数据是企业数字化转型的核心要素,数据治理是企业数据能力构建的核心基础,根据国际数据管理协会(DAMA)给出的定义:数据治理是对数据资产管理行使权力和控制的活动集合。数据治理职能是指导其他数据管理职能如何执行,最终保证数据的可用性、数据质量和数据安全。
随着企业数据需求的不断增加,人们对数据质量的预期也随之改变。
在企业数字化转型过程中,根据使用数据的角色不同,数据使用方面会涉及很多痛点,具体的痛点大致可以分为以下三个方向:数据易用性差、数据质量差、数据安全性差。在一些数字化转型领先行业,早已经积累庞大的数据,当数据质量存在问题如数据标准不统一、数据易用性差以及数据安全等问题时,就需要进行数据治理。
数据治理在数据管理工作中,扮演着“执行者”的角色,是数据规划成果及标准设计成果、数据存储、数据管控、数据交换、数据应用得以落地的基础。企业数据治理是一个长期、复杂的体系化工程,涉及数据标准、数据质量、主数据、元数据、数据安全、数据资产、数据服务等多个方面。
基于此,企业为了获得质量更高的数据,与业务建立紧密联系,推动数据资产变现,形成标准化的数据资产管理方法、流程和策略,提高数据运营效率和数据安全性,释放数据价值,赋能数字化转型,进行数据治理工作。
现阶段,绝大多数企业,把数据治理作为一个由集团开展自上而下的专项项目。企业做数据治理以合规为导向,管制、控制数据,被动、静态提供数据,供数据应用部门查阅使用。然而,企业数据治理不是一次性工作,而是持续的日常工作。
数据治理显然不可能由单一部门去进行开展,而是由技术部门跟业务部门进行融合、协同的多部门协同工作。同时,数据治理本身不应该以管控为目标,应该以数据使用为目标,当需求人员使用数据的时候,数据是可用、一致的。数据治理本身不应该是被动的,而应该是主动的,随时发现问题,随时完成相应的调整。
此外,数据治理本身是动态的,数据治理高度关注最后的数据消费,所以企业需要把数据治理以目的为导向,把数据治理敏捷、日常的融入到协作当中,才能达成数据高质量的一致性的可用。
基于以上,企业数据治理建设路径如下:
明确数据治理平台的管理管控对象。结合数据规划成果及数据管理需求,明确不同类型业务的数据管控对象及管控范围。
完成数据治理平台的架构设计。结合数据管控对象,从IT建设角度,规划数据治理支撑平台的总体架构;基于数据管理工作的落地与实施,规划平台功能架构;从技术实现角度,规划平台技术架构;从软硬件环境部署角度,规划平台部署架构。
完成数据治理平台的软硬件环境设计。基于平台的架构设计成果,进行硬件设备配置及技术参数的规划,软件产品、组件及选型的规划。
完成数据治理平台的实施路线规划。从平台的建设维度、实施维度,进行平台实施阶段划分、阶段目标及任务的规划,以确保平台建设工作及数据管理工作有条不紊地进行。
免费获取链接:https://fs80.cn/4w2atu
免责申明:
本文系转载,版权归原作者所有,如若侵权请联系我们进行删除!
想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友,浏览袋鼠云官网:
https://www.dtstack.com/?src=bbs
同时,欢迎对大数据开源项目有兴趣的同学加入「袋鼠云开源框架钉钉技术群」,交流最新开源技术信息,群号码:30537511,项目地址:https://github.com/DTStack