当前位置：企业数据治理技术体系建设
发布时间：2024-04-29 21:08 浏览次数：次 作者：admin
对企业数据资产进行规范化管理已经成为广泛认可的实践，但确保数据管理职能得到正确履行需要组织架构、原则、过程和规则。数据治理的定义多样，包括来自权威机构如DAMA、ISACA、DGI、IBM和Gartner的多种观点。DAMA提出的数据治理定义被业界广泛接受，其将数据治理定义为对数据资产管理行使权力和控制的活动集合（计划、监督和执行）。
数据治理旨在确保在数据资产管理过程中，相关决策始终准确、及时和有前瞻性，数据管理活动始终规范、有序和可控，数据资产得到正确有效的管理，并最终实现数据资产价值的最大化。数据治理应遵循正式、书面、可重复、可循环和可优化的过程，以及标准的、成熟的、获得广泛认可的规范。在数据治理的生命周期中，过程和规范应高度契合，以确保数据治理具有约束性和纪律性，始终保持正确的方向。
综上所述，数据治理的核心在于对企业数据进行有效管理和利用的评估、指导和监督，通过高质量的数据不断创新数据服务，实现数据资产价值最大化，为企业数字化转型提供强劲动力，为企业创造数字化价值。
数据治理与数据管理的关系建立在治理与管理之间的互动基础上。治理负责对管理活动进行评估、指导和监督，而管理则根据治理的决策具体计划、建设和运营。大数据治理是数据治理的新领域，旨在评估、指导和监督组织的大数据利用。它通过制定战略方针、建立组织架构、明确职责分工等方式，实现大数据的风险可控、安全合规、绩效提升和价值创造，并提供不断创新的数据服务。因此，大部分数据治理的方法论也适用于大数据治理，尽管需要在某些管理领域进行适当调整。
为什么要进行数据治理
尽管一些企业认为目前的数据规模很小且易于控制，暂时不需要进行数据治理，但实际使用中仍然会遇到诸多问题：
数据监管不力，导致脏数据出现；
数据体系规模逐渐扩大，管理混乱；
数据血缘丢失，无法回溯旧数据。
无论企业的数据规模如何，我认为制定数据治理规划仍然是必要的。为了考虑成本问题，可以分阶段进行实施。数据治理的必要性体现在以下几个方面：
数据的可用性和异常值的处理；
数据的来源和去向的血缘信息；
数据访问的安全性；
新数据加工的规范参考和标准管理。
提前制定数据治理规划可以节省后续改造成本，避免冗余重构或重新开始的情况发生。数据治理有助于在合理高效的监管体系下提供高质量、安全、可追溯的业务数据。
数据治理的几点误区
数据治理是否要做得全面。不同阶段和规模的企业，数据治理的实施程度会有所不同，建议根据自身情况分阶段进行，避免盲目扩大规模。
数据治理仅限于技术考虑。数据治理是整个组织的协作过程，包括业务线和管理组织，没有好的实施方案和协作机制，往往会事倍功半。
数据治理的短期见效性。数据治理是一个长期的过程，会随着企业数据规模和数仓规划的变更而调整，部分功能可能会在短期内见效，但完整体系的搭建短期难以实现。
数据治理需要先有工具平台。尽管工具和技术手段很成熟，但需要先有成熟的数据治理体系规划和策略。
数据治理的模糊性。数据治理是一个长期的工作，需要相关从业者根据企业的数据现状和管理模式去构建和调整，建议边做实践边总结归纳，采取小步慢跑的方式。
数据治理旨在确保在数据资产管理过程中，相关决策始终准确、及时和有前瞻性，数据管理活动始终规范、有序和可控，数据资产得到正确有效的管理，并最终实现数据资产价值的最大化。数据治理应遵循正式、书面、可重复、可循环和可优化的过程，以及标准的、成熟的、获得广泛认可的规范。在数据治理的生命周期中，过程和规范应高度契合，以确保数据治理具有约束性和纪律性，始终保持正确的方向。
综上所述，数据治理的核心在于对企业数据进行有效管理和利用的评估、指导和监督，通过高质量的数据不断创新数据服务，实现数据资产价值最大化，为企业数字化转型提供强劲动力，为企业创造数字化价值。
数据治理与数据管理的关系建立在治理与管理之间的互动基础上。治理负责对管理活动进行评估、指导和监督，而管理则根据治理的决策具体计划、建设和运营。大数据治理是数据治理的新领域，旨在评估、指导和监督组织的大数据利用。它通过制定战略方针、建立组织架构、明确职责分工等方式，实现大数据的风险可控、安全合规、绩效提升和价值创造，并提供不断创新的数据服务。因此，大部分数据治理的方法论也适用于大数据治理，尽管需要在某些管理领域进行适当调整。
为什么要进行数据治理
尽管一些企业认为目前的数据规模很小且易于控制，暂时不需要进行数据治理，但实际使用中仍然会遇到诸多问题：
数据监管不力，导致脏数据出现；
数据体系规模逐渐扩大，管理混乱；
数据血缘丢失，无法回溯旧数据。
无论企业的数据规模如何，我认为制定数据治理规划仍然是必要的。为了考虑成本问题，可以分阶段进行实施。数据治理的必要性体现在以下几个方面：
数据的可用性和异常值的处理；
数据的来源和去向的血缘信息；
数据访问的安全性；
新数据加工的规范参考和标准管理。
提前制定数据治理规划可以节省后续改造成本，避免冗余重构或重新开始的情况发生。数据治理有助于在合理高效的监管体系下提供高质量、安全、可追溯的业务数据。
数据治理的几点误区
数据治理是否要做得全面。不同阶段和规模的企业，数据治理的实施程度会有所不同，建议根据自身情况分阶段进行，避免盲目扩大规模。
数据治理仅限于技术考虑。数据治理是整个组织的协作过程，包括业务线和管理组织，没有好的实施方案和协作机制，往往会事倍功半。
数据治理的短期见效性。数据治理是一个长期的过程，会随着企业数据规模和数仓规划的变更而调整，部分功能可能会在短期内见效，但完整体系的搭建短期难以实现。
数据治理需要先有工具平台。尽管工具和技术手段很成熟，但需要先有成熟的数据治理体系规划和策略。
数据治理的模糊性。数据治理是一个长期的工作，需要相关从业者根据企业的数据现状和管理模式去构建和调整，建议边做实践边总结归纳，采取小步慢跑的方式。
上一篇 
