序开展及成效保障。
依据三步迭代推进的路径，建设小数据中心、大数据中心、数据资产管理平台的系统建设方案。
规范建立涉及维度列举如下：
3、组织架构建设
依据规范建立中的数据治理组织架构建设方案，建立以技术部门为主导的数据治理组织，可根据企业情况以抽调专职人员或相关职能的兼职人员构成，明确人员角色、组织构成及职责，保障数据治理各项工作的实施。
4、系统落地
依据规范中的系统落地方案进行小数据中心建设：选择企业的关键领域/业务线条，融合关键线条数据，打造小数据中心，梳理、规范、重构数据，将数据治理的标准、管理规划落地。
依据规范中的系统落地方案进行企业大数据中心建设：融合企业全部线条的数据，建设企业大数据中心，将关键线条的数据治理、数据重构经验扩展至全领域，构建企业统一的数据服务应用。
依据规范中的系统落地方案进行企业数据资产管理平台建设：强化数据中心的数据资产管理和数据应用管理两方面的服务，将数据治理的9大管理工具化，将数据服务模块化，统一调用、统一管理。
5、数据治理体系管理
把企业数据资产管理平台投入管理企业数据资产与使用，依据规范中的数据治理体系管理方案及管理办法，进行日常数据资产的日常管理考核；
结合企业生产经营需要，进行规范及管理制度的优化迭代；
结合企业生产经营需要，进行企业数据资产管理平台的优化迭代。
四、关于数据治理的4个观点
原力大数据在给很多企业进行数据治理，在项目实践中得出了4 个观点，和大家分享：
观点1：
数据治理标准的生命力在于执行，难点也在于执行。
观点2：
数据治理体系规划和治理标准制定完成后，还需借助较大规模的源系统建设或改造才能得到较好执行。
观点3：
数据治理的落地执行需要遵循的四大原则：
1）领导重视；
2）以业务为驱动；
3）注重治理实效；
4）循序渐进的推进执行；
观点4：
数据中台是建立数据模型的一套理论和方法，基于数据中台的理念进行数据模型建设、应用、管理是数据治理落地的最佳实践。
数据治理是一个公司整体战略层面的工作，而不在执行层面。公司决策层领导挂帅，由主要数据使用部门（比如：市场部、销售部）和IT信息技术部门共同牵头，是推动数据治理成功的关键因素。
同时我们建议，企业做数据治理，应该以与公司日常的市场经营工作结合最紧密的某个领域为切入口，再逐步拓展到全域数据
五、技术活+苦力活，数据治理落地需做好准备
每个企业的数据治理落地路线是“因人而异”的，我们将在接下来的数据治理系列文章中，分享数据治理的实施步骤、数据安全标准、元数据管理、数据标准管理、数据安全管理等。
数据治理既是技术活、也是苦力活。要求团队既懂数据、又懂业务、还有IT建设能力。
原力大数据团队在企业数据治理和数据应用领域已有10多年的项目经验积累，曾帮助多个世界500强企业、龙头企业、政府进行数据治理及数据资产管理，具备从数据、技术、业务应用、管理、安全等方面入手，输出企业大数据治理整套解决方案的能力。
|
