数据治理：从量变到质变的进化

随着企业的业务持续发展和规模的不断扩大，以及同业竞争日益激烈，开拓新用户的成本也越来越高。所以很多企业的决策者，开始向内看，进一步挖掘企业现有资源的潜力。业务数据作为企业的重要资产，除了完成日常的对外的业务处理、对内的绩效考核、分析等功能外，决策者希望能从中获得更大的收益。于是进行数据集成的ODS等，进行数据分析和数据挖掘的数据仓库、数据集市，以及面向分析应用的统计分析应用开始建立起来。初期的建设以分析、挖掘目标为导向，并没有严格定义数据标准，以及进行有效的数据管控，这造成了一些应用因为在数据集成阶段中的数据质量问题，导致了实施效果大打折扣，有的应用不得不重新花费大量得精力去进行数据质量管理、数据校验的工作。

         本文主要从ODS/EDW的层面上对企业的数据治理做了梳理和研究，根据业界实施的相关经验，对数据治理工作、方法、步骤做了进一步的总结、裁剪和提炼。“数据治理，一方面是要把数据当作资产来管理和应用；另一方面数据治理也是风险的最大来源，所以一个好的数据治理能从这两个方面解决问题，发挥数据资源价值的最大化，同时规避风险，这也是数据治理的目标。”

        高质量的数据是实现高效IT和业务运营的关键，也有助于企业成功实施业务战略计划并取得长期的竞争优势。数据治理方案，帮助企业获取并维护准确、可靠的业务源数据，最大限度地降低了IT项目风险，为管理层决策提供及时的决策依据。最终，正确、及时的数据可以帮助企业提供精准客户服务、提高交叉销售和上行销售的效率，将更多的潜在顾客转变为真正的客户，为企业带来更大的经济效益。

一、企业数据治理问题及策略

        1.数据治理面临的问题

        数据治理工作，已经得到了越来越多的重视。很多企业都已经或正在开展数据治理方面的工作，或多或少具备了数据治理的雏形和基本方法。但是许多企业在实际操作中容易发生以下问题。

        （1）缺少企业级的数据标准。业务系统与应用分析系统间数据交互频繁，统计口径、指标定义、加工方法等不一致，导致数据可信度低的问题，归结起来就是缺少有效的数据标准化管理体系造成的。数据标准化是数据平台建设中的重要环节，通过数据标准保证基础数据的一致性和严密性，合理制定标准并严格执行标准，保证各应用分析系统数据标准的一致性。

        （2）缺少企业级数据质量管理。企业的数据质量管理涵盖数据质量的评估、问题识别、分析、监控、清洗等一系列活动。企业应当组建专业的数据质量管理团队，依靠数据质量管理平台，数据质量剖析工具持续地监控数据的流向，形成企业级数据质量管理机制。

        （3）决策层对数据治理的忽视。企业的高层往往对数据质量管理、元数据管理、数据标准、数据生命周期管理等数据治理的主题不够关注，即使关注，也缺乏专门的管控部门来提供相关的报告。事实上，数据治理层次的提高也是业务水平提升的有力保证。

        （4）数据治理工作的局限性。治理工作局限于单个应用系统或个别部门内部，无法形成跨部门的配合、实施和修正，不能实现部门和企业数据治理的整体战略目标及数据治理组织和流程。

        （5）缺乏统一的数据治理方法和管理流程。每个参与人员都有自己的一套管理方法，很难统一并制定相应的实施细则，也难以在整个组织内部推广；依靠手工方法统计，缺少统一的管理支撑平台来协助数据治理的相关工作。所以，制定和推广统一的管理方法和管理流程，信息和数据资源实现企业层面的共享成为关键。

        企业数据治理主要包括以下内容：通过前期调研，了解企业数据治理现状；结合企业IT战略，分析企业数据治理现状与企业战略目标的差距；确定策略重点，从元数据管理、数据质量管理、数据标准、数据生命周期、数据安全、主数据管理等方面规划企业数据治理体系的建设方案；跟踪建设方案的实施情况并不断的修正，以最终实现部门和企业数据治理的整体战略目标。所以，建设一个完整的数据治理平台作为数据管控系统，从制度、标准、监控、流程几个方面提升数据信息的管理能力，以解决目前所面临的数据标准问题、数据质量问题、元数据管理问题和数据服务问题。

        2.建立健全企业级数据治理体系

        企业级数据治理体系建立的前提是构建企业级数据标准。数据标准的核心是要建立统一的企业级规范，促进全司范围的数据有机共享，有效提高数据的管理和使用水平。大数据时代，企业要根据结构化、半结构化以及非结构化数据的不同特点，从加强内外部数据共享的角度为数据制定统一的业务解释和标准，加强协调相关部门对数据标准的不同需求，建立适用的统一模型和以数据共享为基础的数据标准、规范及流程。

        制定前瞻性的数据质量规划是数据治理体系的基础。大数据的管理和应用要纳入企业统一的数据质量规划范畴。对于新建项目的业务范围和系统规划必须完全执行已正式发布的数据标准，对于已经建设完成的系统需在数据质量规划的要求下酌情进行适应性改造。

        企业数据治理体系包括管控机制和管控手段两个层面。管控机制包括管控政策、管控组织、管控流程和管控支撑，为管控手段提供了政策性、方法性的指导和保障。管控手段包括数据管控的各个主题，企业可以根据自身实际情况和侧重点选择管控手段中的一个或多个主题来率先实现。通常来讲，数据管控手段主要包括数据质量、数据生命周期、数据标准和元数据等方面。

图1 数据管控手段和管控机制示意图

        数据质量管理为数据标准的完善提供保证。数据生命周期管理强化了元数据管理，元数据管理和数据标准管理为数据质量管理和数据生命周期管理提供标准及规范的管理手段，元数据管理也为数据质量管理和数据生命周期管理提供支撑。数据管控政策的制定是将最高管理层对数据管控的设想变成思想和策略，并通过制度的制定和始终如一的执行来树立企业的数据管控理念，以确保数据管控组织围绕管控制度来进行工作目标的定义和实践。同时，明确各个相关部门的责任，改变或规范各个部门数据的管控。

 1 2 3 下一页 尾页

扫码即可手机
阅读转发此文