[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:118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 免费试用
相关文章推荐
  • 数据虚拟化 实现大数据的有效管理

    数据虚拟化 实现大数据的有效管理

    关于在石油天然气的钻探和出产过程中所发生的数据的价值,并没有太多的争议。尽管数字化油田运动的最初意图,是将与设备的监测和维护相关的使命完……查看详情

    发布时间:2019.03.05来源:亿信华辰浏览量:98次

  • 企业数据质量是数字化时代企业的重要资产

    企业数据质量是数字化时代企业的重要资产

    大数据的概念正在进一步渗透到各个行业与领域当中,随着企业业务增长和规模扩大,以及伴随着信息技术和相关基础设施的不断完善,在短短的几年内,……查看详情

    发布时间:2020.01.10来源:知乎浏览量:82次

  • 数据标准化的难题

    数据标准化的难题

    数据标准好制定,但是数据标准落地相对就困难多了。国内的数据标准化工作发展了那么多年,各个行业,各个组织都在建设自己的数据标准,但是你很少……查看详情

    发布时间:2020.11.13来源:知乎浏览量:83次

  • 2019年的数据前景如何

    2019年的数据前景如何

    这三个与数据相关的趋势今年值得关注。 公司喜欢技术堆栈所有层的“即服务”模式,从云供应商提供的基础架构到完整的SaaS应用程序。但是……查看详情

    发布时间:2019.01.07来源:数据治理浏览量:73次

  • 在抗灾中积累治理“大数据”

    在抗灾中积累治理“大数据”

    每一次应对灾害,无论是经验还是教训,都会构成全国其他地方“诊治”灾害的“大数据”参考……查看详情

    发布时间:2018.09.25来源:人民日报浏览量:56次

  • GDPR,合规性问题推动数据治理策略

    GDPR,合规性问题推动数据治理策略

    几乎每个组织都认为数据治理很重要,那么为什么他们都没有将数据治理纳入其中呢?……查看详情

    发布时间:2019.01.23来源:亿信华辰浏览量:68次

  • 大数据资产管理平台建设方案

    大数据资产管理平台建设方案

    数据资产管理服务工作,涵盖企业IT系统生命周期的不同阶段,协助企业建立适合自身特点的数据资产管理制度,提升企业对自身数据资产管理的能力,……查看详情

    发布时间:2020.08.28来源:知乎浏览量:83次

  • 数据质量评估体系主要参考以下5个指标

    数据质量评估体系主要参考以下5个指标

    数据质量评估体系主要参考以下指标:,针对不同的信息系统做出定量的数据质量评估,也可根据实际情况,在评估执行中进行取舍。……查看详情

    发布时间:2019.11.07来源:知乎浏览量:165次

  • 企业数据标准管理的内容

    企业数据标准管理的内容

    笔者理解:数据标准是一套由管理制度、管控流程、技术工具共同组成的体系,是通过这套体系的推广,应用统一的数据定义、数据分类、记录格式和转换……查看详情

    发布时间:2020.11.13来源:知乎浏览量:60次

  • 2020年数据治理研究报告

    2020年数据治理研究报告

    2020年5月发布的《中共中央 国务院关于新时代加快完善社会主义市场经济体制的意见》中提出,要加快培育发展数据要素市场,建立数据资源清单……查看详情

    发布时间:2021.02.27来源:知乎浏览量:57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