制造行业数据治理的路径和方法?

差一点成熟

2024-08-16

数据治理体系很大，但是路径和方法却各不一样，可以根据数据成熟度的评估，把企业数据成熟度阶段分为随机阶段、认知阶段、成长阶段、成熟阶段、创新阶段。认知自身所处的数据成熟度，对于企业来说十分必要。目前，制造行业的信息化建设已取得显著效果，企业普遍希望通过数据治理为建设数据应用夯实基础，从而实现数据价值。
通过解决释放数据价值过程中面临的诸多问题，以体系化的方式实现数据的可得、可用、好用，用较小的数据成本获得较大的数据收益，整体上可以分为五个步骤：
第一，建组织制度。组织跨部门的治理工作小组，建立制度与规范，重点明确数据标准，数据开发维护流程。


第二，盘点数据资产。从技术和业务视角，盘点和发布数据资产，构建数据资产目录。满足未来两到三年数据应用诉求，遵循可持续发展，不断丰富数据资产目录内容。


第三，实行数据管理。对核心数据进行管理，规范化和标准化数据资产提升数据质量，保障数据安全合规，数据价值得到持续释放。


第四，数据计算。数据计算是对数据依某种模式而建立起来的关系进行处理的过程。当前大数据的背景下纳入了机器设备的数据源，而这些数据体量比传统的业务系统要大的多，需要在短期内提供处理好的数据结果。


第五，数据应用。让用户更好地指导有哪些数据、如何更方便、更快捷的获取数据；对数据资产的使用监控和评价以及质量评估。