[数据治理方法论]6点数据治理最佳实施方法

发布时间:2021.05.28来源:亿信数据治理知识库浏览量:591次标签:数据治理

在寻找数据治理最佳实施方法时,您可以从其他通过数据治理项目的各种流程和模型中学到东西。尽管每个企业都不同,但仍有可借鉴之处,因此无需完全重新创造轮子。在将敏捷开发思维方式应用于数据治理时,首先以最小的可行部署开始,然后从那里迭代并发展,这将大大提升数据治理项目的成功率。首先,我们需要了解数据治理理论系统框架。

数据治理流程

什么是数据治理框架?

数据治理框架是用于管理企业数据的协作模型。框架或系统可以围绕数据创建和操纵设置软准则或牢固的边界。公司通常会组建一个数据治理团队,以确保正确使用数据,数据质量和策略合规性。

执行数据治理框架会影响数据管理过程的所有部分,包括体系结构分析和数据模型。正确的执行使更容易更快地做出更明智的决策。

一旦对数据治理及其对企业的影响有了深刻的了解,就可以寻找使用可用的模板、模型和实施方案。


6点数据治理最佳实施方法论

1.从大处着眼,从小处着手

数据治理是人员,流程和技术的结合。要开始树立大局,首先要从人开始,然后建立您的流程,最后合并您的技术。没有合适的人才,是很难成功建立数据治理技术实施所需的方法的,他们必须能够构建流程并提供技术资源,以使项目顺利执行。


2.建立业务案例

建立数据治理实践时,获得流程领导者的支持和赞助是关键,但仅靠支持并不能完全支持这项工作并确保成功。通过确定数据质量将带给企业织的收益和机会并建立可以取得的改进(例如收入增加,更好的客户体验和效率)来建立强有力的项目反馈。帮助每个参与人员看到并了解数据治理所带来的最终收益,这才是数据治理项目得以长期正常执行的关键。

大多数领导者了解且相信,无序的数据质量和劣质的数据管理是一个问题,但是如果领导者不致力于持续推动变革,则数据治理项目最终可能会失败。


3.指标和反馈

与任何目标一样,如果您无法衡量它,就无法实现它。进行任何更改时,应先测量基线,然后再证明结果是否合理。尽早收集这些测量值,然后持续跟踪整个过程中的每个步骤。您希望指标显示一段时间内的总体变化并用作检查点,以确保流程切实可行。


4.持续性沟通

无论您和您的项目组在数据治理计划和流程中处于何处,进行持续沟通都是必不可少的。持续有效的沟通对于显示计划的影响力,接受项目成果和诚实地承认挫折都是至关重要得到。在组织内创建和更新已定义的利益相关者列表,并确保沟通易于触达且易于消化。这将确保每个岗位的人知道他们需要知道的内容,同时避免出现信息差或社交化让步。


5.数据治理是一场马拉松,而不是短跑

数据治理是没有终点的。您通常不会组建一个团队来启动一个项目,然后只需要动动手指。实施数据治理计划时,请确保将其作为一项长期投资,而不是一次性项目。

一般普通的项目有一个开始和结束日期,而且号召力强的大型项目可能会更容易引起人们的兴趣。但是,数据治理是一个持续性的、反复的过程,由许多子项目和里程碑组成。数据治理项目明显不同于以往的一次性项目,它更需要的是靠人持续性的对数据做出正向干预,因此更需要注重的是项目人员的管理、数据标准的建立、数据治理的改革长跑,一个优质的数据治理项目所带来的价值是任何一次性项目都无法取代的。

数据治理程序可以运行数年,但是单个项目通常不应超过三个月。将较小的项目构建到长期数据治理策略中,以让企业获得更加稳健的数据基石。


6.确定相关角色和职责

数据治理需要团队协作。明确角色定位对于每个数据治理计划都是必不可少的,并且在整个项目中分配所有权级别也很重要。确定谁有权力和责任将有助于社交化您的数据治理程序,并建立一个智能的结构来处理数据程序。

各个组织之间的数据治理角色略有不同,但是常见的角色可能包括:

  • 数据治理委员会(指导委员会/战略级别):数据治理委员会是负责数据治理计划的战略指导,项目和计划的优先级排序以及组织范围内数据政策和标准的批准的理事机构。

  • 数据治理委员会(战术级别):数据治理委员会是一群人,他们制定组织的政策和实践以将数据视为战略资产。

  • 数据管理器:数据管理器创建满足组织计划收集或已经收集的数据需求的数据库系统。

  • 数据所有者:数据所有者是对数据资产负责的个人。

  • 数据管理员:数据管理员负责利用您的数据治理流程来确保数据元素(包括内容和元数据)的质量。

  • 数据用户:数据用户是团队成员,直接负责在日常任务中输入和使用数据。他们可以直接访问和研究单位记录级别的集成数据集,以进行统计和研究。


最终,数据治理与人员,流程和技术有关。成功的程序可以使您清楚地了解数据来自何处以及谁拥有数据。当需要更改数据时,也会导致遵循已知的过程。花时间了解您选择管理流程并在技术范围内操作人员的价值。这些人将共同为数据治理项目提供可以依赖的数据,用于战略决策,并推动您的企业前进。了解数据治理的更多信息可访问亿信华辰数据治理产品官网:https://www.esenruizhi.com/。



(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 预约演示
相关文章推荐
  • 数据治理项目的实现需要的核心要素之一

    数据治理项目的实现需要的核心要素之一

    数据治理是长期、复杂的工程,每个数据治理的领域都可作为一个独立方向进行研究,目前总结的数据治理领域包括但不限于以下内容:数据标准、数据模……查看详情

    发布时间:2020.03.26来源:知乎浏览量:337次

  • 4种启动数据治理计划的数据治理最佳实践

    4种启动数据治理计划的数据治理最佳实践

    对于数据治理而言,不同行业和地理位置的巨大景观聚集在一起,为有效管理数据创造了重要且可持续的东西。……查看详情

    发布时间:2018.12.25来源:亿信华辰浏览量:386次

  • 怎样避免数据治理里面的坑?

    怎样避免数据治理里面的坑?

    数据治理是一项长期而繁杂的工作,很多时候大家都为如何做好数据治理而感到困惑,甚至很多时候对此失去了信心。怎么避免数据治理这些问题?……查看详情

    发布时间:2018.12.10来源:CSDN浏览量:526次

  • 5可以通过数据治理解决的挑战-使用数据治理克服常见的业务障碍

    5可以通过数据治理解决的挑战-使用数据治理克服常见的业务障碍

    在快速发展的技术,大数据和高级分析的时代,数据治理在每个组织中都发挥着至关重要的作用,无论规模大小或行业如何。从定义元数据管理指南,到解……查看详情

    发布时间:2018.11.13来源:CHRIS REED浏览量:303次

  • 数据治理对医疗保健未来的重要性

    数据治理对医疗保健未来的重要性

    在过去的一年里,我已经广泛报道了基因组数据在医疗保健领域日益增长的重要性。其中一个最好的例子是英国生物银行与欧洲基因组 - 表型库(EG……查看详情

    发布时间:2019.03.08来源:亿信华辰浏览量:385次

  • 数据资产管理方案之如何让数据化为价值

    数据资产管理方案之如何让数据化为价值

    数据是资产的概念已经成为行业共识。然而现实中,对数据资产的管理和应用往往还处于摸索阶段,数据资产管理面临诸多挑战。主要分为以下三点:1、……查看详情

    发布时间:2020.08.14来源:知乎浏览量:553次

  • 大数据治理的五个核心要素

    大数据治理的五个核心要素

    当今的大型企业,内部分工日趋细化,采购、服务、市场、销售、开发、支持、物流、财务、人力等各个环节,无不每时每刻产生着大量的数据。数据的格……查看详情

    发布时间:2019.12.06来源:CSDN浏览量:745次

  • 数据治理是中小银行决胜数字化转型成功的关键

    数据治理是中小银行决胜数字化转型成功的关键

    未来,银行的资产不是现金等实物,而是“数据”。因此有效的数据治理是银行实现数字化转型的基础。目前,中小银行在业务发展中逐渐积累了大量的内……查看详情

    发布时间:2019.12.13来源:知乎浏览量:496次

  • 大数据环境下的敏感数据治理

    大数据环境下的敏感数据治理

    随着网络技术的快速发展,大量数据在各种业务活动中产生,数据价值越来越凸显,在商业策略、社会治理和国家战略制定过程中,数据都起到了重要的决……查看详情

    发布时间:2019.08.02来源:安全牛浏览量:470次

  • 中小银行数据治理工作所面临的问题

    中小银行数据治理工作所面临的问题

    虽然各银行积极响应监管要求,开展数据治理工作,但《中小银行金融科技发展研究报告(2019)》显示中小银行的数据治理基本处于萌芽期,达91……查看详情

    发布时间:2020.07.09来源:小亿浏览量:566次

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