浅谈企业数据治理的实践

在大数据时代，数据治理是所有的拥有大量数据的公司的巨大的挑战。没有数据，企业缺乏用于做决策的数据的支持。可是有了越来越多的数据，很多情况下却增加了管理数据的成本，真正地让数据产生价值，却发现如何管理这些散碎在不同地方的数据，将数据有效的组织起来成了一个令人头疼的难题。 数据不能够被使用，就是成本，而不是资产。正是因为这个原因，数据治理和数据管理对于企业变得越来越重要。 企业数据治理是一套持续改善的管理机制，通常包括组织架构、政策制度、技术工具、数据标准、作业流程、监督及考核等多个方面，涉及的IT技术主题众多，包括数据体系、管理体系、平台建设、数据管控等多个方面 

1、数据资产体系
数据体系建设包括数据模型、数据标准、数据管理等内容。数据模型建设前需要统一企业数据概念与定义，增进业务人员与技术人员的相互理解与沟通，保证需求定义的准确性。

而具体的通用数据标准的分类标准则根据数据在企业业务中的使用频度和业务需求，通过汇总分析，对通用数据进行分类，形成统一的数据标准在数据层面的定义，并以数据项自然分类为基础，对数据进行分类。

数据管理包括数据编码、数据创建、数据使用、数据归档/销毁等内容，根据企业核心业务实体，梳理主数据（如物料、组织机构、客户、供应商等），并参照行业标准对主数据进行编码。

2 、数据管理体系
数据治理的管理体系主要包括规章制度、管控办法、标准规范、组织架构等。规章制度和管控办法由企业数据治理委员会结合数据治理战略目标进行统一制订并发布，相关业务部门参与制订并执行，IT部门负责监督推动，明确部门及岗位的数据治理要求，并与个人绩效挂钩，如数据平台管理运行管理办法、主数据管理规定、数据治理与质量考核办法等。

数据治理标准规范包括元数据标准、数据质量检查操作规程、主数据标准、质量校验准则、数据安全技术规范、数据交换标准、数据编码规范等。

数据治理组织架构包括数据治理委员会、数据管理专员、数据管理职能机构等，数据治理委员会由业务部门领导、IT部门领导共同参与，让业务与业务之间、业务与技术之间能够有更充分的讨论沟通，从而对宏观的数据战略、制度达成共识。

3 、数据内容监控
数据在信息系统中是以不同形态体现的，需要将每种形态管理好，才有可能管好最终的数据质量。IT部门牵头制定并且定期更新企业级的数据架构、数据标准和数据质量标准，作为新建系统和应用的指导约束，在标准制定过程中，充分调动业务部门参与标准的积极性，明确业务职能、业务流程和业务部门间的职能边界划分，分析研判数据内容、来源和去向，参与设计数据的流向关系。

在数据架构方面，对企业数据的分类、分布和流转进行规划、设计，确保新建系统、新建应用能够与现有系统保持一致和融合，避免产生信息孤岛，或不必要的数据集成、数据转换。

在数据标准方面，结合国家、行业方面的相关标准，研究数据项、参考数据、指标等不同形式，进行统一的业务定义。在质量标准方面，建立质量规则以及稽核模型，关注及时性、准确性、完整性、一致性、唯一性。  

4、数据治理平台
数据治理平台将各种数据内容管控、流程管控、管理规定、标准规范等融合到信息化平台中，提供元数据、数据资源目录、主数据、业务主题数据、数据质量管理、数据流程管理等功能，以元数据为基础，整合各级各类数据资源，构建数据资产管理体系、数据资产树和数据库，按照不同数据细类制定相应的工作模板，对指标数据和明细数据进行梳理和归并。