数据治理全域解决方案来了:对症下药 各个击破

发布时间:2022.01.22来源:小亿浏览量:72次标签:数据治理

如今数据治理作为数字化转型的基础,成为了数字化变革中的焦点和主战场。不少小伙伴向小亿诉苦,“到底该如何着手做数据治理,能不能先做元数据管理或者主数据管理?”诸多困惑抛过来。


为此,亿信华辰基于多年的项目实施经验、成熟的数据治理产品与丰富的大数据技术能力相结合,精心打磨面向数字化转型不同阶段的数据治理全域解决方案,8大方案覆盖数据资产盘点、数据标准、数据质量、指标建设、数据仓库、数据中心等多个领域,针对所有数据问题,对症下药,各个击破,实现为客户持续赋能、落地见效的目的。


01、十四五迈向全域数治时代

1.全域数治=全域治理X数据治理


“十四五”规划里面,治理这个词一共出现了119次。全域治理是“十四五”提出的重要时代命题。而在数字经济时代,我国政府和企业已进入全社会多层次、多领域、多效能的全域数冶时代。


“全域数治”是什么?有这样一个公式可以完美呈现,即全域数治=全域治理X数据治理。“全域数治”就是借助数字技术,创新治理机制、再造治理流程,并推动治理主体、治理要素、治理领域之间的有效协调,从而实现整体性、系统性和智慧化的治理。可以说,全域数治是在社会全域治理大背景数字经济价值的倍增器。


2.“全”字当头,纵深精耕


全域数治,“全”字当头,归纳总结主要表现为“全要素、全领域、全过程”。以数字赋能为目标,以数据治理为手段,才能以治变创智变。


从国家层面来说:

一是跨部门跨层级跨地区的全要素治理,强调建立跨层级部门的综合协同体系和常规性合作治理机制,破除协同治理的障碍;

二是强调统筹谋划综合性治理体系的全领域治理,纵深协同推进基层政治、经济、社会、文化和生态文明等各方面能力建设;

三是借助平等开放包容的合作平台和载体的全过程治理,实现所有治理要素在整个治理过程中的及时有效流转。


举个例子,目前大众熟知的各类“城市大脑”平台,就是完美的全域数治的例子,通过用数据管理、决策、服务,建立起一系列跨地区、跨部门、跨层级的协同工作平台和相应的管理机制,为大数据时代城市治理体系和治理能力现代化注入了强劲动力。


而在企业层面,

一是涉及“人、财、物、产、供、销、存”的全要素治理,通过对全部要素的优化治理,从而帮助企业实现其成本、收益、风险三者的最优化控制目标;

二是跨企业组织、跨领导层级的全领域治理,从所有职能角色出发,包括但不局限于研发视角、产品视角、业务视角、运营视角等角色清晰确定数据治理涉及的范围,制定可量化、可执行的实施与评估方法;

三是针对企业数字业务全生命周期全流程治理,根据数据价值随时间推移的演化关系从而制定合理的数据治理策略。


现在有一句流行的话语叫做业务数据化、数据资产化。究竟怎么做?首要任务就是把企业端人财物产供销存七要素纳入相关的管理,同时在企业的内部打破层级,跨企业的组织和部门,能够实现全领域治理。针对数据全生命周期,进行数字化管理的相关工作。


02、数据治理全域解决方案

1.大数据治理解决方案


(1)场景介绍

侧重于整个数据治理体系的搭建,包括数据标准管理、元数据管理、质量管理、资产管理、安全管理、数据生命周期管理,更多通过一种管理的视角去打数据地基,把我们的数据管理更加规范化。


(2)方案内容

数据治理工作作为一个管理体系,包括组织、制度、流程、工具,全方位保障数据,改善数据决策,提升数据可信,防范数据风险。方案通过数据治理工作提升数据的价值,为企业实现数字战略夯实基础。

1.jpg

搭建数据治理组织体系


设计专职机构,明确组织目标与定位,定义岗位职责边界,搭建数据治理各领域制度流程。


评估数据治理成熟度


收集企业在信息使用中存在的障碍和挑战,理清企业数据现状和用户需求,评估企业数据治理成熟度级别,确定数据治理目标。


建设数据治理专项能力


从数据标准管理、元数据管理、质量管理、资产管理、安全管理、数据生命周期管理等各个领域完成专项治理工作,从采、存、管、用四大方面解决数据来源杂、关系乱、质量差、安全没保障,实现业务数据在采集、集中、转换、存储、应用整个过程中的完整性、准确性、一致性和时效性。


持续优化循环


通过评估各领域建设成效结果,对比治理目标,改进流程,形成新一轮数据治理工作。


2.大数据资产管理解决方案


(1)场景介绍

面向数据价值的视角,更关注数据的增值、利用和应用视角。提供集数据集成、数据治理、资产规划开发、资产运营等场景应用的一站式数据治理和智能数据资产管理服务。


(2)方案内容

数据资产管理平台遵循“全局意识、业务为本、数据为核、分步演进、局部执行”为原则,围绕“1+4+N”模式来建设和开展,助力数据资产管理项目敏捷建设和迭代升级。


1个策略:保障数据资产管理职能落地实施;


4大职能体系:以数据集成、数据治理、资产规划开发、资产运营四大管理职能为支撑;


N项服务:服务N个数据增值应用和数字化应用场景。

2.jpg

数据集成


实现企业中多源异构数据的采集,并进行有效的整合和开发,让数据实现更多的关联和碰撞,确保数据资产的完整性。


数据治理


构建统一可执行的标准,提升数据质量,发掘数据关系,建立数据认责和问责机制,治理后的标准化数据,才能融会贯通到不同的业务领域。


资产规划开发


构建统一、规范的数据资产视角,合适的服务方式,将数据向全业务条线推广,使数据能够更好的反哺企业业务的发展。


资产运营


推广高价值的数据,收集数据资产需求,不断完善、拓展整个数据资产体系,通过运营让数据精准有效、安全合规的被数据消费者使用。


3.主数据管理解决方案


(1)场景介绍

以主数据为视角,做一个专项的主数据工作。用于对实体属性数据(如物资、客商、人员、财务)等各类主数据进行全生命周期管理,保障各业务系统中主数据的一致性、权威性、共享性,提高企业运营效率。


(2)方案内容

方案包括清晰定义主数据、统一主数据的数据来源、主数据标准、加工及流转过程、输出质量等,实现主数据在各个业务系统之间的数据共享和互联互通,最大限度地共享和维护数据的一致性和完整性。

3.jpg

建立主数据管理标准


结合企业现状打造一整套符合自身业务特征的主数据管理标准,提供面向各行业的标准模板库,助力企业从数据标准、服务标准、管控标准等多维度建立一整套权威的主数据模型。


多源异构数据集成


提供多种类型数据源集成方式,实现多源异构数据的集成与整合,从数据集成、数据转换、历史数据清洗、数据整合等方面,从源头把控主数据质量,搭建主数据信息平台。


主数据全生命周期管理 


实现对主数据采集、申请、新增、变更、审核、生效、失效、分发等全生命周期管理,支持可自定义的质检方案到整改的全流程主数据质量管控服务,确保主数据的完整性、准确性、一致性、及时性和可获取性。


主数据传输共享


结合企业实际情况,制定合适的分发策略,满足不同业务系统的数据需求。


4.数据标准化及质量管控解决方案


(1)场景介绍

为企业设立数据标准规范,提高并管控数据质量,保证企业数据的准确性、一致性、完整性、合理性、及时性、有效性等,保证业务数据应用及业务决策的正确性。


(2)方案内容

方案以数据检核为依据,以元数据为数据检核对象,编制数据标准、检查并整改数据质量问题、遵循PDCA模型原则,逐步提高数据质量,该方案的框架如下图:

4.jpg

数据标准建立与评估


通过定义符合企业的基础数据标准、指标数据标准、代码数据标准,形成一套企业自身数据需求的应用标准,防止用语的混用,通过标准评估来维持企业数据模型的一贯性,确保数据的正确性及质量。


数据质量管控


通过业务数据质量规范形成质检规则,定期检查业务数据的正确性,监控错误数据整改过程,将质量评估、质量检核、质量整改与质量报告等工作环节进行流程整合,形成完整的数据质量管理闭环。


元数据管理 


通过企业的数据需求战略,定义元数据架构,采集、维护、检核、分析元数据,通过元数据变更管控,保证数据抽取、数据服务的正确性,从源头控制数据质量。


5.数据资产盘点解决方案


(1)场景介绍


数据资产盘点就是元数据治理项目,数据资产盘点核心内涵就是盘点企业内部的数据,摸清企业数据资源家底,搭建全域数据分类管理框架,同步构建常态化的数据盘点机制,实现数据资源的全生命周期可视化管理。


(2)方案内容


方案包括元数据摸底、元数据维护、数据资产分类框架、数据资产目录构建。通过盘点数据资产,形成企业级的数据资产目录,为企业数据创新应用打好坚实基础,方案架构如下:

5.jpg

元数据摸查


对接企业业务系统、数据湖或者数据仓库,采集元数据自动获取原始的企业数据字典及数据之间的关系,形成企业元数据地图。


有效性资源标注


制定有效资源判断规则,基于采集的元数据,对全量数据资源进行自动识别,筛选出空表、备份表、临时表等无效资源,并补充辅助理解数据业务含义的信息,形成更完整、有效的资源元数据,为数据资产分类做铺垫。


数据资产编目 


按照业务条线、组织架构、数据特性等多个维度构建数据资产分类框架,基于元数据信息完善数据资产目录信息,补充与资产相关的业务、权属信息,形成面向数据消费者的数据资产门户。


数据资产服务 


建立数据资产目录与实体资源的映射关系,开发面向不同消费者的数据服务类型,满足业务系统、数据分析师、前台业务人员多样的数据需求。


6.指标体系解决方案


(1)场景介绍

围绕企业的经营指标、指标体系的管理,为了对指标进行统一管理,同时面向业务人员和技术人员,提供一站式智能化指标标准管理、指标分析等服务。


(2)方案内容

方案包括了指标的查找、梳理、管理、应用,并结合了指标管理的最佳实践流程得以实现。

6.jpg

指标管理流程

找指标:帮助企业将指标管理自上而下的展开工作,自下而上的筛选指标;

理指标:梳理指标以建立契合业务的指标体系;

管指标:建立企业常态化管理机制,将指标责任到人;

用指标:规划并建立指标体系在信息化中的应用。


指标管理最佳实践

指标体系建设:通过确定指标范围、识别指标、指标解析、确定指标源头,来确定指标的体系框架;

多源整合:采集多源异构数据,有机整合企业所有系统业务数据,解决信息孤岛,实现数据统一管理;

指标数据落地:通过指标定义、指标建模、指标数据抽取使指标落地到平台中,并采取措施进行有效地管理;

指标分析展现:内置丰富的统计图表,支持全自动的钻取联动,满足业务人员猜想式、探索式的指标挖掘分析。


7.数据仓库及商业智能解决方案


(1)场景介绍

面向数据的增值利用,为企业提供数据仓库和数据集市搭建、外部数据补录、综合指标分析、KPI指标预警及预测等内容的建设,满足日常管理工作,同时也能够为业务决策提供支撑。


(2)方案内容

以数据仓库建设为基础,数据收集、数据分析和商务智能技术为主要手段,通过统一访问门户为用户提供各类数据应用服务,方案的核心内容为:数据仓库建设、数据补录、数据分析展示。

7.jpg

数据仓库建设


基于各业务部门报表需求,对业务数据进行有机整合,实现统一管理。数据仓库建设包括基础数据平台、公共汇总层、数据集市等建设,并通过灵活的ETL调度对作业执行情况监控。


数据源采集与补录


数据源采集对统计的维度指标数据进行录入,数据源补录将明细业务数据补录主题数据层即数据集市层中,作为对原始业务数据的补充校正。


数据分析能力 


构建数据仓库时遵循规范的“事实表+维表”的数据库模型,通过OLAP引擎实现下钻、切片、旋转、钻透等操作,使用户能很容易地实现已有的业务需求。


数据分析展现 


通过各种分析手段(包括:统计图展现、报表查询、即席分析、报告分析、领导驾驶舱、地图分析等),满足不同分析场景(包括:综合业务查询、KPI指标展现、季度汇报报告、数据自助探查、指挥中心大屏等)。


8.仓湖一体化数据中心解决方案


(1)场景介绍

数据中心是中国五大新基建之一,建一个涵盖仓湖的一体化大数据中心是企业的重要举措。集数据存储、数据集成、数据交换、数据共享等一体,综合数据湖、数据仓库两种技术演进方向,为企业用户提供云原生仓湖一体解决方案。


(2)方案内容

仓湖一体大数据中心平台是基于大数据技术的全新数据应用平台,提供云原生特性、支持存算分离架构、继承RDBMS数据库功能和ACID特性、支持工业级SQL标准、混合MPP+DAG计算引擎等一系列关键技术。帮助企业有效应对大规模、多样化、高时效、智能化的数据应用需求,为企业从BI到AI提供全新的数据基础架构。

8.jpg

数据集成


实现多源异构数据高效入湖,支持批/流/实时数据多种方式接入,快速实现企业应用所需的数据铺底。


数据交换


利用底层整合的信息资源,以实现各部门业务数据在应用层面的互联互通和信息共享,提供增量识别、数据清洗、数据传输、数据压缩、一致性验证等多种手段保证数据的接入,规范数据流转,提升数据共享水平,更加有效发挥数据资产价值,并提供多套数据脱敏方案和加密算法保证数据的安全性。


数据开发 


提供可视化数据开发平台,丰富的数据开发组件,全自动的作业调度和监控能力,支持多人在线协同开发,极大地降低了用户使用大数据的门槛,帮助用户快速实现数据加工与处理。


数据存储 


支持存算分离架构,统一管理湖仓共享存储,同一份数据和元数据共享多种应用直接访问,分级存储进一步增强了弹性扩展能力,让企业拥有一个高可扩展的统一数据基础设施。


数据治理作为一项长期的工作,将分拆成一个一个的数据治理项目,是不断去迭代、完善的。


亿信华辰8大数据治理方案已成功应用政府、金融、能源、制造、教育等不同行业,以力求为客户提供更简单、更规范、更高效、更智能的数据治理软件产品,以协同化、智能化的产品能力帮助客户企业由“人管数”到“智能化管数”的质变。

9.jpg


(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
  • 两会各地人大代表对于大数据都关心什么?

    两会各地人大代表对于大数据都关心什么?

    两会的召开,各地人大代表针对各个领域、行业、产业纷纷提出了许多具有高价值的议题。针对不同地区的情况与发展势态,各地代表对于大数据的运用与……查看详情

    发布时间:2019.03.11来源:大数据浏览量:15次

  • 银行业重塑数据治理体系 助力转型升级

    银行业重塑数据治理体系 助力转型升级

    银行业金融机构要深化认识,积极主动对接国家政策,改革数据治理体系,依靠数据治理改进决策、缩减成本、降低风险、增强核心竞争力,推动银行业向……查看详情

    发布时间:2019.10.18来源:知乎浏览量:13次

  • 物料主数据管理平台建设分享,助力多元化集团探索数据治理之路

    物料主数据管理平台建设分享,助力多元化集团探索数据治理之路

    随着大数据平台的建设,数据质量的好坏直接决定数据分析和数据挖掘的效果。如今,企业数据资产面临着不一致、不完整、不准确等问题,需要对数据进……查看详情

    发布时间:2021.04.20来源:浏览量:21次

  • 数据问题的全面解决之道——数据治理

    数据问题的全面解决之道——数据治理

    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。……查看详情

    发布时间:2019.01.18来源:亿信华辰浏览量:20次

  • 数据清洗与数据治理的3个不同点

    数据清洗与数据治理的3个不同点

    ​数据清洗,是指发现并纠正数据文件中可识别的错误的最后一道程序,是数据治理工作中必不可少的一项关键任务,是数据治理的子集.……查看详情

    发布时间:2021.04.09来源:亿信数据治理研究院浏览量:40次

  • 如何有效的进行数据治理?

    如何有效的进行数据治理?

    如果你处理或使用过大量数据,一定有听到过“数据治理”这个词。你会思考数据治理是什么?数据治理是否适合你?如何实施……查看详情

    发布时间:2019.01.09来源:亿信华辰浏览量:19次

  • 数据平台,数据中台是什么数据?

    数据平台,数据中台是什么数据?

    数据中台最核心的就是data API,它提供一个一个的可以复用的标准,这种数据服务给到业务系统。构建数据中台和构建数据平台也有很大的区别……查看详情

    发布时间:2021.01.23来源:知乎浏览量:17次

  • 企业数据治理的目的、意义及挑战有哪些?

    企业数据治理的目的、意义及挑战有哪些?

    随着大数据相关技术的不断成熟,数据作为一种资产,得到了越来越多企业机构的重视,为了能够有效的利用数据资产,数据治理成了当下政府和企业重点……查看详情

    发布时间:2022.05.11来源:小亿浏览量:77次

  • 数据治理的四个阶段

    数据治理的四个阶段

    数据治理的定义是对数据资产管理行使权力和控制的活动集合。其最终目的是挖掘数据价值,推动业务发展,实现盈利。……查看详情

    发布时间:2021.03.06来源:亿信数据治理知识库浏览量:26次

  • 元数据管理流程和方法是怎样的

    元数据管理流程和方法是怎样的

    大数据环境中,如果企业不通过元数据管理把多种复杂的信息管理起来,很难做到信息的有效利用。Gartner在研究报告里明确指出,“元数据管理……查看详情

    发布时间:2022.03.21来源:小亿浏览量:82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