眾說周知，數字經濟正在引領中國經濟發(fā)展新形態(tài)，數字化轉型成為近兩年的高熱度詞，在數字化轉型趨勢下，眾多企業(yè)都在紛紛談論數據治理，也有很多企業(yè)將數據治理作為數字化戰(zhàn)略的一項必要舉措，列入企業(yè)的戰(zhàn)略行動計劃。但是一個企業(yè)想要做好數據治理，并不容易。
今天很高興在這里為大家分享美林數據公司在過去20多年間上千個項目總結和沉淀出來的數據治理核心理念和經驗。
數字化轉型的實質是企業(yè)“降本、增收、提質”，是以數據驅動的精細化運營、業(yè)務創(chuàng)新增長和商業(yè)模式創(chuàng)新。數字化轉型依賴于企業(yè)的數據基礎，企業(yè)數據管理和應用卻面臨著問題：
1）比如企業(yè)業(yè)務協同與數據貫通問題：
比如說，過去信息化建設階段，由于煙囪式系統建設，造成商機數據，合同數據，項目數據，財務回款數據標準不一致，想要圍繞一個項目的“線索到回款”鏈路，由于基礎客戶數據不標準，不規(guī)范，所以貫通不了。
2）企業(yè)運營管控同一指標標準不統一，指標口徑不統一，數據規(guī)范不統一，造成統計錯誤，數據不可信。
又比如說，我們在做發(fā)電數據治理的時候，一個發(fā)電量，生產口和營銷口的統計的發(fā)電量都不一樣。而且相差較大。
3）數據缺失，數據質量不高，數據無法獲取，數據不共享等無法滿足業(yè)務應用等問題。
又比如說，拿企業(yè)數據做領導駕駛艙，發(fā)現數據指標異常，一分析發(fā)現數據都是各部分自己填報的，準確性、及時性就是問題。
4）從IT 層面。企業(yè)眾多系統間接口交錯，重復開發(fā)，資源浪費等問題
信息化建設造成各個系統之間互開接口，到底有多少接口，都是什么接口，沒有人清楚。
這些問題都需要靠數據治理來解決。所以說“數字轉型，治理先行”。
“數字轉型，治理先行”。但是數據治理說起來容易，做好很難。知名咨詢公司Gartner的調研顯示一組數據。這組數據說明做好數據很不易。
只有不到20%的項目能夠完成數據治理且效果顯著。
那么企業(yè)數據治理的面臨的挑戰(zhàn)是什么？
一，沒價值，推不動
很多企業(yè)在推動數據治理工作過程中屢屢受阻，數據治好了有什么價值？數據治理工作的成果如何得到業(yè)務部門的認可？
所以，缺少業(yè)務痛點的驅動，數據治理真的會處處受阻，推不動。
二，治不了
大家思考一個問題，企業(yè)有了數據標準就可以治理好數據嗎？在實際案例中，常常發(fā)現很多標準都束之高閣了，同時由上至下的標準貫標模式，對于將產生的數據有很好的規(guī)范，但是對于歷史數據往往束手無策。
所以對于大量歷史數據的利用和貫通如何去做，缺少思路。
三，太費勁，治不好
數據治理是重實施的工作，常規(guī)的方式是靠業(yè)務部門人工治理，投入成本高、周期長、效率底，往往數據治理的速度趕不上數據污染的速度。所以治不好。
面對三大困局，企業(yè)如何做好數據治理，為數字化轉型戰(zhàn)略夯實基礎？美林數據公司經過多年的數據治理的實踐，總結出做好數據治理應該遵循的三大理念
第一，沒價值，推不動： 【業(yè)務驅動數據治理】以業(yè)務場景和業(yè)務應用方向驅動數據治理，讓數據治理價值看得見。
第二，沒思路，治不了：“以”【融合應用】為先導，通過標準的映射融合方式替代”強行貫標”方式，解決歷史數據的融合應用問題；再逐步實現統一標準。
第三，太費力，治不好：“小數據靠人工，大數據靠智能”，美林研發(fā)大量的數據治理的算法，通過“算法治代替人工治”，讓數據治理才能更高效。
美林數據治理新理念1，業(yè)務驅動、價值為先：
業(yè)務驅動的數據治理：就是以“場景化的業(yè)務應用”為牽引，驅動數據治理。治理對象、治理規(guī)范和規(guī)則都來源于業(yè)務場景和應用，治理過程由業(yè)務部門來負責，治理的成果將服務于業(yè)務應用。
比如，我們在電網的業(yè)務中數據質量質量過程為例，分享一個故事。
在我們前些年做數據治理的時候， 我們先從業(yè)務部門搜集了很多的核查規(guī)則，跑出數據，每周能核查出來20多萬個數據問題，然后分明別類的將這些問題發(fā)送給業(yè)務部門，讓業(yè)務部門修正。可以預料會面臨什么問題？
業(yè)務人員的反應是什么？：這么多這么改？什么時候能治理完呀？第二反應是：核查的這些問題有什么意義呢？跟我有什么關系；我的數據已經很好了。我不覺得有問題？所有，根本推動不了業(yè)務部門治理治理。
帶著這個問題我們的解決思路就是“找到核心的業(yè)務應用場景才能推動數據治理，所以圍繞【線損指標計算】出發(fā)，進行質量核查和數據治理，治理完以后就能發(fā)現業(yè)務問題，諸如此類，展開了營配貫通數據治理、高可靠供電數據治理，以及電網網架的數據治理等等一系列的基于業(yè)務應用的數據治理工作。
業(yè)務場景驅動數據治理，同時業(yè)務應用檢驗數據治理成果，才能讓企業(yè)數據治理有價值，有動力。
美林數據治理新理念2，標準為基、融合推進：
“無標準，不治理”，但是有了數據標準數據就一定能治理好嗎？
1、傳統的數據標準治理步驟可以簡單概括為：定標準、做執(zhí)行、強監(jiān)督，但是這種治理思路，很難執(zhí)行下去，為什么？現在的企業(yè)，或多或少都經歷的多年的信息化建設，很少有企業(yè)能一開始就制定好數據標準，并在所有的系統建設中都嚴格遵守這個標準，因此，在存量系統中強推統一的數據標準是不可行，標準制定容易，后續(xù)的執(zhí)行、監(jiān)管都非常困難，如何協調系統整改？以誰為準？歷史數據如何處理？如何避免兩張皮問題？這些都是傳統數據治理在實際應用中必須面對又無法解決的問題。
2、美林數據對此創(chuàng)新性的提出了“融合先行，終向統一”的思路，對存量系統和新系統的數據治理實行分而治之。
a、針對存量系統，為了不影響業(yè)務運行、避免系統改造、降低歷史數據影響，美林采用統一接入、映射關聯的方案，滿足跨業(yè)務應用的需求，解決一物多碼的問題。
b、基于存量數據的融合、映射結果，依靠自動識別算法，輔助構建數據標準，包括主數據標準、參考數據標準等。
c、針對新系統，自動執(zhí)行標準
d、依靠自動化方式進行數據核查，為數據標準化工作開展提供抓手，持續(xù)支撐數據標準化工作
這樣的數據治理方案，才能讓標準落地更平滑，數據治理更有效。
美林數據治理新理念3，AI賦能、增強治理：
數據治理是重實施的工作，耗費人力，投入長，見效慢，美林數據依托自身人工智能等技術研究，研發(fā)了數十種數據治理算法，將應用智能化的算法替代人工治理過程中，提高治理成效。
業(yè)界也有一句話：“小數據靠人工，大數據靠智能” ，美林已經積累了十多種典型的算法治理的場景。
1）關系發(fā)現算法：自動發(fā)現數據字段的之間關系。
2）數據探查算法，了解數據含義
3）敏感數據識別算法，識別敏感數據
4）主數據識別算法，代替咨詢顧問識別主數據
5）參考數據識別算法，識別參考數據
6）主數據融合算法，完成不同系統同一數據的融合
7）知識提取/關系提取算法
通過這些算法將數據治理過程自動化、智能化，讓數據治理更高效。
那么，這些好的理念如何如何推動企業(yè)數據治理的實踐落地?呢？接下來，我將來【介紹基于三大治理理念】的一體化數據治理落地解決方案。
美林作為一個老牌的數據治理服務商，將以上三大核心理念融入到數據治理的解決方案中，面向客戶提供“咨詢+產品+實施”三位一體的數據治理服務方案，貫穿客戶的數據治理工作從規(guī)劃到落地的全過程。
咨詢：頂層設計、規(guī)劃了企業(yè)數據治理如何去管理，指導企業(yè)的數據治理實施。
產品：以業(yè)務驅動數據治理和智能化數據治理為理念研發(fā)了智能化數據治理平臺，支撐企業(yè)數據治理到數據應用全過程。
實施：堅持以【業(yè)務驅動、價值為先】理念，沉淀了一套成熟的數據治理方法論，并且有服務于央企國企業(yè)等數十年的實施團隊，提供專業(yè)的數據治理服務，確保企業(yè)數據治理工作平穩(wěn)落地。
這里，咨詢規(guī)劃和實施服務都依托與數據治理平臺展開，所以，最后重點介紹產品部分：經過多年的沉淀和打磨，研發(fā)出一款業(yè)務驅動的、智能化的數據治理平臺產品-Tempo數據治理平臺：包含兩態(tài)感知的數據模型管理、自動感知的元數據管理、融合的標準管理、場景化的質量管理、智能識別的主數據管理、自助式的數據服務管理、完備的數據安全管理、圖譜式的數據資產管理以及可擴展的智能算法底座構成。
總結：
數字化轉型狀態(tài)下，企業(yè)如何做好數據治理？美林數據將二十余年央企國企服務經驗，百余家數據治理項目實施經驗中識別出數據治理的三大困局，并沉淀出沉淀出“業(yè)務驅動數據治理”“標準融合數據治理”“算法代替數據治理”的治理理念，研發(fā)出業(yè)務化智能化的數據治理產品，并且面向企業(yè)提供三位一體的數據治理落地方案，助力企業(yè)做好數據治理，做最有價值的數據治理，做最高效的數據治理！
Tempo商業(yè)智能平臺
Tempo人工智能平臺
Tempo數據工廠平臺
Tempo指標平臺
Tempo數據治理平臺
Tempo主數據管理平臺
首頁
陜公網安備 61019002000171號
