《互联网企业数据治理的十个最佳实践》由会员分享，可在线阅读，更多相关《互联网企业数据治理的十个最佳实践（15页珍藏版）》请在金锄头文库上搜索。
1、企业数据治理的十个最圭实践1、找症状，明确目标任何企业实施数据治理都不是为了治理数据而治理数据，其背 后都是管理和业务目标的驱动。企业中普遍存在的数据质量问题 有：数据不一致、数据重复、数据不准确、数据不完整、数据关系 混乱、数据不及时等。数据治理数据应用违标准及褊码数宇居统编码IJ数据共辜集咸定流向及春期存量数据;青洗增量数据集成U工程资源管理I物资优选应用由于这些数据问题的存在对业务的开展和业务部门之间的沟通 造成了较大的困扰，产生了很大的成本；各异构的系统中数据不一致，导致业务系统之间的应用集成无法开展；数据质量差无法支撑 数据分析，分析结果与实际偏差较大。然而要实现数据驱动管理、 数据
2、驱动业务的目标，没有高质量的数据支撑是行不通的。目标：企业实施数据治理的第一步，就是要明确数据治理的目标，理清数据治理的关键点。技术工具：实地调研、高层访谈、组织架构图。输入：企业数据战略规划，亟待解决的业务问题，经营发展 需求，业务需求等;输出：数据治理的初步沟通方案，项目任务书，工作计划表;2、理数据，现状分析针对企业数据治理所处的内外部环境，从组织、人员、流程、数据四个方面入手，进行数据治理现状的分析。i iLJELK,顷戌 IQ 虬 AfrWWWlW s场居覺堆*込:* Ml仲艸W啊十* 俪孑胡UK Jt蔓ICTHfllVf mtmutlfiniF .称1 植FM9 flimsiBto
3、iiUKa. uci3a-rim 严片氓KLBiamXK .采1伍12 KBAHEf- 金 躺三僅H时 鈕创?厦niK- 區点iKniicHKMIVIK!畫世呼屯右:畀由不塞；iSWIMPII用由曲血时.苗中即：! ?, 址择1?加字TWrjm雷卿.fflMWfjiM. Vff .初純鼻*立砂.亂謨vwwjisyftS翊算区.aw/匮义羊一钛WML：-e-HDJEJl-CWmpvriEiRiimKQHiMna. i.MAtftJiMm7WiWwiK:lMfcWHl4-kmUL：-l 阳峯m B RIM单 暮；flMirianjf ” IWa -u 2-EnKT . RQ野1VOHEM看再9ri
4、 . 阳體孟冋牛帕 K9M9fflvIflil闫冃址嗝冃怖.畢:Rlffi怡弟洋fir自合 记成丸!业-即滋科斛.弭商締一也仙二團42腱弗对踊品3某企业数据治理痛点分析组织方面：是否有专业的数据治理组织，是否明确岗位职责和分工。人员方面：数据人才的资源配置情况，包括数据标准化人员、数据建模人员，数据分析人员，数据开发人员等，以及数据人才的占比情况。流程方面：数据管理的现状，是否有归口管理部门，是否有数据管理的流程、流程各环节的数据控制情况等；数据方面：梳理数据质量问题列表，例如：数据不一致问题，数据不完整，数据不准确、数据不真实、数据不及时、数据关系混乱，以及数据的隐私与安全问题等。目标：分析
5、企业数据管理和数据质量的现状，确定初步数据治理成熟度评估方案。技术工具：实地访谈、调研表、数据质量问题评议表、关键 数据识别方法论（例如：主数据特征识别法）；输入：需求及现状调研表、访谈记录、数据样本、数据架构、 数据管理制度和流程文件；输出：数据问题列表、数据U/C矩阵、数据治理现状分析报 告、数据治理评估方案；3、数据治理成熟度评估数据治理成熟度反映了组织进行数据治理所具备的条件和水 平，包括元数据管理、数据质量管理、业务流程整合、主数据管理 和信息生命周期管理。Level3Level、/ PerformedLewi/ManagedOptimizedMeasuredCMMI DMM数据管理
6、能力成熟度评估模型数据治理成熟度评估是利用标准的成熟度评估工具结合行业最 佳实践，针对企业的数据治理现状进行的客观评价和打分，找到企 业数据治理的短板，以便制定切实可行的行动方案。数据治理成熟 度结束后形成初步的行动方案，一般包括数据治理战略，数据治理 指标，数据治理规则，数据治理权责。数据治理愿景和使命是数据 治理的整体目标；数据治理指标定义了数据治理目标的衡量方法； 数据治理规则和定义包括与数据相关的政策、标准、合规要求、业 务规则和数据定义等；权利和职责规定了由谁来负责制订数据相关 的决策、何时实施、如何实施，以及组织和个人在数据治理策略中 该做什么。目标：结合业界标准的数据治理成熟度模
7、型，根据企业管理 和业务需求进行数据治理成熟的评估，形成初步的数据治理策略 和行动路线。技术工具：数据治理评估模型，例如：DCMM，CMMI DMM，IBM 数据治理成熟度评估模型等；输入：第2步的输入以及数据治理评估模型、数据治理评估 工具（评估指标、打分表等）；输出：数据治理评估结果，数据治理策略，初步的行动方案；4、数据质量问题根因分析数据治理的目的是解决数据质量问题提升数据质量，从而为数据驱动的数字化企业提供源动力，而提到数据质量问题，做过BI、数仓的同学一定知道，这是一个技术和业务“经常打架”相互推诿的问题。管理问題却口无戡侧I辭恕33$好工玉明囱打畑隱 龍电 nSBlSia无題軒
8、錶理切14 黨ItKfc靈披出讨树號多剌馭?常 豳ti诙生聊整不务的殴耀鮭林诵戰屬林时越失融卑濟茁林俱空应敎据问题察境问題技术问题某企业数据问题根因分析鱼骨图产生数据质量问题的原因有很多，有业务方面的、有管理方面 的、也有技术方面的，按照80/20法则，80%的问题是由20%的原因 造成起的。所以，如果能够解决这20%的问题，就能得到80%的改 进。目标：分析并找到数据质量问题产生的根本原因，制定行之 有效的解决方案；技术工具：头脑风暴、5W1H、SWOT、因果（鱼刺）图、帕拉 图等；输入：数据问题列表、数据U/C矩阵、数据治理现状分析报 告、数据治理评估结果；输出：数据质量评估结果、对业务的
9、潜在影响和根本原因。5、业务影响及实施优先级评估通过数据治理成熟度评估，从组织、流程、制度、人员、技术 等方面找到企业在数据治理的待提升的领域和环节，再通过数据质 量根因分析找到数据质量问题发生的根本原因，进一步明确了数据 治理的目标和内容。再接下来，就需要确定数据治理策略，定义数 据治理的实施优先级。技术实施的难度业务实施的难度某企业主数据治理实施优先级评估不同的数据治理领域解决的是不同的问题，而数据治理的每个 领域都有它的实施难点，对企业来说，需要从业务的影响程度，问 题的紧急程度、实施的难易程度等多个维度进行分析和权衡，从而 找到符合企业需求并满足企业发展的方案。目标：确定数据治理核心领
10、域和支撑体系的建设/实施优先级;技术工具：四象限法则（分别从业务影响程度/实施难以程度,问题重要程度/问题紧急程度绘制优先级矩阵）、KANO模型输入：数据治理成熟度能力评估结果、数据质量问题根因分析结果；输出：数据治理实施优先级策略6、制定数据治理行动路线和计划路线图是使用特定技术方案帮助达到短期或者长期目标的计 划，用于新产品、项目或技术领域的开发，是指应用简洁的图形、 表格、文字等形式描述技术变化的步骤或技术相关环节之间的逻辑 关系。路线图是一种目标计划，就是把未来计划要做的事列出来， 直至达到某一个目标，就好像沿着地图路线一步一步找到终点一样，故称路线图。舷立球都頂冈数垢治IS爼31-建
11、立井投布曲制度肚辽井翘布戴据标准与龙丙吊砥IS办屋-故日台底技求拓甜s赧規划.如标 S1E功能牡忘耐质管理功畑开发故日台曰相羔橫块边设融娼逊唸各枝*平台之阅痂赢*幵扯两锻曲嗚奁互16丟的帧某企业数据治理实施路线图企业数据治理的实施路线图的制定是以企业数据战略愿景 和使命为纲领，以急用优先为原则，以分步实施为策略进行了整体 设计和规划。实施路线图主要包含的内容：分几个阶段实施，每个 阶段的目标、工作内容、时间节点要求、环境条件等。笔者观点： 任何一个企业的数据治理都不是一蹴而就，一步到位的，需要循序 渐进、持续优化！实施路线图就是基于此产生的，因此说数据治理 实施路线图也是说服利益相关者支持的一
12、个重要手段。目标：确定数据治理的阶段以及每个阶段的目标；技术工具：路线图法输入：数据治理成熟度能力评估结果、业务影响及实施优先级评估结果；输出：数据治理实施路线图或称阶段目标计划7、制定数据治理详细实施方案数据治理详细实施方案是用于指导主数据的各项实施工作，一 般包括：数据治理核心领域、数据治理支撑体系、数据治理项目管 理三个方面。檢心领域汗娱杲柚管押槿式归门部1毅帛帯龙IT技术组织 I 制度规童 流程保障机制数据治理总体框架图数据治理核心领域包括：数据架构、数据 服务、元数据管理、数据质量管理、数据标准管理、主数据管理、 数据安全管理、数据生命周期管理。数据治理支撑体系包括：组织 （组织架构
13、、组织层次、岗位职责）、制度（管控模式、规章制 度、考核机制）、流程（归口部门、管理流程、流程任务等）、技 术（数据集成、数据清洗、数据开发、数据应用、数据运营、支撑 平台、实施方案等）。数据治理项目管理方案包括：项目组队、项 目计划、质量保证计划、配置管理计划、培训和售后等。关于数据治理的核心领域，详见笔者之前分享的数据治理框 架解读系列文章。关于数据治理的支撑体系，详见笔者之前分享的数据治理成 功关键要素系列文章。目标：基于数据质量根因分析、业务影响和实施优先级评估 结果，制定详细实施方案；输入：业务影响及实施优先级评估结果，行动路线和计划；输出：数据治理详细实施方案。8、数据治理实施过程
14、控制数据治理实施过程控制是对数据治理项目的范围控制、进度控 制、质量控制和成本控制，通过对企业的各项资源的合理协调与利 用，而达成的数据治理目标的各种措施。从项目管理的角度来讲也 是项目管理的黄金三角：范围、时间、质量、成本。任何项目的质量和进度是需要良好的项目管理来保证的，数据 治理也一样。与传统的软件工程项目不同，数据治理项目有着范围 边界模糊、影响范围广、短期难见效、实施周期长等特点：范围边界模糊，数据治理涉及到的关键领域如元数据管理、数据质量管理、数据标准管理、主数据管理等很多是存在交叉的，边界 很难界定，例如：实施数据质量管理项目，会涉及元数据管理、数 据标准管理等，同样一个元数据管
15、理项目也会涉及数据标准和数据 质量。影响范围广，数据治理的实施不是一个部门能够完成的， 是需要从高级管理层、到各业务部门、信息部门通力协作，共同完 成的；短期难见效，数据治理项目实施完成后，其数据治理的效 果被每个业务点滴操作所“稀释”，并不像其他项目，例如BI，那 样明显的体现出来，所以主导数据治理的部门会经常遭到质疑。 实施周期长，在没有清晰的数据治理目标和范围约定的情况下，数 据治理是一个“无底洞”。所以，在实施数据治理项目之前制定好 实施路线图和详细的实施方案就显得格外重要（第6、7 步）。目标：通过对数据治理项目实施过程的进度控制、质量控制和成本控制以实现数据治理的目标；技术工具：PP （项目计划）、PMC （项目控制）、IPM （集成 项目管理）、RSKM （风险管理） CMMI过程域；输入：
