近年来,随着大数据产业的蓬勃发展,企业和政府对于自身的
数据价值产生了重新认知。数据越来越多,怎么管?如何用?才能让数据发挥价值,成为了众多企业的一个难题!“数据”,当代社会重要的潜在资源之一,
数据治理已经成为全球治理的重要议题。综观当前全球数据治理,个人数据滥采滥用、企业数据交易纠纷频发、公共数据开放利用滞后、数据跨境流动风险较大等一系列问题,亟须解决。
有效的数据治理可以确保企业数据全面、一致、可信,从而全面释放数据的价值,提高业务流程效率、提升业务增长的机会,驱动企业
数字化转型。
这听起来很简单,但事实上数据治理对每个企业都是一项很大的挑战。数据治理在为企业提供价值的时候,往往会遇到很多问题,比如:没有明确的战略需求,
数据标准缺失,数据源头不清晰,
数据质量缺乏监管等。这就需要我们要有统一的数据标准和良好的数据质量来构建数据治理体系。
01明确的数据标准
企业进行数据治理的过程中,顶层设计和组织建设尤其关键。我们需要将数据治理视作一项战略层面的活动,要有明确的目标和方向,使得数据治理最终能够满足业务需求,为业务创造价值。
根据企业自身的战略需求以及数据现状可以从以下几点切入:
1.对企业业务进行定义,并对每个业务中的业务活动进行梳理,同时需要收集各类业务单据、用户视图,梳理每个单据和用户视图之间的数据对象。
2.针对数据对象进行分析,明确每个数据所包含的数据项,同时,梳理并确定出该业务中所涉及的数据指标和指标项。
3.梳理和明确所有数据指标的关系,并对数据之间的关系进行标准化定义。数据关系也是数据标准管理的内容。
4.通过以上梳理、分析和定义,确定出
主数据标准管理的范围。
对数据进行充分调研后,企业就可以针对性的制定
数据治理方案。对于不同业务类别的数据项,则需要梳理出数据之间的联系,方便进行数据之间的关联分析。
数据标准是企业数据治理的一部分,是一个涉及范围广、业务复杂、数据繁杂的工程。数据标准的实施绝非是一个部门的事情,需要从整个组织考虑,建立专业的数据治理体系。
02以价值为导向的数据治理
数据治理在为企业提供价值的时候,往往会遇到很多问题,主要表现为以下三点:
1.部门各自为政,数据反复清洗加工、分析工具重复采购、挖掘成果小范围使用、先进经验未能共享;
2.数据割裂:管理条线间数据割裂、数据来源间未能打通、数据脱敏后丧失价值,比如我们在做洗钱交易识别时发现交易对手的唯一标示全部是星号,这就是选取了错误的脱敏方式导致的不可恢复的错误后果;
3.缺乏系统性管理:缺乏全面的围绕客户、风险、运营、财务等全面规划分析场景,执行过程随意,流程体系不健全,保障不到位,数据和模型资产流失严重。
数据治理便是为数据资产保值增值而服务的。其目标是消除歧义、减少数据孤岛,降低数据使用成本,提高对业务的响应,提高对数据隐私安全保护。
实施数据治理可以为数据管理提供可信任的数据,减少数据重复,增强业务和IT对于数据的信心,改善数据的及时性和可用性,建立通用的数据词汇表,以确保访问正确的信息,定义企业范围(或站点/项目范围)的值以获取公共参考数据,提供信息和指导,以协助有关数据的合规性和监管工作。
(部分内容来源网络,如有侵权请联系删除)