<object id="3iwlw"><noframes id="3iwlw"></noframes></object>

      <th id="3iwlw"></th>

    1. <rp id="3iwlw"></rp>
      <rp id="3iwlw"></rp>

    2. <button id="3iwlw"></button>
      云計算·大數據 頻道

      再談:數據治理的長效運營機制!

      企業數據治理是一項連續性的工作,需要有長效運營的機制來支撐,不斷鞏固和加強數據治理效能,助力企業數字化業務的深入發展。建立企業數據治理長效運營機制的關鍵在于分工清晰,領導支持,標準明確,流程規范,獎罰分明,持續優化。

      — 01 —

      組織領導機制

      建立符合企業業務目標和發展需要的數據治理組織機構,明確數據治理崗位職責,明確數據的歸屬權、使用權、管理權。建立良好的溝通渠道,將數據治理與企業戰略綁定,發揮高層領導的牽頭作用,打造“一把手工程”。組織領導機制包含4個關鍵要素。

      1、堅持數據確權

      明確每個數據域的所有權,數據所有者對該域的數據質量負責,而不是應用系統或數據庫的管理員。

      2、堅持“一把手工程”。

      數據治理必須獲得高層領導的支持和深度參與,沒有高層領導的支持,切勿啟動數據治理計劃。

      3、堅持組織領導

      數據治理委員會形式上可以虛擬(由兼職人員組成虛擬團隊),但效能上不能虛設。數據治理組織機構對企業整體數據治理目標負責。數據治理需要提升到戰略層面,需要建立起有效的數據治理組織體系,協調和解決重大事項,協調資源和資金的支持。

      4、堅持業務部門與技術部門協同

      根據數據管理工作的實際需要,業務部門和技術部門需要相互配合與協同。要讓懂業務的人做業務定義的事,讓他們成為所屬數據標準的歸口部門,讓懂技術的人完成具體的業務實現,二者各司其職,各盡其能,逐步構建成熟、健全的標準化體系規范。

      — 02 —

      標準規范機制

      數據治理是遵循一定的約束和規則,使數據能夠規范化輸入、標準化輸出,而這里的約束和規則即數據的標準和數據管理的規范。

      1、數據標準

      數據標準是數據分析和應用集成的基礎。企業的數據治理需要建立全面的數據標準,主要包括基礎數據標準、主數據和參考數據標準、指標數據標準等。

      廣義的基礎數據是包含主數據和參考數據的,指對企業運營和管理所產生和使用的、在不同部門、不同系統具有共同特征的基礎性數據,例如主數據與參考數據、業務術語表、基礎數據字典等。

      指標數據是指為了滿足企業內部管理及外部監管的需求,在基礎性數據的基礎上按照一定的計算和統計規則進行組合的業務信息,例如維度數據、指標數據、分類數據、標簽數據等。

      2、流程規范

      數據治理應貫穿于數據的整個生命周期。流程規范是對數據從產生、處理、使用到銷毀的整個生命周期的各階段、各流程環節的控制和約束,用來確保數據質量和數據安全合規使用,例如數據需求管理流程、數據創建流程、數據變更流程、數據銷毀流程。按照“垃圾進,垃圾出”的數據管理原則對相關業務流程進行優化和監管,以提升數據質量,賦能業務應用。

      3、管理規范

      數據治理管理規范即管理制度,類似于企業管理的規章制度,它告訴人們關于數據管理能做什么、不能做什么以及怎樣做。管理規范會闡明數據治理的主要目標、相關工作人員、職責、決策權利和度量標準。管理規范與管理流程相輔相成。一般會在每個管理流程中設置管控點,明確每個管控點的管控目標、管控要素、標準規范和操作規程。常見的數據治理規范有數據填報規范、數據清洗規范、數據采集規范、數據運維規范等。

      — 03 —

      培訓教育機制

      企業數據治理的標準、制度和流程不應只是保存在硬盤上的文檔,而應成為企業文化的一部分。要通過建立多層次、多形式、全方位的數據治理宣傳和培訓體系,將企業數據文化內化于心,加強企業全員對數據治理的認識,強化他們的數據思維及數據質量和數據安全意識。

      1、建立分層培訓機制

      企業需要營造數據文化氛圍,建立起企業對數據治理戰略的共識,加強數據標準的宣傳和培訓,促進數據思想的傳播。從集團總部到分子公司的各級數據所有者、數據管理員,都應分場景、分內容進行數據治理的宣貫和培訓,以幫助企業相關人員建立對數字化思維的正確認知,了解數據治理的目標、價值和意義,了解數據治理的方法,熟悉數據治理的平臺與工具,掌握數據標準化過程,開拓數據治理項目實施與落地的工作思路。

      2、培訓內容定制化

      數據治理的培訓內容是非常豐富的,包括數據治理的理論基礎、成熟度框架、參考模型、實施方法,數據質量意識培訓,數據標準的宣貫,數據治理制度和流程的宣貫等。另外,數據治理涉及的范圍很廣,主要包括:元數據管理、數據標準管理、主數據管理、數據質量、數據集成等專題領域。不是每個人都需要掌握所有的數據治理知識和技術,應針對不同角色的人員定制不同的培訓內容。數據治理培訓既要培養全員的數據思維,也要兼顧專業人員的“術業有專攻”。

      3、培訓形式多樣化

      數據治理培訓不限于形式,可以是集中化的“培訓+考核”的正式培養模式,也可以是一場進行數據治理理念和思路碰撞的沙龍。通過數據治理培訓,幫助企業人員建立數據驅動的思維模式,觸及信息化建設中的深層問題,從根本上推動業務流程的銜接、業務規則與數據標準的統一,完善系統建設需求,指導系統集成與邏輯集中,促進數據驅動業務、數據驅動管理,提升數據價值。

      — 04 —

      人才培養機制

      與數據應用、數據分析項目不同,數據治理是個“苦活累活”。業務術語表、數據模型、數據標準、數據治理的流程和策略都需要根據業務的變化而不斷優化,數據本身也需要反復打磨(匯聚、清洗、處理、加工、分析、挖掘)才能產生高價值的信息和知識。這一切都需要具有工匠精神的數字化人才的智慧和付出。

      1、挖掘內部數據工匠

      所謂的“數據工匠”就是在數據管理和使用的全生命周期中,嚴格執行企業制定的數據標準,對數據質量精益求精的人員。數據工匠能夠專注于數據管理的痛點和難點,發現產生數據問題的原因,從源頭上杜絕數據問題的發生。數據工匠敢于擁抱新技術,能夠通過對數據和技術的融合應用,不斷為企業創造價值。

      數據工匠不一定來自IT部門,有很多是業務崗上具備以上特質的數字化人才,企業需要有一雙發掘數據工匠的眼睛。

      2、吸收外部新鮮血液

      數據治理離不開數字化人才,企業要實現數字化轉型,就需要引入外部的數字化人才。堅持數字化轉型戰略,合理設置數字化崗位,給人才以發揮其專業能力的空間,建立具有競爭力的薪資體系以及持續的激勵和約束機制,不斷吸引并留住人才。

      加強對“新人”的培養,讓“新人”能夠快速認同企業的價值觀,融入企業文化。文化上的水土不服往往是導致“新人”流失的一個主要原因。

      — 05 —

      績效考核機制

      數據治理既要嚴抓過程,更要注重結果。為了提高數據治理執行效率,有必要建立數據治理績效考評機制,檢驗數據治理各個環節的效果??冃Э荚u是數據治理制度有效推進和落實的根本,要建立相應的數據治理考核辦法,并關聯組織及個人績效。

      1、治理制度

      為提高企業的數據管理和應用能力,加強數據管理,明確數據管理和使用過程的職責和要求,需要制定企業的數據治理制度,闡明企業數據治理的目標,明確相關人員和組織的職責,確定決策權力和度量標準。數據治理制度包括數據標準管理、數據維護管理、數據質量管理、數據安全管理、數據傳輸、數據使用、數據管理考核等。

      2、考核機制

      考核是保障制度落實的根本,要建立明確的考核制度。在實際操作中可根據企業的具體情況,建立數據治理評估指標體系,明確考核辦法。要遵循客觀公正、公開透明的原則,采用日??己撕投ㄆ诳己讼嘟Y合、系統自動考核和人工考核相結合的模式,明確考核獎懲措施,強化數據治理考核機制。

      3、考核方式

      數據治理的考核方式可分為日常錄入考核和定期稽查考核兩種。日常錄入考核考查的是數據錄入是否規范,數據提報是否及時,數據是否完整、正確、一致,其目的是在源頭堵住不良數據的入口。定期稽查考核是由數據管理部門定期開展數據質量的稽查,通過制定數據質量稽查規則,明確數據稽查內容和稽查周期,通過數據質量管理工具定期對相關主題的數據進行全面稽查,形成數據質量報告,為數據治理考核提供參考依據。

      — 06 —

      持續優化機制

      企業業務會變化,如業務目標、策略、范圍、規則、實現方式等的變化;組織結構會調整;管理者會有更高的要求,如提升效率、降低成本、提升質量等。數據治理涉及的數據標準、管理流程、管理制度以及使用的技術和工具需要緊跟企業業務的發展動態調整,持續優化。

      1、業務需求驅動

      任何一套方法論、一套健全的標準規范都需要有持續的驅動力,數據治理的實施應以企業的業務需求為驅動,以構建數字化企業為導向。數據治理治理的不是數據本身而是數據資產,這一過程以業務目標為導向,當業務方向發生變化時,數據治理也要跟著改變。

      2、持續完善標準規范體系

      縱觀數據治理成功的企業,無一不是以“小步快跑,循環迭代”的策略推進的,沒有哪一家企業的數據治理能夠一步到位。企業數據治理應遵循“急用先行,循序漸進”的原則,過程中不斷改進和完善數據治理的標準規范體系,使其切實符合企業自身業務特點并且可落地、可執行。

      3、持續優化業務流程

      企業數據主要源自人力資源管理、供應鏈管理、生產管理、營銷管理、財務管理等生產經營活動。優化的業務流程、規范的業務操作為數據治理提供了一個可靠的環境,能夠促進數據質量的提升。

      業務流程標準化:標準化的業務流程是以流程(而非部門)為中心,強調企業戰略和業務整體性,強調全過程管理和業務部門協同。標準化的業務流程能打破部門界限,實現跨部門協同,關注整體和全局,其輸出的數據更加標準規范。

      業務操作規范化:業務操作規范化是指業務操作基于一定的基準,例如:數據基準,如計量單位、術語、符號標志、信息分類、編碼及專用基礎標準;技術標準,如產品標準、原材料標準、工藝標準、設備標準等;標準規范化,如標準體系(ISO、GJB等)。業務操作規范化是數據質量提升的重要保證。

      寫在最后的話

      企業推動數據治理應以業務目標為導向,以數據標準為基礎,以優化流程為關鍵,以技術創新為支撐,以組織制度為保障,明確數據治理的業務目標和治理范圍,并進一步完善數據治理的長效機制,使業務流程持續優化、數據標準迭代更新,確保數據治理機制的持續、有效運轉,充分發揮治理體系的效能,從而釋放數據成效,實現業務價值。

      要謹記,企業數據治理絕對不是一蹴而就的,需要建立起長效的運營機制,培養一批具有工匠精神的數字化人才,不斷打磨數據標準和數據質量。只有將數據治理變成一種機制、一種文化、一種習慣,才能達到企業數據治理的“標本同治”“長治久安”的目標。

      0
      相關文章
        漂亮的苏酥全文阅读