效益,因管理而变,管理因我们(Smartbi)而变
发布时间:2021-04-27 游览量:26929
数据治理是广义信息化治理计划的一部分,即制定与大数据有关的管理优化、数据保护、数据变现的政策。
它的发起背景多数是由于公司战略政策和业务日益变大的数据需求和要求所产生的。当业务经历粗放式增长后,原有的模式已不能带动业务的增长,需要通过数据手段赋能新的业务增长点。因此业务对数据提出了准确性、及时性等要求,原有业务采集一个需求需要4天时间已经不能满足业务,从而产生了数据治理项目的启动。它包括数据、开发流程、管理流程、制度、组织,数据治理就是将关联方通过一套完整的管理行为,形成有序的工作以达成目标。数据治理包括哪几个方面?数据治理措施主要包含两个方面的内容:
一、管理措施
1.提高全面思想认识
毋庸置疑,数据是企业的宝贵资产,各企业已经意识到数据质量的重要性,但是并没有将数据治理提到战略高度,信息化建设的重点仍然是应用系统建设和运维。数据治理是一个系统工程,需要管理层、系统开发人员、系统使用人员、系统维护人员多方协作才能进行。目前最大的问题就是各方人员对数据治理的认识还处于盲区,他们并没有意识到数据治理的重要性,因此数据治理首先要从上到下全面提高思想认识,保证在系统建设、系统运行、系统维护各个环节都能重视数据治理。
2.成立数据治理组织
健全的数据治理组织是全面开展数据治理工作的基础,数据治理组织应包括管理人员、业务人员和技术人员,缺一不可。数据治理组织可以设置三种角色,数据治理委员会、数据治理业务组、数据治理技术组。
数据治理委员会:由校领导、IT部门负责人和业务部门负责人组成,负责制定数据治理的目标、制度、规范、流程、标准等,沟通协调,解决相关人员责、权、利问题,推行数据治理文化。
数据治理业务组:由业务部门业务专家、业务部门系统管理员组成,负责业务系统参数、基础数据维护,保证系统正常使用;负责审核、检查、整改业务数据,在数据产生源头提高数据质量。
数据治理技术组:由IT部门的相关技术人员组成,包括系统开发人员、数据治理人员、数据库管理员。系统开发人员负责系统数据录入功能符合数据校验标准和数据治理标准;数据治理人员负责开发数据质量检测规则、监控数据质量、批量修改数据等工作;数据库管理员负责系统数据的备份、恢复、安全、审计等工作。
3.建立数据标准体系
一般来说,信息化建设应遵循标准先行的原则,在应用系统建设初期就应该制定企业内部数据标准体系,保证各业务部门、各业务系统使用相同的数据标准,提高部门间、系统间数据共享能力,避免形成信息孤岛。数据标准体系包括数据标准、技术标准、管理标准、数据质量标准等内容,可以成立由业务人员和技术人员组成的数据标准制定小组,负责数据标准体系的制定、维护、宣传、解释等工作。
4. 制定数据质量管控规范
由于企业缺乏明确的数据质量管控规范、流程,导致数据治理相关人员职责划分不清,缺乏专职人员在不同阶段对数据质量负责。通过制定数据质量管控规范,使相关人员明确在数据产生、存储、应用整个生命周期中数据治理包含的工作内容和工作流程,形成校内统一管理体系。为了提高数据治理执行效率,有必要建立数据治理绩效考核,检验数据治理各个环节的效果。
5. 制定数据安全管理制度
保障数据安全是高校信息化的首要工作,高校应该制定贯穿于数据生命周期的数据安全管理制度,包括数据生成及传输、数据存储、数据处理及应用、数据销毁四个方面。安全管理制度主要用来规范员工在日常工作中安全地使用数据,并且指导技术人员如何实施数据安全工作。
二、技术措施
1.构建企业级数据架构
企业构建的信息系统以满足功能应用为主,如果没有整体数据架构,应用系统就没有数据标准可参考,不可避免地会出现不同的应用系统使用不同的数据标准和数据库,导致数据交换、数据共享困难,数据冗余、数据完整性、数据一致性等问题突出。
理想情况下,企业在信息化初期就应该规划整体数据架构。一个完整的数据架构主要包括:数据标准、数据库产品线、主数据、元数据、数据质量、数据安全、数据交换、数据仓库。每一部分都需要作为独立的专题去建设,而且必须是技术与管理相结合的建设过程,最终形成全局数据架构。
2.加强信息系统设计
产生数据质量问题的第一个环节就是生成数据的源系统,在数据源头解决数据质量问题是提高数据质量非常有效的措施。加强信息系统设计和开发可以通过系统功能自动地规避大量数据质量常见问题。具体包括以下三个方面:
细化需求,在需求分析阶段增加对数据质量的详细要求;
加强数据库设计,使用3NF范式构建业务系统数据模型可以通过数据库有效解决数据冗余、不一致等问题;
系统开发阶段加强数据录入功能的设计和开发,提高界面友好性和校验功能,可以有效解决数据完整性、时效性等问题。
3.建立主数据中心
企业内部不同应用系统、不同部门间需要共享数据的现象非常普遍,建立主数据中心不仅能避免各应用系统相互共享数据形成网状结构,同时能够保证对外提供准确、一致的数据。一般地,主数据是描述核心业务实体的数据,如IT、业务、应用、资产等,这些数据变化相对缓慢并通常跨业务重复使用。这里我们结合实际需求情况扩大了主数据的范围,凡是需要交换、共享的数据都纳入到主数据范围,形成企业范围内一致的、完整的、准确的核心业务数据,统一由主数据中心完成对外提供数据的任务。建立主数据中心不仅仅是技术工作,除开发、维护外还需要制定开发规范、管理规范、管理流程,共同规范主数据的使用。
4.搭建数据质量监控平台
通过搭建数据质量监控平台可以实现数据质量自动检查、监控,平台包括数据质量检查规则库、规则执行引擎、数据质量报告、报告推送功能。平台的核心是规则库,与业务无关的规则由技术人员独立开发,与业务相关的规则需要技术人员和业务人员共同确定检查规则,然后编写规则脚本。规则执行引擎可以定时批量执行检查规则,及时发现数据质量问题,将数据质量报告第一时间推送给业务人员,有助于及时纠正问题数据。
5.实施数据安全工作
数据安全实施工作在数据安全管理制度的指导下执行,由技术人员完成,主要包括数据备份、恢复、脱敏、监控、审计等。
数据治理是企业信息化建设中提高数据应用水平和信息化管理水平的有效手段。数据治理是一项长期系统工程,贯穿于整个数据生命周期,不仅需要借助技术手段,更需要完善数据治理制度,包括规划、组织、机制、规范、流程等,只有企业各级人员高度重视和积极参与,逐步形成数据治理文化,数据治理才能取得成效,数据才能发挥更大的价值。
以上就是思迈特软件今天分享的数据治理相关知识。
感谢您的阅读,更多知识,请继续关注我们,下期再见!
广州思迈特软件有限公司(简称:思迈特软件Smartbi)是国家认定的“高新技术企业”,专注于商业智能(BI)与大数据分析软件产品和服务。我们在BI领域具有15年以上产品研发经验,提供完整的大数据分析软件产品、解决方案、以及配套的咨询、实施、培训及维护服务。
电话:
邮箱: