企业数据治理难题研究论文

为什么企业领导都热衷于数字治理呢？不可否认的是，数据治理很火，在DAMA 数据管理知识体系指南中，数据治理位于数据管理“车轮图”的正中央，是数据架构、数据建模、数据存储、数据安全、数据质量、元数据管理、主数据管理等10大数据管理领域的总纲，为各项数据管理活动提供总体指导策略谈到数据治理，很多企业经常讲它是一个涉及到企业战略、组织架构、数据标准、管理规范、数据文化、技术工具的一个综合体。没有数据治理实践经验的，一定会认为数据治理好“高大上”！又是战略、又是标准、又是文化。然而，只有你真正做过数据治理人才知道：数据治理不仅都是脏活、累活，还是个受累不讨好，经常背锅，领导看不见价值的活。数据治理过程中，有时候是不被理解的。数据治理是个地基性工程，人们看到的永远是数据应用的“高楼大厦”，数据治理团队天天忙忙碌碌的，领导也不知道“这伙人”到底都在干啥？但是，只要数据出现问题，第一个被问责的就是数据治理团队。都说数据是资产，数据治理很重要。大家也都说数据治理很重要，领导也很重视，但在很多企业真正实施的过程中，却总会遇到高层领导支持力度不足，业务部门人员配合不到位，数据治理的总是要给业务让路等等问题。究其原因：领导说重视数据，是真重视，还是嘴上说说？有没有将其纳入企业的战略行动计划？数据治理要定战略、定制度、建组织，这是顶层策略，这每一项都牵一发而动全身，都需要高层领导的大力支持和推动，业务部门和技术部门的紧密协同。数据治理要立标准、理流程、清数据，需要对每个数据域、数据实体、数据条目、数据项进行梳理和标准化，甚至有时候需要人工逐条、逐字段的定义数据标准、核实数据质量。数据治理人员不仅要有良好的数据思维，还要有足够的细心、耐心和体力才能实现企业数据质量的不断提升，打磨出适合企业的数据标准。

谈到数据治理，很多企业经常讲它是一个涉及到企业战略、组织架构、数据标准、管理规范、数据文化、技术工具的一个综合体。没有数据治理实践经验的，一定会认为数据治理好“高大上”！又是战略、又是标准、又是文化。然而，只有你真正做过数据治理人才知道：数据治理不仅都是脏活、累活，还是个受累不讨好，经常背锅，领导看不见价值的活。数据治理过程中，有时候是不被理解的。数据治理是个地基性工程，人们看到的永远是数据应用的“高楼大厦”，数据治理团队天天忙忙碌碌的，领导也不知道“这伙人”到底都在干啥？但是，只要数据出现问题，第一个被问责的就是数据治理团队。都说数据是资产，数据治理很重要。大家也都说数据治理很重要，领导也很重视，但在很多企业真正实施的过程中，却总会遇到高层领导支持力度不足，业务部门人员配合不到位，数据治理的总是要给业务让路等等问题。究其原因：领导说重视数据，是真重视，还是嘴上说说？有没有将其纳入企业的战略行动计划？数据治理要定战略、定制度、建组织，这是顶层策略，这每一项都牵一发而动全身，都需要高层领导的大力支持和推动，业务部门和技术部门的紧密协同。数据治理要立标准、理流程、清数据，需要对每个数据域、数据实体、数据条目、数据项进行梳理和标准化，甚至有时候需要人工逐条、逐字段的定义数据标准、核实数据质量。数据治理人员不仅要有良好的数据思维，还要有足够的细心、耐心和体力才能实现企业数据质量的不断提升，打磨出适合企业的数据标准。

从信息化到数字化，我们见证了互联网对社会和个人的深刻影响。随着新技术、新理念的不断推出，数字化转型则在这两年强势兴起，逐渐改变着企业和市场的格局。而数据正驱动业务转型、组织变革。企业由信息化向数字化转型，是顺应大势，顺势而为才能借东风之势。 数字化转型的目的和核心是数据赋能业务，通过智能数据归一、数据统一治理与服务、数据实体化融合、数据资产化的方式，帮助实现业务转型、创新和增长。而我们的基石就是高质量数据。 一、数据治理的概念是什么？ 数据治理（Data Governance）是组织中涉及数据使用的一整套管理行为。由企业数据治理部门发起并推行，关于如何制定和实施针对整个企业内部数据的商业应用和技术管理的一系列政策和流程。 国际数据管理协会给出的定义：数据治理是对数据资产管理行使权力和控制的活动集合。 用3W来解释： WHO：面向董事会治理层、高管层的标准、任何类型的组织 WHAT：通过一系列原则，指导当前和将来使用的创建、收集、存储、分发、共享的数据，并依赖数据决策，影响相关管理过程。发挥数据价值、减少数据风险 WHY：良好的数据治理有助于领导层确保数据在整个组织通过以下方面对组织的绩效作出积极的贡献 二、数据治理能解决什么问题？ 政府、企业想要释放数据的强大力量，必须提供准确、可靠、及时的数据。睿治帮助政府和企业有效管理数据，以避免因数据价值得不到很好体现而对政府和企业造成负面影响，进而帮助企业提高竞争力，为政府和企业提供更优质、更及时、更完整的数据，让其在政务管理和经营市场中脱颖而出。 制定统一标准：帮助政府和企业建设数据标准，制定统一标准 挖掘数据价值：帮助企业和政府梳理资源，形成数据资产，丰富分析应用全面掌控数据来龙去脉，以获得更多的数据洞察力，进而挖掘出隐藏在资源中的价值。 控数据质量：帮助企业和政府建立数据质量管理体系，对数据质量实时监控，及时整改，全面提升政府和企业数据的完整性、准确性、及时性，减少因数据不可靠导致的决策偏差攻损失。 提升信息服务水准：帮助政府和企业制定相关流程、政策、标准，保证信息的可用性、可获取性、优质性、一致性以及安全性，提升信息服务水准。 降低数据安全风险：提升政府和企业数据资产安全性，并帮助建立相关安全规范和响应机制，全面保障其数据安全 数据治理最佳实践路径。 三、数据治理的实践方法 数据治理是一个长期的过程，涉及到企业中所有跨功能和跨业务的决策机制。业界也有这么一个说法：数据治理即是管理问题，也是技术问题。在管理角度，数据治理是一个至上而下的过程，需要企业高层从全局角度出发制定战略规划，规范数据从业务输入到战略管理过程的全流程治理； 在技术落地层面，需要自下向上推进，从实际内容来看，数据治理是一套工具集。目前业界还缺乏通用、有效的数据融合治理与数据质量管理的工具。 俗话说，工欲善其事，必先利其器。亿信华辰基于以上视角，结合十几年大数据技术经验，打造了智能数据治理平台——睿治，去帮助企业规范的定义与加工数据、清晰的管理数据、安全的应用数据。 睿治数据治理平台是一套完善、通用的的数据治理工具，融合数据集成、数据交换、实时计算存储、元数据管理、数据标准管理、数据质量管理、主数据管理、数据资产管理、数据安全管理、数据生命周期管理十大产品模块，可帮助企业实现数据的融合治理与数据质量管理。 睿治平台十大功能模块可基于政企用户不尽相同的发展现状，选择性组合使用，快速匹配数据治理的各类场景应用，突破数据治理的技术基础门槛。

1、数据治理能否成功很大程度取决于领导的级别，CFO，CMO，CIO都在维护各自专业领域的利益，但鲜有CDO，因此，不要看公司怎么说，得看它怎么做，凡是要干大事的，组织和领导的调整都是第一步。2、数据治理团队打铁也要自身硬，关键时候要能顶上去，临阵磨枪是没用的，这个非常遗憾，别说叫合作伙伴帮忙，起步的时候，来100个也没用。3、没有十年以上的做数据的复杂经历，不要轻易去负责数据治理项目4、任何数据治理策略都应该纳入公司数据管理的流程，否则就不要制定这个策略。5、数据治理要能倒逼源头的信息化或数字化改革，唯一的希望是让老板能看到数据的更多价值，因此，数据治理要能跟数据价值变现紧密协作，两张皮是没有可持续性的，只能靠强制监管”续命“。