当前位置:首页 > 公司动态
优化数据治理工作的7个策略
  • 发表时间:2022-11-17 点击数:13
  • 来源:未知

导语:随着全社会范围内数字化变革的加剧,各大企业纷纷开始布局数字化转型,其中,数据治理成为企业向数智化跃迁的隘口要道,数据治理工作的成效如何,很大程度上决定了企业能否依靠数据驱动业务发展。

事实上,数据治理虽然已成为许多企业的必选项,却不是所有高层管理者的“心头好”。工作周期长、牵涉部门多、成效“不明显”等因素都成为数据治理难以延续的理由。在这种情况下,数据治理很难真正完成它的“使命”。

为了使数据治理工作取得成效,我们应该采取合适的策略与理念,让数据治理在企业澎湃的数字化进程中静水流深,走得更好更远。根据多年数据治理经历,中翰总结了以下一些心得:

 

一、与业务侧建立深刻的联系

数据治理工作的终极目标,就是为业务使用提供便利,并最终驱动企业业务的转型发展。不论是前期调研业务部门需求、确认关键业务数据范围、统一数据定义,还是后期实现数据业务化,将数据治理成果转化为业务成果等等,都需要与业务部门进行深入合作。尤其是对于工业企业来说,复杂的数据结构,繁多的数据种类,都昭示着专业人士的必要性。

 

2、全视角管控数据质量,而非单一主数据

“集中管理共享信息(主数据),其余静态数据由各部门单独维护,”是从前许多企业选取的一种数据治理模式。渐渐地,企业开始意识到主数据的动态性造成阻碍、单一视角难以满足全部业务需求等问题。为了全力支撑业务需求,全面解决企业数据质量问题,应对企业内数据的公有属性和私有属性实现共同管控。

为了解决这项难题,中翰推出了国内第一个多业务视图管理理念,打造了真正的企业级静态数据中心,且能在在数据生成的源头一次性全面解决数据(静态数据)质量问题。

 

3、处理好先后次序和工作重点问题

企业数据治理项目一般周期较长,项目结束后,数据治理工作也会长期持续下去。所以在推进数据治理工作时,不能急于求成,应确定好数据治理的先后顺序。一般来说,应先从人员和组织机构开始着手,等项目进展到一定程度,再把范围适当扩展到物资数据、客商数据、人员数据、组织机构等。

如果某部分数据质量问题已经严重影响企业正常运转,也可从关键部分开始,优先解决关键数据质量问题。

数据治理工作的整体过程中,应格外注意支持企业关键业务流程的系统和影响企业业务的关键数据指标,并着重处理其质量问题。

 

4、做好数据质量的评估和监测工作

长远来看,定期对企业数据质量进行评估,能够帮助企业结合业务发展需要调整数据治理的方法和策略,有利于数据治理工作的改进和发展。中翰认为,要进行企业数据质量的评估,一方面可以从数据质量变化对业务产生的影响入手。另一方面可以依靠数据质量监测平台组件,实时监测数据质量的变化。

 

5、重视调研工作,处理好业务需求与实际落地的关系

在开展数据治理项目之前,应首先对调研工作进行详尽的规划。调研内容应包括企业数据管理现状及其对数据应用分析、业务管理、未来企业数据战略规划的影响。在进行调研工作时,应充分参考各级人员对数据管理的意见、建议和需求,尽量获取一手资料。在口头调研之余,还应收集大量书面资料作为补充,如制度、模型、流程、业内标准、实际的数据以及数据质量、安全的问题等。

调研工作是否完备决定了企业数据治理项目的成败。如果调研分析结果只考虑企业需求而不考虑客观实际,后续的实施工作也将如搭建空中楼阁一般,时时面临着全面崩溃的风险。为了切实保证数据治理项目的成功,在中翰主持的数据治理项目中,调研工作可占全部工作的60%。

 

6、规范化项目管理

在推进数据治理项目时,项目过程管理的规范化也占据着举足轻重的地位。专业组织及制度建立、各层人员参与、负责人签字、流程审批、凭证留存、定期汇报、节点评审······种种规范化管理机制或措施,一方面能够使数据治理工作有条不紊,从容推进;另一方面也为数据治理工作的质量提供了多重保障。

经过多年探索,中翰认为,要使得所谓“规范化”不流于形式,最好的选择是将项目管理应实施的各项工作总结制作成统一的工具。这样一来,不论是观察项目进度,还是上传节点凭证,都有据可依。数据治理工作推进“不显眼”的问题也能够得到解决。

 

7、建立知识转移机制

数据治理项目结束后,如果企业难以将其延续下去,不论是企业的未来规划还是厂商前期的工作成果都将化为泡影。为何数据治理成果难以延续?也许是因为没有建立专门的组织,或是人员配合度不高。然而,在去除掉所有“人”的因素之后,中翰发现,过程知识的“断层”才是问题的根本。即使企业中有专人负责数据治理工作,一旦数据管理体系在业务发展过程中产生进一步拓展、完善的需求,仅依靠数据管理人员的个人能力也难以延续数据管理体系的制定思路。

中翰认为,应该利用知识驱动岗位。为此,中翰独创了在线知识转移模式(数据体系构建工具)实现了数据治理能力的有效转移。数据体系构建工具可通过图片、文档、视频、讨论过程记录等形式,再现数据咨询、实施过程的详细信息,让运维人员轻松延续数据管理体系拓展的思路。