当前位置:首页 > 公司动态
企业数据治理,到底是可选项还是必选项?
  • 发表时间:2022-05-11 点击数:17
  • 来源:未知

最近几年,数据治理这个话题非常引人关注。工信部、国资委、银保监会、中国人民银行等陆续发布相关政策、规划,推动行业数据治理工作不断向前发展。那么,企业数据治理,到底是可选项还是必选项?今天我们就通过问答的形式讨论一下:


Q:什么是数据治理呢?

A:数据治理的概念其实已经提出很多年了,国际和国内的专业机构都给出了标准答案。总体理解为,数据治理的顶层设计、战略规划,再加上具体实施落地,综合起来称为“数据治理”。数据治理是由方法论和具体实践组成的。当前企业越来越重视数据治理建设,越来越意识到传统IT驱动的专项数据管理项目,在实施过程中很难推进,很难解决业务和管理上的用数难的问题。而从战略、组织入手的数据治理顶层设计,更有利于推动数据管理目标的实现,再加上技术落地,最终去进行数据治理。

Q:企业信息化早已普及,那么为什么还要开展数据治理这项工作呢?

A:数据治理这项工作的开展,是企业信息化建设到达一定阶段后,才会提出的。大多数企业在信息化建设中,一般会采用传统的“流式”建设模式。所谓“流式”建设模式,一般是企业按照管理的需要、经营的需要建设信息化系统,比如需要财务管理就建设财务相关系统,那么有人力资源管理需求,就建设人力资源管理系统。而这种单个系统的建设或者叫流式建设的方式,就会导致很多问题。这就是目前大多数企业开展数据治理建设的普遍原因。


Q:企业在信息化建设过程中也会产生很多问题,那具体会有哪些问题?

A:企业信息系统建设过程中,其实会遇到很多数据治理方面的问题。

比如,标准化的问题。由于系统的独立建设,或者叫烟囱式建设,没有顶层设计或前期规划,会导致跨系统、跨业务领域的数据没有统一标准,无法做关联性分析。那么当上层做数据分析的时候,会出现口径不一致或标准不一致的问题。

第二类,是数据质量的问题。因为系统是独立建设的,而且是分时期建设的,那么数据在各个系统之间流转的过程中,数据是会有缺失的。尤其在系统运转的过程中会积累大量数据,由于不标准的操作,会出现数据质量有大量问题存在的情况。这些就导致了系统之间在做流转、或者做上层的数据分析、或者做顶层的决策观察分析的时候,我们没办法确认这些数据是否可用、很难去用。

还有一类,是安全性的问题。可能由于没有顶层规划设计、没有流程制度的规范、没有审计制度的约束,可能日志考虑不是特别的健全,包括系统的数据利用有缺失,都会导致数据在存储、使用、操作、追溯等方面的安全性问题越来越多。

所以,无论是企业数字化转型,或者数据价值转化,还是为了数据标准化的目标,数据治理正是解决这些问题的有效方法。

Q:企业开展数据治理这项工作,具体都会涉及到哪些内容呢?

A:数据治理的核心就是建设数据治理体系。企业数据治理的建设大致可以分为三个层次:

第一个层次,是战略引领,顶层挂帅。属于顶层设计、战略规划的层面,需要企业的领导层对数据治理的建设有足够的重视,将数据治理提升到企业的战略地位,使企业的管理人员和全员对数据治理有足够的认识,这样数据治理工作才能很好的落地和推行。

第二个工作,是健全机制,标准先行。属于规范制度和标准化制度建设的过程,会使企业重构组织、重构管理制度、重构流程和标准等。这项工作其实非常的重要,它会影响到,比如说哪些组织管理哪些工作,哪些人员具体负责哪些事情;而标准的设计,一定是要先行做到的,它会影响到后续建设的具体落地。

第三部分,是数据驱动,技术支撑。属于具体的落地和实现的部分,又包含了两个步骤,第一步,就是技术的选型,也就是通过选型来决定之后做数据治理这项工作的技术路线是什么,采用什么样的平台、什么样的技术手段去实现它;第二步,就是具体的实施工作,包括系统的安装部署实施、具体的实施计划的制定等等。数据治理会划分一些具体的系统模块,比如说元数据管理,数据标准管理,数据质量管理,主数据管理,数据安全管理,数据资产管理等等,这些都是数据治理体系平台要建设的内容。根据不同的项目特点,用不同的技术或工具,让企业的数据治理工作事半功倍,实现数据价值的变现。


Q:这三个层面就像一个金字塔模型一样。

A:对,其实它就是一个金字塔模型,从顶层规划,到中间的流程规范制定,到最下面的具体实现,所以从这个金字塔模型能够看到,其实最顶层的战略规划层面是最重要的一个环节,所以会把它放在最上面。

随着数字化进程的不断深入,企业对于数据价值的认可,基本成为一种共识。而数据治理作为能够帮助企业发掘数据价值的手段,也已经被广泛认可。看来对于企业来说,未来,数据治理不是一个可选项,而是一个必选项。