睿治

智能数据治理平台

睿治作为国内功能最全的数据治理产品之一,入选IDC企业数据治理实施部署指南。同时,在IDC发布的《中国数据治理市场份额,2022》报告中,蝉联数据治理解决方案市场份额第一。

重构数据治理的必要性

时间:2018-11-14来源:马克·皮科浏览数:1221

拥有管理良好的数据资产并不能确切的保证你的生产业务价值。所以你就需要必备跨不同组件和活动的整体视图。那么这个时候数据治理就显得尤为重要。

在21世纪中期,企业开始认识到数据分析的前景,以及它如何帮助它们竞争。一场完美的数字风暴正在酝酿中。社会正处于由智能手机、社交媒体、数字娱乐、实时通信和基于消费者的电子商务推动的变革之中。出版物,如经济学家哈佛商业评论将这些机会呈现给高管们,认为这些机会是应该加以利用的战略机遇。

从2009年的金融危机中,企业开始在战略层面上拥抱其新的数据分析机会。2010年,人们相信,数据-以其所有新的、多样化的形式-将成为推动创新和竞争优势所需的燃料。很明显,企业业务的成功在很大程度上取决于作为燃料的输入数据的质量。

数据治理

几年前,政府为了消除安然(Enron)和世通(World com)等重大企会计丑闻所产生的负面影响,严格制定了政府报告义务。因而数据治理的学科开始逐渐形成。目前数据治理正逐步完善,其中已经形成了包括将数据转化为可信和有价值的公司资产所需的流程、组织结构和问责制。

有效的数据治理已经迅速成为数据分析成功的根本推动力。数据治理的范围包括了:数据资产、策略、生命周期阶段、分析用例等在内的流程。在细致定义的范围内,围绕存在的数据分配问责和策略。

分析采用

为便于讨论,假定数据分析的第一阶段采用时间为2008年至2018年。在这一阶段,数据治理演变为公司领导角色。它的重点是对界定数据资产的政策遵守情况进行监督和问责。并且制定和执行了改善数据可用性、可理解性、可访问性、安全性、相关性和质量的政策。任命了首席数据官和首席分析官等角色,为各组织提供一个集中于其数据治理挑战的企业中心。那么数据治理便从部门角度提升为组织视角。

目前,采用分析技术的新阶段正在发展。在数据分析投资中展示可衡量业务价值的更高标准正在迅速达成,并将延续到2018年以后。作为一个分析领导者,你必须面对新的挑战:理解价值创造的机制,向公司领导者展示可衡量的分析结果。这些新的要求是不断发展分析、成熟和提高期望的自然结果。

退一步讲,我们可以问一些尖锐的问题,例如:“在第一阶段的分析中,公司在创造价值方面取得了怎样的成功。”严格地说,从数据的角度来看,有传闻表明,与十年前相比,企业正在收购、存储、处理和交付更大的数据量。大数据浪潮将继续给组织带来更多的数据。然而,存储和处理更多的数据并不等于产生更多的价值。随着第一阶段数据治理程序的成熟,企业开始将数据作为一种受治理的企业资产来对待。

然而,仅仅拥有治理良好的数据资产并不能保证您正在产生业务价值。近期发表在麻省理工学院斯隆管理评论(S.Ransbotham,2016年3月)表明,从分析中产生的实际业务价值不再上升。它将以“业务价值、降低成本、收入增长、降低风险”的形式来改变你做出商业决策和采取行动的方式。这一形式可追溯到21世纪中期的数据分析,它承诺是创造增量和可衡量的商业价值。要实现这一承诺,你需要重新设想数据治理。

寻址业务价值

从数据中产生价值需要跨不同组成部分和活动的整体视图。您可以将此视图建模为价值链,有时称为值流。价值链显示了不同组成部分和活动之间的依赖关系,所有这些都有助于实现价值创造的最终目标。不过价值链跨越组织单位,需要协作和信任才能成功。

简化的价值链可以通过以下依赖关系来描述:


  • 价值是通过采取行动创造的。
  • 由行动决定。
  • 决策是通过分析来识别和评估的。
  • 分析是由基本信息支持的。
  • 基本信息是通过集成数据元素来创建的。


这意味着价值、行动、决策、分析、信息和数据代表了价值如何从数据流向数据使用到业务操作和结果。这条链包括数据、过程、技术、分析模型和人。

有效地从数据分析投资中创造价值需要多个组件(人员、数据、技术和流程)协同工作。这意味着数据分析的协调、规划和执行必须在价值链一级进行,而不仅仅是在数据组件一级进行。

数据治理改造

需要对数据治理进行重新描述,并将其转化为数据价值治理,这比仅管理数据的传统观点具有更广泛的关注点。数据价值治理包括数据治理的所有组件以及需要治理的更广泛的“事物”集。这些“事物”是通过定义数据价值链来定义的,如果企业要创建所需的业务结果,这些价值链必须是成熟的。

从数据治理的早期迭代中吸取的经验,例如虚拟团队、责任分配、政策制定、程序执行和执行-需要扩展并与描述数据驱动的业务模型的总体业务战略相结合,这种商业模式依赖于分析才能成功。

这种扩展的治理形式需要与您的公司战略相结合,并且必须处理棘手的问题,包括更改管理、技能开发、组织结构、政治、沟通和薪酬模式。

数据价值治理需要贯穿于整个价值链,共同为您的公司创造竞争地位。它应该被看作是将您的公司转变为一个由分析、机器学习和人工智能方面的进步所支持的数据驱动组织的引擎。

 


(部分内容来源网络,如有侵权请联系删除)
立即申请数据分析/数据治理产品免费试用 我要试用
customer

在线咨询