首页 行业百科 数据治理体系建设包括哪些内容?

数据治理体系建设包括哪些内容?

|亿信华辰大数据知识库2022-04-24

数据治理体系建设包括哪些内容?

当业务经历粗放式增长后,原有的模式已不能带动业务的增长,需要通过数据手段赋能新的业务增长点。因此业务对数据提出了准确性、及时性等要求,原有业务采集一个需求需要4天时间已经不能满足业务,从而产生了数据治理项目的启动。它包括数据、开发流程、管理流程、制度、组织,数据治理就是将关联方通过一套完整的管理行为,形成有序的工作以达成目标。

当业务经历粗放式增长后,原有的模式已不能带动业务的增长,需要通过数据手段赋能新的业务增长点。因此业务对数据提出了准确性、及时性等要求,原有业务采集一个需求需要4天时间已经不能满足业务,从而产生了数据治理项目的启动。它包括数据、开发流程、管理流程、制度、组织,数据治理就是将关联方通过一套完整的管理行为,形成有序的工作以达成目标。数据治理包括哪几个方面?数据治理措施主要包含以下几个方面的内容:
1、完成各业务系统的整合工作。完成用户集成、数据集成、业务集成工作,消除信息孤岛,完善数据中心建设。
2、评估数据质量,生成数据质量报告。以数据标准体系为基准,以数据治理平台为工具,数据管理员对整个主数据(或者全量数据)质量检测,根据实际需求,利用检测数据进行单一主题或者整体进行数据质量分析,生成数据质量报告。在数据质量报告的基础上,结合系统配置好的数据管控体系,生成针对部门、业务数据管理员的各子数据集整改报告。
3、有效的高校内部数据标准体系,包括数据标准、管理标准、质量标准等内容,并保证各业务部门、各业务系统能得到落实与管控。
一、如何搭建数据治理体系
1.构建企业级数据架构
企业在信息化初期就应该规划整体数据架构。一个完整的数据架构主要包括:数据库产品线、数据标准、元数据、主数据、数据安全、数据质量、数据交换、数据仓库。每一部分都需要作为独立的专题去建设,而且必须是技术与管理相结合的建设过程,最终形成全局数据架构。
2.加强信息系统设计
加强信息系统设计和开发可以通过系统功能自动地规避大量数据质量常见问题。具体包括以下三个方面:
1)加强数据库设计,使用3NF范式构建业务系统数据模型可以通过数据库有效解决数据冗余、不一致等问题;
2)系统开发阶段加强数据录入功能的设计和开发,提高界面友好性和校验功能,可以有效解决数据完整性、时效性等问题;
3)细化需求,在需求分析阶段增加对数据质量的详细要求。
3.建立主数据中心
结合实际需求情况扩大主数据的范围,凡是需要交换、共享的数据都纳入到主数据范围,形成企业范围内一致的、完整的、准确的核心业务数据,统一由主数据中心完成对外提供数据的任务。建立主数据中心不仅仅是技术工作,除开发、维护外还需要制定开发规范、管理规范、管理流程,共同规范主数据的使用。
4.搭建数据质量监控平台
通过搭建数据质量监控平台可以实现数据质量自动检查、监控,平台包括数据质量检查规则库、规则执行引擎、数据质量报告、报告推送功能。平台的核心是规则库,与业务无关的规则由技术人员独立开发,与业务相关的规则需要技术人员和业务人员共同确定检查规则,然后编写规则脚本。规则执行引擎可以定时批量执行检查规则,及时发现数据质量问题,将数据质量报告第一时间推送给业务人员,有助于及时纠正问题数据。
5.实施数据安全工作
数据安全实施工作在数据安全管理制度的指导下执行,由技术人员完成,主要包括数据备份、恢复、脱敏、监控、审计等。
二、关于睿治智能数据治理平台
睿治智能数据治理平台由亿信华辰自主研发,覆盖数据全生命周期管理的应用平台,也是目前国内功能齐全的数据治理工具,助力数据标准落地,提升数据质量,实现数据资产融合。睿治数据治理平台融合数据集成、数据交换、实时计算存储、元数据管理、数据标准管理、数据质量管理、主数据管理、数据资产管理、数据安全管理、数据生命周期管理十大产品模块,打通数据治理各个环节,十大产品模块可独立或任意组合使用,快速满足政府、企业各类不同的数据治理场景。睿治三大产品优势:
1)平台化,全面覆盖数据治理10大领域,采用微服务架构,融合度高,延展性强;
2)可视化,实现数据从创建到消亡全生命周期的可视化,也实现全角色的可视化
智能化;
3)丰富的智能元素和功能,大大缩短数据管理周期、减少成本浪费。
认为本内容有帮助
0
您可能需要的数据产品
亿信华辰助力政企数字化转型
customer

在线咨询