从数据资产管理出发,看数据治理的最优架构如何搭建?

发布时间:2021.04.15来源:亿信数据治理知识库浏览量:3次标签:数据治理

根据研究报告显示:预计2025年全球将有近30%的新增数据资源来自中国,在信息产业若干领域我国实现了从“跟跑”“并跑”向“领跑”的转变。


如何将规模日渐庞大的数据资源转化为数据资产,并在数据要素市场中占领一席之地,将成为企业数字化道路上的必答题。


把握数据资产撬动要素市场


解读数据资产


数据资产是企业在运营活动中形成的,由企业拥有,在数据的产生、获取、处理、存储、传输和应用全过程可控的,并能够给企业带来价值的数据资源。


如何理解呢,以石油为例,一滴石油不能叫做资源,规模大了,具有使用价值了,它才成为资源,之后就需要对资源进行开采和加工,自然需要组织、制度、流程等来保证工作的有序运转,并使资源转化为资产,数据资源也是同样的道理。


当数据资源达到一定规模,具有使用价值了,就需要组织对其进行开发和利用,达到了量化、资产化后才能称之为数据资产。


数据资产的重要性


企业共通的数据语言: 数据作为各部门运行的衍生产物,分散在企业的各个角落。数据分析者往往需要花费大量的时间和精力收集各类数据,寻找数据共通的连接方式,才能将其归类分析应用。数据资产化则意味着在公司内部可形成共同的“数据语言”,由此,企业的管理层可以更高效地对数据进行讨论和沟通。

 

企业的战略资产:数据资产化之后,数据资产会渐渐成为企业的战略资产,企业将强化数据资源的存量、价值,以及对其分析、挖掘的能力,进而极大地提升企业核心竞争力。 


加速数据资产交易进程:目前在缺乏交易规则和定价标准的情况下,数据交易双方承担了较高的交易成本, 制约了数据资产的流动,但随着数据资产管理的完善,必然能加速数据资产交易的进程。 


数据资产管理面临的问题


数据既像石油一样蕴含着巨大的价值,能够帮其获得战略优势;对某些企业来说数据甚至已像水和空气一样必不可少,成为生存的必须。但如同水与空气容易遭受污染一样,数据也面临质量、安全等方面的问题和风险。


企业拥有大量的数据资产之后,由于分工不同、时间推移及人员变动等因素,会造成数据资产变为无人维护的静态状态,数据的存储成本、检索的理解成本会越来越高。


数据资产面临的问题.png


这些数据资产分布在一片数据沼泽中,难以分辨数据资产的成本、价值,更难以进行生命周期管理,甚至给数据使用者带来难以跨越的信息鸿沟,这就需要我们对资产进行治理,并有效的解决一切“问题”数据。


资产价值驱动数据治理


数据资产的价值显而易见,亟待解决的问题也呼之欲出,政企对于数据资产的治理迫在眉睫。国际数据管理协会(DAMA)指出:数据治理(Data Governance, DG)是指对数据资产管理行使权力和控制的活动集合(规划、监督和执行)。


敲黑板,划重点!数据治理的关键对象就是数据资产管理。


深入浅出搞懂数据治理


数据治理细化下去,到底涉及哪些方面?根据DAMA发布的数据治理车轮图,展开了每一块的功能域,我们可以窥见一二:


数据治理车轮图.png


很多人会觉得数据治理虚无缥缈,概念性的内容太多。确实,如果无法真正理解数据治理,最终很可能将其转化为一堆文档和标准束之高阁。下面小编以水果店为例来说说数据治理的各个组成部分的作用,用更形象的比喻来帮助大家理解和消化。


数据治理理解图.jpg


其实道理都是互通的,水果店想要内外有序,给人留下好的印象并促使复购,不仅仅要做好品质保证(数据标准管理、数据质量、数据全生命周期管理、数据安全管理),对内还要做好管理(即元数据管理、数据资产管理、主数据管理),对外还要做好宣传并优化用户体验(即数据架构+模型管理、数据服务和应用)。


不管是哪种规格的水果店想要经营的风生水起,势必得从上述几个方面来进行管理和提高,每一块各司其职,相互影响但又相对独立,你可以选择最在意的部分率先整治,从而逐渐带动水果店向好的方向发展,最终一个成功的水果店肯定是以上各个方面都是做到最优的结果。


数据治理最优架构体系


根据以上这个比喻,数据治理的最优架构体系其实已经呼之欲出,多个功能域强强联合方能前往成功之路。亿信华辰作为DAMA中国理事成员单位,多次参与国家行业标准文件编写,其自主研发且完成信创全领域兼容的智能数据治理平台——睿治就是该领域内当仁不让的领先产品。


睿治数据治理平台基于DAMA的理念,融合元数据管理、数据标准管理、数据质量管理、数据集成管理、主数据管理、数据交换管理、数据资产管理、数据安全管理、数据生命周期管理等九大产品模块,可打通数据治理各个环节。

睿治数据治理平台架构图.png

在真实的治理过程中,政企可参考各模块的作用并结合自身特点,以一两个作用域为切入点,小步迭代,通过收益逐步驱动治理行为的贯彻落地,睿治的九大模块能根据客户的个性化需求,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。


数据治理不是一蹴而就的,它是一个漫长而持续的过程,没有一拳顶破天的诀窍,也没有立竿见影的途径。


数据治理具体如何开展?


道理看了这么多,最终还是要落实到具体措施上,基于数据治理体系及数据资产的核心关键,我们提炼出以下四大方面:


建组织、立制度


数据治理组织的建立并不是简单的组建一个临时团队,而是要建立一个能足够支撑企业数据化业务的完整体系,包括组织体系、管理体系、执行体系、技术体系等方面。另外,数据治理应该制度化,通过统一数据标准,制定合理的数据管理流程和制度,确保数据符合业务需求。


摸家底、拉人才


然后根据实际情况进行需求调研,先摸清自家家底,确定企业数据资产的分布、数据的质量、数据管理现状、数据应用需求等情况,确定改进内容和方向并与利益相关方达成共识。除此之外,政企也需根据实际情况建立自己的人才体系,包括人才选拔和数据治理人才培养。


建平台、选工具


前文我们说到不同的主体对于数据治理平台的需求不一,也有不同程度的轻重缓急,但一个全面的数据治理平台应该包含以下九大方面,即元数据管理、数据标准管理、数据质量管理、数据集成管理、主数据管理、数据交换管理、数据资产管理、数据安全管理、数据生命周期管理。


数据治理平台涉及面广,体系庞大而又复杂,如果能选择一个在业界有口皆碑的工具,则会在最短的时间内完成治理目标,达到事半功倍的效果,亿信华辰的睿治数据治理平台则是一个绝佳的选择,其全面覆盖数据治理9大领域,采用微服务架构,融合度高,延展性强,且在多个行业有实施落地案例,经验丰富。


持续优化,再出发


通过数据治理工作的开展,数据变得可信且易于理解,并能有效地支撑业务人员的决策分析工作,数据资产也变得更易用,更有价值。数据治理需要进行长效的运营,每一次迭代优化都预示着政企数据战略目标的再出发!


作为一家深耕于数据全生命周期的产品与服务提供商,亿信华辰以其过硬的技术能力及春风细雨般的服务在众多行业领域得以成功落地和验证,帮助逾8000家政企单位解决数据分析与数据治理的相关难题,实现数字化转型,唤醒沉睡的数据,深挖业务价值。


了解更多睿治数据治理平台相关内容:https://www.esenruizhi.com/products/ruizhi.html


(部分内容来源网络,如有侵权请联系删除)
立即免费申请产品试用 免费试用
相关文章推荐
相关主题
您点击 “提交”,表明您已理解并同意接受本网站隐私政策和用户协议