|
隨著新一代信息技術的應用，數字化落地產生的產品和服務覆蓋了社會的方方面面，社會的數字化程度正在不斷加深。同時，疫情期間地域產生的限制，讓更多人意識到數字化應用帶來的作用，加速了數字化增長的速度。 同時，數字化的普及也讓社會的總體數據量得到了質的提升，據國際數據公司（IDC）預測，2025年中國產生的數據總量預計將達到48.6ZB，占全球數據量的27.8%，數據已然成為繼土地、勞動力、資本、技術之后的第五大生產要素。 數據治理是什么數據治理其實就是指對數據進行治理，一般在企業中主要負責不斷提高企業數據質量，實現數據價值。從定義上說，就是把企業中不同來源、不同業務、不同用戶的數據，從格式不規范變為統一規劃的數據、從沒有規律變為統計分析的高質量數據、從零散的數據變為統一分類分級儲存的數據。
要注意的是，數據治理不是一種技術，也沒有嚴格的規范，準確來說就是指企業通過一種解決方案將數據從不好到好的處理過程，這個過程就是數據治理。不同企業有不同的數據治理方案，比如有些企業可能直接自上而下以企業為單位治理數據，也有部分企業選擇從某項業務切入。 企業使用數據遇到的問題
1、數據孤島 企業進行數字化轉型過程中或是剛完成了基礎信息建設，很容易在使用數據時發現一個問題，那就是每個部門或業務線都有屬于自己的業務信息系統，這些系統之間相互分離，數據庫也不能互通。技術和管理人員在調取數據，查看企業業務發展數據時，只能一個個進行處理，很容易出現錯漏，遺漏關鍵信息，導致對企業業務發展情況產生誤判。 2、數據缺失 數據的使用受限于數據的產生，企業如果沒有提前對業務流程進行規范，沒有形成數據驅動的意識，很容易讓其產生的數據變得混亂，更有可能因為業務沒有記錄導致某項數據缺失，造成數據不全。而且這個問題有時候很難發現，只有當數據分析人員想要將數據轉化為信息，進行數據可視化等時候才會發現。 3、數據不準確 企業在信息化建設初期，沒有為業務部門安裝業務信息系統，一線業務人員只能通過手動記錄，將業務數據寫在紙上或是用電腦一個個輸入到Excel表格中。當下越來越多的企業追求自動化，其中一個重要原因就是人工在記錄數據、信息時很容易出現錯誤，更別提一旦業務繁忙，錯誤概率更會成倍增加。 4、數據不及時 當下，社會的節奏越來越快，企業對業務、產品和服務進行調整優化的速度也在增加，在使用一些比較強調實時性的數據時，企業的技術、分析和管理人員需要在短時間內使用數據，一旦數據不能及時利用，這個數據就很有可能數據價值。尤其是遇到異常數據，企業需要在短時間內對其進行分析，找出問題原因，如果數據到不了位，業務就只能持續異常，影響企業健康發展。 數據治理常見問題
1、缺乏數據治理目標 企業在進行數據治理時沒有對相關案例和理論方案進行調研，沒有對高質量數據的概念，不能對企業當前數據質量進行評估，沒有對數據質量的認識，當然也就沒有目標建設。 舉個例子，企業管理人員展開數據治理會議，會議人員不清楚高質量數據的屬性，也不知道企業處于數據周期中哪一階段，只能憑借經驗為數據治理設立寬泛的目標，不能細化成需要完成的任務。 2、沒有對數據治理的認識 企業沒有為數據治理設置專門的團隊，將數據治理看成企業新技術的應用，把數據治理任務直接分配給IT技術部門，聽到數據這兩個字就下意識覺得IT人員就能解決。 關于這個問題有個很經典的例子，企業管理人員正愁于怎樣提高數據質量，在網上看到“數據治理”這個詞，馬上要求IT技術部門在企業中應用，根本沒有意識到數據治理不是一種技術的應用就能解決的。 3、數據治理團隊權限不足 數據治理是一種涉及到企業全周期的系統級工程，需要動員企業不同部門、不同業務線的全體員工，在日常工作中建立數據意識，將數據治理作為一種績效考核標準。 企業組建數據治理團隊時沒有給予足夠關注，導致這個新團隊在企業中沒有實際權限，只能游走于不同部門，曉之以理動之以情，即使對上反映要來的也只是口頭權限，只能緩慢推動實施。 4、不能長期持續堅持 企業高層管理人員將數據治理當成短期完成的一次性工程，認為數據治理完成后企業的數據就不需要后續管理，數據質量會一直保持較高的程度，忽略了數據治理的實施過程，缺乏長期的堅持。 企業在進行數據治理時認為短期之內就能看到數據質量的大幅提升，對短期目標抱有很高的期望，等到數據治理團隊開始后，才發現數據治理需要從規則建立開始，建立持續的企業數據閉環。 數據治理的正確流程
1、組建數據治理團隊，給予實際管理權限 企業高層管理人員應該組建一支對數據治理有足夠認識，在企業中有足夠工作經驗，有充足管理經驗的數據治理團隊，并在幕后持續進行關注，給予足夠權限，保證各部門員工配合。 2、評估數據質量，確定數據治理任務 開始數據治理任務前，數據治理團隊應該以數據的完整性、準確性、及時性、一致性、唯一性作為標準，從數據分析角度評估企業當前數據質量，根據反饋來確定數據治理任務。 3、規范業務流程，建立規則文檔 數據治理團隊可以選擇從業務流程，也就是數據產生的源頭開始，對其進行規范化、流程化、標準化處理，并建立相關業務規則文檔，保證業務部門能夠在人員流動中保持數據治理意識。 4、確認業務指標，劃分數據層級 在數據治理工作中，對數據進行指標、標簽分類非常重要，數據治理團隊可以和業務人員溝通協調，并要求合作為業務數據建立對應的指標體系，劃分核心數據指標，進行分類分級。 5、進行信息化建設，優化數據機制 數據治理團隊可以為企業進行信息化建設，安裝業務信息系統，讓業務數據能夠自動傳輸到對應數據庫，更進一步，還要部署商業智能BI，讓不同數據庫中數據經過ETL處理，自動存儲到數據倉庫。 6、建立監控預警機制，關注異常數據 在完成信息建設后，數據治理團隊可以利用商業智能BI，協調分析和技術人員制作企業核心數據可視化監控頁面，根據KPI指標和關鍵業務節點制定圖表內容，實時查看企業異常狀況。 7、完善業務數據閉環，促進數據可持續健康發展 數據治理團隊可以對整個數據治理周期流程進行整合，形成一套完整的“業務-數據-處理-存儲-調取-利用-分析-可視化-預警-決策-業務”閉環流程，讓數據在過程中不斷優化，持續提高數據質量。 |
|
|
