博客 如何打造标准化的数据治理评估体系?

如何打造标准化的数据治理评估体系?

   小美   发表于 2022-11-23 11:05  306  0

一、什么是数据标准?

数据标准根据不同的数据域分为基础、分析类和专有类三类,其中:

1.基础类数标是企业日常业务开展过程中所产生的具有共同业务特征的基础性数据,如客户、产品、财务等。2.分析类数标是为满足公司内部管理需要及外部监管要求,在基础性数据基础上按一定统计、分析规则加工后的数据。

3.专有类数标是公司架构下子公司在业务经营及管理分析中所涉及的特有数据。

http://dtstack-static.oss-cn-hangzhou.aliyuncs.com/2021bbs/files_user6/article/d2c6ea409180908c04475f1f7728b051..png

一般数据标准会包括:主题定义、信息项、标准代码三个文档,其中:

1.标准主题定义文档:主要是记录数据标准的定义、分类,用于规范和识别数据的主题归属。

2.标准信息项文档:记录数据主题的信息项业务属性(分类、业务含义、业务逻辑)和技术属性(类型、长度、默认规则)。

3.标准代码文档:记录信息项固定码值的编码、分类、使用规则等。


二、数据治理过程中面临的挑战

数据治理工作过程中常面临以下四个挑战:

1.数据治理会贯穿整个数仓,数据的链路非常长,从生产端、采集端、加工端每个环节都需要进行治理工作。进行数据治理工作时应解决“如何进行标准化,如何聚焦”的问题。

2.如何衡量治理工作的效果,如何标准化和量化数据治理的结果。

3.不同阶段进行治理的聚焦点不同。例如,前期推行规范化的治理,中期关注成本的管控、质量的治理等。如何通过标准化的体系动态调整不同阶段的策略是治理的重点。

4.深入业务时,各团队面临的业务压力较大,如何提升大家对治理活动的动力是面临的一个挑战点。

三、标准化与数据治理相互促进融合

标准化是对各项实践经验的总结,标准化过程包括标准制定、标准实施和标准实施信息反馈,标准化过程的基本任务是将收集的各类信息资源转化成标准,再传递给各项实践管理活动,成为这些实践过程的输入。标准化过程需要足够的数据和信息作为支撑,数据治理为标准研制提供高质量的数据资源,提高标准实施信息反馈水平。

标准是由人制定的,尽管遵循意见征集等规定程序,但是由于客观实际和人的知识的局限性,标准与实际脱离难以避免。能否在研制、实施过程及时把握信息和反馈信息,利用这些信息调整或采取补救措施,是防止和降低标准化负面影响的重要过程。

经过漫长的发展历程,标准化已成为一门探讨“统一化”的专业学科,标准化的基本方法包括简化、统一化、通用化、系列化、模块化、组合化等形式,可以将无序化转换为统一化,将异构状态转换为同构状态[18]。2015年阿里巴巴正式提出中台战略,数据中台的理念已在金融、通信、制造等各个行业得到了认可和实践,成为数据治理领域最为流行的实践做法之一。为直观呈现出标准化的理论方法在数据治理领域的重要作用和表现,表1阐述了数据中台的典型手段和特征中反映出的标准化基本原理。

http://dtstack-static.oss-cn-hangzhou.aliyuncs.com/2021bbs/files_user6/article/5c3d7119781d6b40b1b72f6948c94e4e..png

四、数据标准总结

数据标准管理是企业数据治理的基础,没有标准化,更加谈不上数据质量。在得到标准评估结果后,需要根据结果的反馈对系统数据进行整改。

由于实际业务场景或其他因素的制约,数据整改并不是一次性的,而是要经过多次迭代,不断整改,从而得到符合企业预期的数据服务。企业也是在不断发展的,在这个过程中,系统数据也是在不断变更的。因此,数据整改也是随着企业的发展而不断适应和发展。


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/Taier

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