博客 数据资产管理实施路径(1)

数据资产管理实施路径(1)

   数栈君   发表于 2024-09-05 11:16  443  0

1.数据资产盘点

从业务视角与技术视角出发,形成企业数据资产框架和数据资产目录,支持建立全面覆盖的企业级数据资产地图,为数据资产“用什么”以及“如何用”奠定基础。

http://dtstack-static.oss-cn-hangzhou.aliyuncs.com/2021bbs/files_user1/article/a9ae3631ecd46531a7ee8155cd4652b2..gif
数据资产盘点路径

 

数据资产盘点包含调研诊断、数据盘点、数据对标校正、分类分级、权责划分、数据资产目录建立六大环节。

调研诊断:通常采用访谈或案头梳理的方式,对IT整体建设情况、业务系统数据情况进行调研,框定数据资产管理范围、聚焦目标。

数据盘点:基于数据标准、数据管理制度、数据管理规范、数据平台工具、数据模型等盘点的内容及目标,梳理发现的数据问题,并整理归类,输出数据表清单、数据源接入方式、业务流程映表、数据字典等。

数据对标校正、分级分类、权责划分:这三个步骤通常同步、穿插进行,在保障数据准确的前提下,根据影响对象、影响范围、影响程度等维度,按照分类标准、重要程度对数据进行分类、分级;梳理数据资产分布及使用,明确数据项影响覆盖的相关部门,根据业务部门在数据产生、流转应用过程中的相关性,匹配各部门数据资产管理角色。

数据资产目录建立:从业务流程和数据应用的视角出发,基于前几步中对数据资产的梳理成果,完善包含业务属性、管理属性的数据资产信息,形成数据资产报告和数据资产目录。

需要注意的是,数据目录的建立工作需要企业分别从“横”、“纵”的视角关注数据目录的合理性与科学性。数据目录的“横向”管理主要是指数据的属性信息,一般分为业务属性、技术属性和管理属性信息。数据目录的“纵向”管理主要是指以数据应用场景的维度构建目录体系,以充分贴合业务人员的数据使用习惯、业务使用场景,帮助各类数据使用人员找数、知数、用数。与此同时,数据目录管理工作在保证数据信息准确、权限合规等管理要求的同时,还应保证目录底层数据的统一性与一致性,避免出现“多套”数据目录进而增加管理难度与成本。

2.数据治理

数据治理是对数据资产管理权力和控制的活动集合,它不仅仅是一套用工具组合的产品级解决方案,更是从决策层到技术层,从管理制度到工具支撑,自上而下贯穿整个组织架构的完整链条,以期通过持续的评估、指导和监督,确保富有成效且高效的数据利用,促进组织协作和结构化决策,为企业创造价值。

数据资产管理是数据治理的目标和结果。数据治理和数据资产管理是两个密切相关的概念,它们同构成了个完整的数据管理体系。数据治理是指在组织内对数据进行全面管理和控制的过程,旨在确保数据的准确性、完整性、一致性和安全性,以支持组织的决策和业务活动。而数据资产管理则是指对组织的数据资产进行有效管理和优化利用的过程,旨在最大化数据资产的价值和效益。

根据年的实践经验,袋鼠云认为通常数据治理可以遵循下面三种基本模式

模式一:自下而上,以数据架构为重,开展数据治理。

这种模式重在数据架构,层层向上治理数据,至数据应用层。这种模式从底层数据切入,基于现有数据基础,盘点、建设、治理、应用层层展开,对企业整体的数据思维、数据治理水平要求较高,通常适用于数据量重、业务应用轻大型技术型企业,或政府机构,或新建、自研系统较多的企业。

模式二:自上而下,以明确的数据应用为重,开展数据治理。

这种模式即单点应用式,通常以现有应用需求为核心开展数据治理。聚焦各个业务领域的数据应用、数据治理需求,在有需求、有资源、有驱动力的前提下,按需组织推进数据治理工作。只有业务部门的深入参与才能做好数据治理,只有针对业务自身需求进行的治理,才能得到业务部门的认可和支持。

模式二通常围绕数据应用的需求进行数据治理,比如升级架构、更换平台等涉及数据应用迁移时,或聚焦监管、上报类等明确数据应用时,围绕数据应用进行数据治理。

模式二通常适用于数据应用较强、业务部门较为强势、但整体数据认知较弱的企业。这种模式的数据治理切入相对较为简单,实践证明,大部分企业数字化转型初期会这种模式,慢慢探索企业的数据治理道路,这种模式有助于拉齐数据部门、业务部门的认知,提升企业整体数据认知,为未来数据治理的开展提供基石。

模式三:大规划模式,从数据应用规划入手,治理现状,规划未来,基于数据资产的未来开展数据治理。

这种模式需要企业全面梳理业务的现状痛点及业务未来畅想,盘现状、规划未来,基于业务现在及未来的需求规划分析应用场景,在应用场景蓝图规划的范围内,全面的梳理数据的现状、规划数据的未来,针对蓝图规划中的数据需求,制定全方位策略,哪些需要新建系统、新购数据源?哪些需要现有数据系统升级,细化、标准化现有数据?哪些数据需求落地可行性较高?制定全面的规划体系,划分优先级,有节奏、有步骤地实现全面的数据治理。这种模式通常是企业的战略项目,由高层推进开展,对数据、业务协同性要求较高,整个过程涉及系统改造升级、业务流程优化再造,是企业全面升级的过程。

http://dtstack-static.oss-cn-hangzhou.aliyuncs.com/2021bbs/files_user1/article/6b26db890e79ca797ebd276206cae288..gif

 

数据治理三大基础模式

 

组合模式一:模式一&模式二组合,即全域数据治理+明确应用场景规划。种模式兼顾底层数据与上层应用,可对冲底层数仓重建的部分风险,同时可有效地阐述数据价值,整体可行性较高。

组合模式二:模式一&模式三组合,即全域数据治理+全面应用场景规划。这种模式从现在、未来的角度全面开展数据治理,业务、数据全面覆盖,返工重建风险小,同时有助于推动业务系统、数据全面升级,业务价值较高,但对组织协同要求高,且成本投入高、耗时久,对执行团队要求高,复合型人才需求大,属于高风险高收益模式,需要企业高战略、高执行的推进落地。

http://dtstack-static.oss-cn-hangzhou.aliyuncs.com/2021bbs/files_user1/article/43eed7e597cadae87a4b100b08f627e0..gif
 数据治理组合模式

 

数据治理在一定程度上是对数据资产管理的细化,它通过明确相关管理组织、工作责任和管理流程来确保数据资产能长期有效、可持续地得到管理,进而使企业获得高质量的数据。数据治理旨在提高数据质量、促进数据一致性和集成、加强数据安全和隐私保护、支持合规性和风险管理、提升决策效能,以及提升数据资产的价值。通过有效的数据治理方案实施,组织实现更好地管理和保护数据资产,实现数据驱动决策和业务创新的目标。

《数据资产管理白皮书》下载地址:https://www.dtstack.com/resources/1073

《行业指标体系白皮书》下载地址:https://www.dtstack.com/resources/1057/?src=bbs

《数据治理行业实践白皮书》下载地址:https://www.dtstack.com/resources/1001/?src=bbs

《数栈V6.0产品白皮书》下载地址:https://www.dtstack.com/resources/1004/?src=bbs

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
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