数据治理全域解决方案来了：对症下药 各个击破

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。

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。

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。

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：

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：

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。

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。

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。

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。