数据质量提升的落地实践

时过境迁

2023-03-03

制造行业已经开始逐步进行数据治理和管理应用的探索，并取得落地成果。亿信华辰积极布局数据治理领域，以DCMM和DAMA为理论框架，结合实践构建闭环式数据管理体系，数据治理产品已成功应用于诸多企业。

案例一：某主机厂数据治理项目

客户痛点：随着造车技术的不断进步，车企进入定制化时代，它需要以更低的成本生产多样化的产品，从而满足不同顾客的多种需求。对数据本身而言，业务量的增长加快了数据膨胀的速度，因此，数据治理已经成为大势所趋。

解决方案：打造车企集团层面的数字化运营体系按”119”进行整体设计。高效积累数据资产，赋能业务应用场景，助力企业构建扎实的数据根基，实现数字化经营。


咨询规划：结合理论组织架构，组建车企决策、管理、执行三层治理组织架构，包括：治理管理委员会、治理管理部门、执行工作小组。咨询成果输出分为两个方面：一是数据治理体系，二是数据治理管理办法。
平台建设：数据治理平台架构于数据底座之上，采集车企各系统及服务的元数据、主数据模型，构建标准、进行质量管控，实现资产化运营，赋能业务部门及应用创新。
治理服务：基于车企数据治理业务需求，通过数据采集、主数据、元数据、数据标准、数据质量、数据安全，数据资产管理、数据服务、数据指标等全方位治理，实现数据价值提升。
治理成果:

1.构建 6 大业务领域，11个核心应用系统之间的数据链路，通过数据地图展示系统间依赖关系，层层深入了解数据的业务含义，通过元数据分析，了解影响范围

2.建立数据质量检查&整改机制，完成数据入湖、数据分析环节的数据质检工作，构建 7 个质检模型，48 个质检规则，76个 质检方案。保障大数据平台中的数据完整性、真实性、准确性、及时性、规范性，为数据分析、决策支持、数据挖掘提供有效支撑。

3.基于元数据信息和集团职能全景图构建数据分类目录，第一阶段梳理形成人力资源域、营销域、供应链域数据资产，并数据治理平台门户实现了数据分类自动化和数据资产可视化，制定了数据分类维护方案，保证分类的准确性和实时性。

案例二：某电力集团数据质量管理项目

为快速解决现有系统中存在的飞码异常、表码倒走、台区/用户漏采、日超容等问题，在数据服务平台中规划数据质量管理平台，快速定位问题数据，对数据进行定期巡检，提升数据质量，为后续的数据分析提供有效的数据基础。

数据服务平台分期建设数据源管理平台、数据集成平台、数据权限管理平台、数据质量管理平台、数据缓冲区、数据分析平台、统计对外服务接口等多个模块，多模块协同整合多源数据，提升数据质量，面向不同用户提供相关数据支持服务。

其中数据质量管理部分则借助亿信华辰数据质量管理工具，全面提升数据质量，减少因数据不可靠导致的用户决策偏差和损失。同时按照指定检测数据源，定义之间规则，定期巡检，推送质检报告的流程为用户提供全面完善的质检方案。

案例三：南山集团主数据管理项目

确定南山集团建立一套全生命周期的物料主数据管理模式，该方案以数据标准与制度二者为基石，以管理组织、流程和平台三者为实现手段，实现物料主数据全面高效的管理。

完成人力资源、财务、采购、营销、指标及其他基础等六大类主数据建设，其中物料主数据，涉及40+大类，3000+小类，10万+实体数据，并实现供应链等其他经营系统的数据对接共享。

案例四：山能源临矿集团数据资产项目

山东能源临矿集团通过建立集团级大数据资产平台，运用大数据技术实现数据采集、清洗、分析建模，实现了集团全量多源异构数据采集，并对核心的人力、财务、设备、煤质、生产安全数据进行数据治理，形成高质量的数据资产。

通过数据资产目录对全集团发布，并用业务元数据解释数据含义，便于业务人员寻找自己所需的数据。业务人员可以对自己所需数据提出申请，数据管理员审批通过后，业务人员可以利用零代码敏捷分析工具自助分析取数，实现数据赋能，支持日常生产经营管理。