博客 企业如何突破数据治理临界点,四大数据要素深度剖析

企业如何突破数据治理临界点,四大数据要素深度剖析

   数栈君   发表于 2022-01-17 09:57  204  0

 前言 


在大数据、数据中台的浪潮之后,我们又迎来了数字化转型的新征程,目前企业对数据价值的认可度得到了普遍的提升,但是如何构建价值可衡量的数据资产体系,成为了企业数据建设过程中新的探索方向。

“产业数字化、数字产业化”的发展要求让数据资产的建设变得尤为重要,在政企数据、行业数据、用户数据的交换融合、多维分析、综合应用的大势所趋之下,数据的安全、质量、时效性、类目等要求势必会逐步提高,建设可溯源、可管控、可量化的数据治理体系是构建企业数据上层应用的重要基础,也是企业数字化转型的必经之路。


 企业数据治理 


企业的数据治理是一个长期而又艰辛的过程,目前我们很难用结果去衡量治理的效果如何,这也是一直以来让众多数据厂商头疼的问题,造成这一现状的问题很多,比如:企业的组织架构割裂、数据价值评估体系的不完善、数据使用制度的欠缺等。推进企业开展数据治理的建设,数据治理价值可量化是非常关键的。

根据多年数据治理的产品架构和项目实施经验,我们总结出了企业数据治理的四要素,分别是:组织制度、标准规范、实施路径、安全可靠。

http://dtstack-static.oss-cn-hangzhou.aliyuncs.com/2021bbs/files_user1/article/7b8349910cd8f857cc5300c2fb2aa702..jpg

图1:数据治理要素

组织制度的建立是企业做好数据治理的决心和前提,规范标准的制定和遵循是数据可持续开发使用的根本,合理的实施路径、方法是各阶段高效执行治理的关键,安全可靠的保障机制是数据工作的底线。

下面我们通过对这四个要素的剖析,讲述如何在做好数据治理的同时,将数据治理的价值量化。

 要素一 

组织制度

成立职责明确的组织架构、制定科学合理的数据制度,是做好企业数据治理的第一步。

http://dtstack-static.oss-cn-hangzhou.aliyuncs.com/2021bbs/files_user1/article/29f051ad6eacf9b45c1a476d21ecef40..jpg

图2:数据职能团队

企业无论做数字化转型还是数据治理,都需要具备一支具备数据职能的团队,该团队负责企业数据规章制度的推行、数据建设的规划、产品技术的选型、数据需求的落地、数据人才的培养等;数据团队负责打通各部门的数据产出和需求,并沉淀、挖掘出数据的核心价值,建设统一、高效、高质量的数据基础设施,通过数据帮助企业更好的运营、管理,让企业逐步形成以数据为核心的生产价值体系。

 要素二 

标准规范

数据标准规范是影响企业数据开发效率、数据质量的关键,制定科学合理的标准规范并严格遵循标准规范进行一系列的数据动作,可以帮助企业减少数据的重复开发、降低因人员流动所带来的数据风险、形成可持续的数据运作机制。

http://dtstack-static.oss-cn-hangzhou.aliyuncs.com/2021bbs/files_user1/article/521508deb67ae825313949e2aebd1d58..jpg

图3:数据标准规范

企业的数据标准规范包括数据标准、开发规范、流程规范等。以集团型企业为例,数据标准应在国家标准、行业标准的基础之上,构建集团、企业“一中心、多边缘”的数据标准环路,不管是集团/总部还是企业/部门,都会包含标准化数据和个性化的数据,标准化的数据具有通用性、高可复用性,是未来打通社会数据的基础,应当由集团统一监管、治理;个性化数据是各企业/部门自身特有业务所产生的数据,这部分数据不太具备通用性,可让企业/部门自己监管、治理。

集团/总部将国家标准、行业标准结合自身特点,进行顶层的标准制定,然后下发给各个企业/部门,通过对不同企业/部门的个性化数据的共性部分进行提炼,不断产生新的标准化数据,并补充进集团/总部的数据标准中,形成良性的数据标准循环体系。

http://dtstack-static.oss-cn-hangzhou.aliyuncs.com/2021bbs/files_user1/article/96a8bf0b4e21cd9dbdecb0782028f3cb..jpg

图4:集团数据标准环路

标准规范的执行仅仅靠文档、制度只能管得了一时,想要真正地把标准规范落地,还需要有相关的产品工具来对数据规范的执行进行约束和考核,数据标准的产品应该具备标准规范的制定、应用、校验、考核等多个方面的功能,帮助企业持续不断地提升数据的标准覆盖度。

http://dtstack-static.oss-cn-hangzhou.aliyuncs.com/2021bbs/files_user1/article/5a7d20c7abf5939d399fdda193876d1a..jpg

图5:数据标准规范产品功能路径

 要素三 

实施路径

科学合理的实施路径能够帮助企业高效、高质地完成数据治理的工作。实施路径包括顶层设计、职责归属、实施流程、效果验证等,实施的载体是数据产品工具。

http://dtstack-static.oss-cn-hangzhou.aliyuncs.com/2021bbs/files_user1/article/ced1d8760f59b9610b81cbe57f8fe8e7..jpg

图6:数据治理实施路径

数据治理的实施路径包括:顶层设计、职责归属、实施流程、效果验证四个方面。

顶层设计应该充分发挥数据职能团队的数据主导能力,通过自身调研、方案咨询、技术选型等手段,制定适合自己企业的数据治理发展规划;制定明确的职责归属,快速打通数据问题的产生、定位、解决、验证环节;借助数据治理产品,开展实施流程,除了传统的离线数据的治理,还应当包括实时数据、湖仓数据等场景的治理工作;最后就是治理效果的验证,从数据的全统通,到数据资产的价值体现,借助数据产品的能力,多维度、多层次地进行治理效果的评估,帮助企业更直观地了解治理的效果。

 要素四 

安全可靠

安全可靠是数据发展的底线,任何企业都不应该以牺牲安全为代价去发展数据,数据安全可靠主要体现在产品技术和管理制度两方面。

http://dtstack-static.oss-cn-hangzhou.aliyuncs.com/2021bbs/files_user1/article/e01f2223c4b82eded21e19e19e78916e..jpg

图7:数据安全可靠图谱

企业的网络安全需要有完整的安全系统进行监控管理,对数据产品、系统进行定期扫描和安全漏洞检测。数据的存储、传输两大环节需要具备安全的加密机制,并且保证核心数据在加工过程中的可用不可见。数据平台需要能够兼容信创的服务器、操作系统、数据库等产品,实现技术层面的自主创新和可控。数据产品不仅需要具备多租户、多项目空间的安全隔离机制,还需要保证产品本身的高可用、高稳定性。从整体的安全系统,到单个的数据产品,保证安全产品、技术贯穿数据活动的全生命周期。

从管理制度层面,企业需要把数据安全纳入相关人员考核的要求中,从数据安全认知、数据操作安全、数据安全事故处理等方面制定详细的规章制度,把数据安全问题提升到“生产安全”的高度去对待和要求,这样才能保证人员的数据安全意识得到提升,保证数据治理过程中安全方案的实施落地。


 写在最后 


数据的发展已经经历了很多的阶段,包括:数仓开发、大数据开发、数据中台、流批一体、湖仓一体等等,但数据治理一直是一个永恒的话题。目前政府、金融等行业已率先做出了很多数据治理的成功案例,可以帮助其他企业逐步开展自己的数据治理工作。希望通过对组织制度、标准规范、实施路径、安全可靠这四个要素的执行,建设企业的数据治理体系、提升数据治理能力,让企业看得到数据治理的价值,也为数字化转型和数据产业化的发展奠定基础。

0条评论
社区公告
  • 大数据领域最专业的产品&技术交流社区,专注于探讨与分享大数据领域有趣又火热的信息,专业又专注的数据人园地

最新活动更多
微信扫码获取数字化转型资料
钉钉扫码加入技术交流群