数据治理体系建设包括哪些内容？

袖染墨凉

2022-04-11

数据治理试图通过一系列的框架和方法指导企业开展数据管理工作。要能够清楚的回答数据在哪里、数据有谁负责等问题。数据治理不是一项技术工作，需要管理和技术紧密结合，就工作内容而言是“七分管理、三分技术”。不同机构对数据治理体系的划分不完全相同，但包含以下内容：

一、数据治理战略（目标）
最宏观层面：数据治理的规划、方向、目标、原则。

二、数据治理组织架构
一般在决策层成立数据治理委员会，由高层领导最好是企业“一把手”挂帅。管理层设立对数据治理的归口管理部门。操作层明确相应的岗位和人员

三、数据治理制度流程
企业内部的数据管理制度建设。涉及的方面包括元数据管理、数据模型管理、数据标准管理、数据质量管理等。

一、建立数据成熟度管理机制：以《数据管理能力成熟度评估模型》为基础，并充分结合联想自身实际以及我国大数据标准化、治理的发展应用现状和趋势，提出了基于我国产业发展现状的、符合联想战略发展需要的数据管理能力成熟度评估模型，将组织数据管理能力划分为 8 个能力域，包括：数据战略、数据治理、数据架构、数据标准、数据质量、数据安全、数据应用、数据生存周期。

二、开展数据编目管理：通过对数据资源依据规范的元数据描述，对企业数据资产进行逻辑集中的管理。通过数据资源目录含有的各数据资源的描述信息，为对数据资源的检索、定位和获取提供便利，帮助企业决策者们明细企业所拥有的数据资产以及其数据资产的管理状态，提供企业数据资产显性化的应用入口，真正实现数据的可见、可管、可用。

三、开展数据质量管理：作为一家跨越了IT与制造业的业，联想大数据的质量管理工作涵盖产品研发、生产、市场、客户、物流供应链、售后服务、财务、人力、生产设备仪器仪表、传感器、产品、环境法规、社会经济等数据，流程长、种类多、范围广。数据质量的问题往往表现为一个或多个质量维度存在缺失，从而无法满足企业和用户的实际需要。主要表现在准确性、完整性、一致性、及时性、唯一性等方面。通过建立客观、全面、可行的数据质量检测、治理与持续改善机制，使大数据能够良好的服务于集团全层次数字化转型，是开展数据标准化及治理的顶层设计、过程控制和事后评估的重要过程。

四、建立健全的数据安全管理机制：承载着大量价值巨大企业的数据，蕴涵着生产情况及运行规律。一方面，推动建立标准化的全产业链数据安全管理体系，明确相关主体的数据安全保护责任和具体要求，加强数据生命周期各环节的安全防护能力，可有效避免用户隐私或重要数据遭到不法窃取或利用；另一方面建立数据分级分类管理制度，形成数据流动管理机制，明确数据留存、数据泄露通报要求和应急机制。

目前对于数据治理体系包括哪些内容业界并没有公认的标准答案，只有一些可供参考的体系框架。其中具有代表性的，国际上是由国际数据管理协会（DAMA）提出的DMBOK，国内是已成为国标的数据管理成熟度评估模型（DCMM）。DMBOK包含了11个管理职能，即数据治理、数据架构、数据建模和设计、数据存储和操作、数据安全、数据集成和互操作、文件和内容管理、参考数据和主数据、数据仓库和商务智能、元数据、数据质量。DCMM则包含了8个管理职能，即数据战略、数据治理、数据架构、数据标准、数据质量、数据安全、数据应用、数据生存周期。

企业需要运用数据思维去规划未来企业发展创新。数据治理对企业具有广泛的意义，不仅仅关注数据标准，数据质量，同时还关注企业数据的流转，应用，共享，安全，数据战略，数据资产等方面，是企业基于数据引导业务创新的关键。今天数据治理体系建设，具备了更广泛的内涵和外延，需要明确数据治理归口管理部门，加强数据标准化、元数据和主数据管理工作，定期评估数据治理能力成熟度。推进国企业务，例如生产现场、服务过程等数据动态采集，建立覆盖全业务链条的数据采集、传输和汇聚体系。建设大数据平台，创新数据融合分析与共享交换机制。强化业务场景数据建模，深入挖掘数据价值，提升数据洞察能力。数据治理是国有企业数据驱动的基础，也是国有企业数字化转型的必经之路。