企业数据治理及其实践研究.doc

企业数据治理及其实践研究
摘 要:数据正成为企业不可或缺的战略资源,数据治理的重要意义也越来越受到重视。通过剖析数据治理的内涵,结合当前企业数据治理体系研究及应用实践,提出当前企业数据治理主要聚焦于三个方面:(1)数据治理的整理和数据管理是两个不同的概念,其主要区别是级别差异及其带来的职能差异和人员组成差异。数据治理级别高于数据管理,其领导团队通常由企业的董事会成员及高级管理人员等组成,主要致力于思考如何确保通过恰当的决策机制促使决策结果的正确,一般不涉及具体的管理活动。而数据管理的领导团队主要由技术专家和业务领导组成,负责选取合适的、具体的技术方法为数据治理领导层决策提供依据,并及时向数据治理的领导团队反馈结果。
2 企业数据治理的体系
数据治理的整体框架
当前国内对于企业数据治理的整体框架主要集中在大数据治理框架、国际主流的数据治理框架、各个行业领域的数据治理框架等。国外数据治理的整体框架通常包括了数据标准、政策制度、技术工具等方面,各个理论框架各具优势,但尚未形成标准化的模型体系。
数据治理的成熟度模型
在数据治理成熟度模型方面,国外研究较为丰富,其共同点都是有序等级演绎过程。成熟度的水平高低能够表征数据治理水平的高低。借助数据治理成熟度模型,可找到数据治理的薄弱环节,可针对性地形成改进策略,促使数据治理水平稳步提升。
3 企业数据治理的应用实践研究
数据治理发源于以数据为核心业务的行业之中,随着信息化进程的加快,企业的数据治理问题越来越受到重视。巨克真等针对电力企业数据治理工作推动力度不强、业务部门之间缺乏相互协调等问题,设计了适合电力企业现状和发展的数据治理总体框架,并明确了数据治理的核心工作内容。刘顺春从“共享中国石油”建设对数据治理的要求出发,通过分析数据治理现状、问题和主要矛盾,借鉴国内外数据治理案例,构建了数据治理体系的整体方案。李红卫等提出企业数据治理工作必须体系化推进,数据的综合利用可以通过数据集成共享实现,最终实现提升企业运营管理水平。
数据治理应用实践层面的研究主要基于不同行业所体现出的异性及存在的实际问题展开。主要通过运用合理、有效的数据治理方法,发挥数据应有的价值,进而提升组织的竞争力。华为的数据治理工作在业内十分先进,它的工作历程可分为两个阶段:第一阶段实现数据清洁,支撑财报准确并与主业务流打通;第二阶段实现数据可视、共享,支持数字化转型。银监会针对银行业金融机构数据治理现状及存在的问题,起草了《银行业金融机构数据治理指引》,从适用范围、总体要求、治理原则、数据治理框架、数据管理、数据质量控制、数据价值实现等对银行业金融机构数据治理进行指引。施工企业常面临业务部门未能共享准确可靠的信息、业务部门和信息化部门无长效协调机制、指标数据不正常、不同信息系统中的数据定义不同等问题,有学者从企业实施数据治理的必要性着手,提出数据治理的核心活动包括数据质量管理、数据生命周期管理、元數据管理、业务流程整合等,并认为数据治理的顺利实施需要有管理、组织、制度、技术等方面的条件保障。
4 结论
当前企业数据治理研究的主要内容有几点:(1)数据治理的整体框架研究,主要包括大数据治理框架、国际主流的数据治理框架、各个行业领域的数据治理