查看原文
其他

从0到1,数据治理一周年大纪实

傅一平 与数据同行 2023-12-17


在长达近18年的数据生涯中,自己一直从事数据仓库相关工作,去年一次偶然的机会开始做企业数据治理,现在相关工作逐步进入正轨。值此一周年之际,记录下自己做数据治理的22个关键事件,也许对大家也有启示吧。


2021年8月19日:做事的时机


公司在大数据方面的推进一直是比较快的,18年前刚进公司的时候就建设了数据仓库,8年建成了大数据平台,6年前成立了大数据中心,现在数据变现的规模已经不小。


没有公司数字化转型的这个背景,也许自己会一直干数据仓库和数据产品,干到退休也不奇怪,虽然在做数据仓库的时候也会涉及到一些数据治理的工作,但其实干的大都是数据仓库优化工作,即使有一些建章立制,也基本是以IT和本部门为主,跟其他部门没多大关系,但会认为自己当前做的数据工作对公司很重要。


2021年8月自己接收到了一个规划课题:《全域价值数据高效汇通与开放专题》,公司要求在在数字化转型的背景下,系统化思考如何促进数据要素在公司生产流程中的高效流通,从而发挥出数据的乘数作用、倍增作用。


虽然自己后来去做企业数据治理跟这个规划没直接关系,但却预示了一种趋势,即在公司数字化转型和数据成为新的生产要素的背景下,推动数据要素的高效流动已经是公司战略性的工作。


企业数据治理要干的事情,在2012年DAMA出版的《DAMA数据管理的知识体系和指南》书中已有论述,但那个时候几乎没有人会真的会去干企业级数据治理的事情,因为大数据才刚刚起步,时机并不成熟。


2021年11月8日:突发的任务


2021年公司数字化转型的步伐加快,这天部门BOSS找到我,希望研究下华为的数据治理之道,然后跟大老板汇报下我们的思路,当时我就在想,也许公司认为做企业数据治理的时机到了,毕竟数据是数字化转型的基础。



虽然自己做了很长时间的数据工作,对于数据治理也有所了解,《华为数据之道》这本书之前自己也读过,还写过一些读书笔记,但接到任务的时候还是一脸懵逼,不知道从何下手。


从书中学到的那些数据治理的知识,写写文章谈谈感想还行,但真要学以致用,还是不够看的,特别是给公司提建议,当时自己的第一反应是觉得这么大个事情似乎是咨询公司该干的事情,但接收到了任务就要全力以赴。


2021年11月9日:猴子的救兵


部门BOSS理解做这个事情的挑战,邀请了华为的王老师(华为数据之道的作者之一)下周过来交流,因为我们对华为数据之道还是有很多的困惑,比如领域责任人的设置问题,初期投入的人财物问题等等。


我把自己能找到的人员也找齐了,有自己团队的,也有合作伙伴的,大概6-7个人,然后扔给大家一本书《华为数据之道》,约好第二天进行讨论。


当时没有找求助其它行业的数据治理专家,一方面觉得在这么短的时间内要让外部专家迅速了解公司的情况不现实,另一方面认为公司自己的数据团队更适合来做这个事情,毕竟是要落地的,对于做数据的边界我还是有清晰的认识,哪些应该自己做,哪些可以找人帮忙。


做好了这些准备,我当然也不能闲着,因为自己的大脑才是最大的救兵,因此找了几本数据治理的书温习了一下,然后就在那边拟定讨论提纲,希望形成一个雏形的东西。


在之后的一个月,思考企业数据治理这个事情成为了我的主要工作。


2021年11月10日:草拟的提纲


我把自己关在办公室,有了灵感就在EXCEL上码几个字,开始的时候想的很零碎,大家可以看下:



然后慢慢有了脉络,写出了初步的提纲,如下示例:


“经过多年探索,我们已经具备了.......

挑战:P1

1、 组织:当前公司已经建立了初步的数据汇通机制和流程,但随着公司数字化转型开展,对于数据汇通的时效性要求大幅提升,但当前数据汇通还是存在线下沟通协调多,事前审批流程多,数据开放缺乏仲裁组织机制保障,导致数据汇通存在诸多卡点断点,比如,,已经不适应数字化专项发展需要

2、机制:各个部门队企业级数据汇通重要性认知不足,驱动力不足,汇通任务主要落在各部门数据专员身上,解决问题的闭环,但推进上不够迅速,各部门领导对需要承担的数据汇通职责缺乏认知,数据汇通缺乏奖惩机制

3、技术:不统一影响效率,各个部门对自身的数据缺乏管理方法,信息架构缺失,无论是数据资产目录,数据标准,信息架构等信息不全,导致外部门对数据拥有者的数据缺乏认识,也难以提出有效的需求,同时数据语言不统一,导致数据汇通的沟通成本很高(管理方式和方法不透明,不统一,缺乏标准,数据沟通拉通沟通成本高)

4、开放:缺乏数据安全开放的分层分级的管理方法,针对哪些部门,哪些地市,可以开放哪些粒度的数据现在还不明确,数据owner要能提供开放和白开放清单列表,完全开放,限制开放,不开放,相关流程也没有

1、缺乏数据汇通顶层设计,数据owner等等,大家对于数据汇通认识高度不高,跨部门数据汇通还存在卡点,

2、汇通流程和职责不清晰,特别是问题处理流程缺失,导致汇通不够

3、数据汇通标准不清晰,导致数据汇通质量无法保障

4、缺乏需求时限承诺,要求和执行还是会脱节


总纲:P2

1、  信息架构管理原则

(1)建立企业级信息架构,统一数据语言,比如任何一个数据都能查到唯一的标准的定义

(2)所有项目须遵从数据管控要求。对于不遵从管控要求的项目数据管控组织拥有一票否决权,比如任何新建系统都要提供数据字典,并上报公司数据管控组织进行入湖

2、数据产生管理原则

(1)谁产生数据,谁对数据质量负责。数据Owner负责基于使用要求制定数据质量标准,且须征得关键使用部门的同意

(2)公司数据Owner拥有公司数据管理的最高决策权,各领域数据Owner承担数据工作路标、信息架构、数据责任机制和数据质量的管理责任,数据owner建议参考华为由公司指定一名管理者

3、数据应用管理原则

(1)数据应在满足必要的信息安全的前提下充分共享,数据产生部门不得拒绝或延缓跨领域的的数据汇通需求,比如未经公司数据Owner同意不设置汇通前置流程

(2)信息披露、数据安全管理、数据保管和个人数据隐私保

护等必须遵守法律法规和道德规范的要求

4、数据问责与奖惩管理原则

各数据Owner应建立数据问题回溯和奖惩机制,对拒绝开放共享,不遵从信息架构,存在严重数据质量问题的责任人进行问责


组织:P3-P4

1、任命数据owner

公司数据owner  X总

领域数据owner,一般各流域的流程owner就是该领域的数据owner

各层级owner的职责

2、优化公司数据管理组织

分层分级任命数据Owner,既能确保公司数据工作统筹规划,也能同时兼顾各业务领域灵活多变的特征

组织架构图

公司数据Owner

网路部数据Owner,市场部数据Owner,政企部数据Owner,集成部数据Owner,财务部数据Owner

网络部数据管理组织(实体或团队,数据专员)

相关职责,明确清楚汇报关系


流程:P5

跨部门数据汇通流程

需求提出-》公司数据管理组织(大数据中心)-》XX部数据管理组织

大数据中心根据

应给劲给原则,如果XX部有疑问,向部门数据Owner汇报,由部门数据Owner向公司Owner部门同意后,方可拒绝采集需求


标准:P6

X项标准

为了推进数据的主动汇聚,确保确保数据汇聚的质量,对于数据提供者数据提供有以下四大标准

(1)源端数据资产目录自动维护,标准化,各部门定期提供数据资产目录,分层架构(6个要素,数据owner,定义数据密级,。。。。)

(2)数据源统一,确保一致性,防止多头采集(数据同源是华为数据治理的核心观点之一。数据源是指业务上首次正式发布某项数据的应用系统,经过数据管理专业组织认证,作为唯一数据源头被周边系统调用)

(3)数据源质量限期整改负责,限期整改,谁生成,谁负责


SLA:P7华为数据之道三个1承诺"


第二天,我就拿着这个提纲跟大家讨论去了。


2021年11月11日:共同的研讨


我们几个人关在办公室,对着大屏讨论了一天,碰撞出了不少内容,组织讨论是必须的,不仅是为了触发思考,也是一个形成共识的过程,这里仅举2例:


第一、对于公司现状没有分析清楚,准备补充如下内容:


“经过多年探索和实践,我们初步完成了OBM三域数据的打通,当前汇通的系统数超过XX个,数据资产数量超过7000个,但随着公司数字化转型的加快,作为基础要素的数据,还是存在找不到、看不懂、不准确、不及时等问题,特别是在跨域流程贯通上存在诸多卡点断点,迫切需要寻找新的解决办法......"


第二、对于数据管理总纲的必要性没分析清楚,准备补充如下内容:


“成为公司级的纲领,政府的一些内容整合,三清单一目录,400个字,花了一年数据是公司的战略资产,达成共识,不是你个人或部门的数据,所有数据必需有唯一的Owner,所有的数据必需从源头去取数,IT,数据源,可信源头,做成数据服务也从未源......"


2021年11月13日:华为的帮助


与华为公司的王老师做了更深入的探讨,王老师将华为数据之道的精髓总结为10个要点,这给我们带来了很大启示。


要点1:数据治理要上下一致、左右对齐,业务主导,需要有顶层设计,在决策层/管理层形成共识,比如数据是公司的战略资产,不是部门的私有资产


要点2:以业务对象为核心(比如客户合同),形成清晰的数据资产目录,围绕业务对象开展治理


要点3:对准公司主业务流开展业务对象识别等治理工作


要点4:数据治理工作要例行开展,以数据治理流程与例行化,应对数字化常态化,不搞运动,扎实落地


要点5:数据治理要落实到每个具体责任部门与责任人,形成数据Owner制度;同时打造一支懂业务、懂技术的专业数据队伍


要点6:数据质量从业务源头抓起,好的数据质量从设计与执行两个维度开展


要点7:管理规则在统一治理平台落地


要点8:以用户/业务需求驱动,主张各领域数据消费百花齐放


要点9:各领域数据入湖、联接与服务建设,由各领域负责建设,满足公司各领域数据消费诉求


要点10:公司统一制定数据可信共享规则与平台,统筹各业务领域协同完成数据共建共享


2021年11月16日:初稿的形成


由于不知道什么时候汇报,为了未雨绸缪,我们启动了PPT的撰写,PPT其实也是一种很好的提炼思路的方法,如下所示,很多内容后来做了大幅修改:


P0 存在问题

数据是数字化的基础,随着公司数字化转型的加快,对于数据要素高效融通配置,释放数据生产资料更大价值提出了更高要求,虽然公司已经完成了企业级大数据平台的建设,初步实现了三域数据的汇通,但当前企业级的数据治理体系还未建立,在公司数字化运营中逐步暴露出了数据盘点不足(比如O域流程管理数据还缺乏体系化盘点)、数据质量不高(比如资管中农村的宽带资源点位置信息失真,抽样准确度XX%)、数据汇通不畅(比如流程攻坚中政企投诉处理工单数据的采集耗时2个月)、数据开放不够(比如详单,位置等涉敏数据由于安全管控要求还无法向一线开放)等问题,迫切需要完善公司的企业级数据治理体系,从而为公司的数字化转型保驾护航 .


P1 企业级数据综合治理面临的挑战

经过多年探索和实践,我们初步完成了OBM三域数据的打通,当前汇通的系统数超过XX个,数据资产数量超过7000个,但随着公司数字化转型的加快,作为基础要素的数据,还是存在找不到、看不懂、不准确、不及时等问题,存在上还存在诸多卡点断点,主要体现在四个方面的挑战......。


P2 华为的企业级数据治理最佳实践

华为公司经过十多年的实践,构筑了一套企业级的数据综合治理体系,其通过七个方面的举措,确保了关键数据资产有清晰的业务管理责任,IT建设有稳定的原则和依据,作业人员有规范的流程和指导;当面临争议时,有裁决机构和升级处理机制;治理过程所需的人才、组织、预算有充足的保障,最终建立有效的数据治理环境,数据的质量和安全得到保障,数据的价值才能真正发挥出来。


P3  制定企业级数据管理总纲

数据治理政策是数据治理的顶层设计,明确企业数据治理最基本的原则,包括信息架构、数据产生、数据应用及数据质量的职责和分工,从而确保企业数据治理环境的有效构建。参考华为公司数据管理纲要,结合公司的实际,这里给出浙江公司的企业级数据管理总纲建议,共四类八条400个字


P4 任命数据owner

企业的每一个数据,必须由对应的业务部门承担管理责任,而且必须有唯一的数据Owner,这也是华为在数据治理上最为宝贵的一条经验,是数据治理体系能够发挥作用的基石。需要按分层分级原则任命数据Owner,在公司层面设置公司数据Owner,在各业务领域设置领域数据Owner,这样既能确保公司数据工作统筹规划,也能同时兼顾各业务领域灵活多变的特征。公司数据Owner是公司数据战略的制定者、数据文化的营造者、数据资产的所有者和数据争议的裁决者,拥有公司数据日常管理的最高决策权。领域数据Owner包括业务域和中台域两种类型的数据Owner,在公司数据Owner的统筹下负责所域的数据管理体系的建设和优化,保证数据质量。


P5 完善公司数据管理组织

支撑公司实施数据治理,进一步明确大数据中心作为公司级数据管理组织的相关职能,包括代表公司制定数据管理相关的政策、流程、方法和支撑系统,制定公司数据管理的战略规划和年度计划并监控落实。建立并维护企业信息架构,监控数据质量,披露重大数据问题,建立专业任职资格管理体系,提升企业数据管理能力,推动企业数据文化的建立和传播。为落实公司制定的数据管理目标,建议在各业务领域要建立实体化的数据管理专业组织。实线向领域数据Owner汇报,承接并落实本领域的数据管理责任;虚线向公司数据管理组织汇报,遵从公司统一的数据管理政策、流程和规则要求。组织架构图。


P6 打造企业级元数据管理体系

公司数据主要来源于BOMS领域,涉及的源端业务系统超过千个,字段数超过X万个,为了能高效的使用这些数据资产,必需要像管理财务科目数据一样进行管理,包括对这些数据进行定位、分类、描述和溯源,解决数据找得到,看得懂,能使用等问题,这个极大依赖于企业级元数据管理体系的建立,主要包括四个方面的工作,先期可以实现1和2,后续再考虑实现3和4,逐步演进

1、打造企业数据资产目录:各领域数据Owner需要提供所属域的数据资产目录,通过分层架构表达对数据的分类和定义,理清数据资产,可以贴示意图

2、构建企业级数据标准:定义数据的描述规范,这是公司层面需共同遵守的数据含义和业务规则,是公司层面对某个数据的共同理解,这些理解一旦确定下来,应作为企业层面的标准在企业内被共同遵守,比如公司合同编号,需要明确编号的位数、具体的编码规则等,一旦合同编号数据标准制订下来,那么整个公司所有业务部门都必须共同遵守。,可以贴示意图

3、发布企业级数据模型:通过E-R建模实现对源端系统数据及关系的描述,用于指导后续的数据开发

4、明确企业级数据分布:要展现源端数据在业务流程和IT系统系统上流动的全景视图,这样可以识别数据的来龙去脉,成为定位数据问题的导航基于公司的客观实际,需要各领域数据Owner尽快完善元数据管理体系。


P7 推进源端数据质量提升

“Garbage in Garbage out(垃圾进,垃圾出)”当前公司数据来源涉及的涉及业务系统超过百个,字段数超过XX个,汇通数据涉及的处理环节多,流转环节多,从而产生较为严重的数据质量问题,影响到数字化转型工作的顺利开展,比如由于资管中XXX资源点位置信息失真,导致当无法基于数据来准确评估资源覆盖率。但数据质量不是追求100%,而是从数据使用者的角度定义,满足业务、用户需要的数据即为“好”数据,有所为有所不为,因此需要重点加强三个方面的工作......。


P8 建立数据治理协同机制

数据提供者,数据消费者,数据管理者

流程:三同步流程,133

跨部门数据汇通流程

需求提出-》公司数据管理组织(大数据中心)-》XX部数据管理组织

大数据中心根据应给尽给原则,如果XX部有疑问,向部门数据Owner汇报,由部门数据Owner向公司Owner部门同意后,方可拒绝采集需求


P9:提升数据开放水平

要进一步推进数据开放能力提升,在源端数据质量有基本保障,数据安全合规,流程合规的前提下,逐步达成“三个1“的数据开放整体目标,起点是需求方提出数据需求(审批通过),终点为需求方拿到数据并可立即进行消费,具体衡量标准包括如下:

1天:对于已发布数据服务的场景,从需求提出到消费者通过服务获取数据,在1天内完成。

1周:对于已进底座但无数据服务的场景,从需求提出到数据服务设计落地、消费者通过服务获取数据,在1周内完成。

1月:对于已结构化但未进底座的场景,从需求提出到汇聚入湖、数据主题联接、数据服务设计落地、消费者通过服务获取数据,在1个月内完成。


2021年11月18日:老板的汇报


几天以后接到综合部通知,需要向大老板汇报企业数据治理体系的思路,那天大老板带着华为数据之道的书,跟我们讨论了很多问题,比如什么叫信息架构数据owner的内涵,主题连接是什么,我们相较于华为的不同点等等。


关于设置领域数据owner,大老板说有合理性,毕竟外人不大可能比领域更有可能去理解自己的业务和数据,这个时候专业队伍的建设就很有必要......。


大老板对一些概念非常关注,要求务必界定清楚,比如当看到BOMS四个域数据的提法,就会问S域的确切含义是什么,是按照组织分还是业务分,如果按照组织分,公司里哪些部门的数据属于S域数据等等。


下面是当时跟大老板汇报中涉及华为实践的1页,大家可以看下:



2021年11月25日:公司务虚会


年底公司要开工作务虚会,探讨明年的工作思路,公司给部门布置的课题就是企业级数据治理体系建设思路,然后我们根据要求继续完善思路和PPT,下面示例了其中的几页核心内容,这是第一次在公司大会上讲述企业数据治理体系的建设思路。


这页讲了问题挑战,后来发现还是分析的不够透彻:



这页讲了组织的设想,后来对架构和职责按照实际需要做了大量调整:



这页讲了数据盘点和数据采集,现在看来内容还是比较空的,我们后来没搞三张清单,而是打造三个数据目录:



这页讲了数据开放,其实当时还没想清楚具体怎么做,就是觉得华为提的”三个1“ SLA承诺是很好的,因此先抛出来:



2021年11月30日:落地的准备


企业数据治理的大致思路是提出来了,但那些都是纸面的东西,跟落地还差了老远,比如关于组织、机制还是流程的变革,当时是完全没底的,感觉暂时也做不了什么,但关于企业信息架构梳理、数据治理平台建设等还是能开展一些前期的准备工作。


这几年团队一直在忙着做数据中台、数据产品和数据变现,对于数据治理系统性的学习和实践不多,整个团队对数据治理的理解还是比较浅的,那段时间就忙着跟合作伙伴交流,一方面看看有没有合适的外部资源,另一方面也想让团队成员抓紧时间了解数据治理的相关情况。


自己抽空重新温习了《数据管理知识体系》、《DCMM-数据管理成熟度模型》、《数据资产管理实践白皮书》、《数据标准管理实践白皮书》等一些规范标准,买了最近几年出版的一些数据治理的书补补课,包括《一本书讲透数据治理:战略、方法、工具与实践》、《数据治理:工业企业数字化转型之道》、《数据管理知识体系(第二版)》等等,书到用时方恨少总是真的。


2021年12月15日:最关键一役


果然没几天,我们就接到公司通知,要求尽快准备《企业级数据治理体系构建思路》的汇报材料,然后上公司决策会。


那段时间每天都在赶材料,跟各级领导汇报,然后再改,如此循环,记得上会前3个小时,还在跟老大过材料,最终方案上会通过,主要包括了四个方面的内容:


1、数据治理的背景:数据是一种新的生产要素,要充分激发数据要素对经济社会的放大、叠加、倍增作用,需要重构数据生产关系,这有赖于数据治理体系的构建。


2、数据治理存在的问题:详述了公司在信息架构、数据贯通、数据记录、数据开放面临的挑战,指出企业级数据治理体系构建的必要性。


3、数据治理体系的构建思路:提出了“5141”企业级数据治理体系框架,数据治理保障体系包括组织机制、规范标准、流程保障、安全保障、信息架构、数据质量及元数据管理等方面的内容。


4、数据治理体系的重要举措:提出成立企业级数据治理委员会及办公室,建立企业级数据治理日常推进机制,调整公司相关部门名称和职责,比如新增公司级的数据管理部,其它部门新增领域数据治理职责,构建数据治理保障基础能力(制度、运营、平台、开放等)等等。


会后,公司正式下文正式成立数据治理委员,数据管理部从原组织剥离,承担公司级数据治理相关职责。


2022年12月18日:领域责任制


为了推进数据治理工作能够落地,就需要建立一支跨部门的数据治理队伍,公司特别下文明确了各领域的具体数据责任人和数据治理专员。


领域职责包括但不限于对本领域所辖业务的IT系统信息架构的构建管理,负责本领域的元数据管理及主数据管理;负责本领域原始数据采集和汇通入湖;负责本领域数据质量管理等等。


直到这一天,公司数据治理的组织保障体系算建立起来了。


2021年12月22日:第一次联席会


企业数据治理工作的推进主要是通过召开数据治理联席会议的形式进行,当时召集了九个主要部门领域数据责任人和专员参会,第一次会议各个领域对各自域的数据治理现状进行了汇报,办公室随后针对各个领域布置了工作,包括各领域系统与数据资产梳理、数据缺失情况梳理和分析、数据专项应用梳理等等。


办公室要求公司数据责任人(即数据管理部)做好常态化支持,包括工作模板的梳理、专项培训及日常辅导等等。


从这个会议开始,我认为公司的数据治理工作算真正起航了,因为终于可以协同各部门群策群力来解决一个公司级的数据治理问题,这是有重要意义的一天。


2022年1月5日:2022工作会


大老板在工作报告中,用500字的篇幅对构建企业级数据治理体系进行了深入的阐述,包括顶层设计、组织保障、流程运营、IT支撑及数据安全等各个方面,这是前所未有的。


大老板强调,企业数据治理达成共识很重要,大家要上下对齐,左右对齐,在后续的部门协同中,能感觉到大家对于数据治理的重视程度提高了


2022年2月7日:第二次联席会


各领域对前期工作进展情况进行了汇报,针对梳理过程中暴露出来的问题,办公室进一步布置了相关工作。包括:1)做好系统和数据表重要性的分类排序,补充完善元数据等信息;2)开展数据对内开放管理办法的编制,进一步完善数据治理工具;3)开展公司XX主数据统一运营方案的制定;4)加强XX相关数据的引入。


相对于上一次会议,各领域对于数据治理的认识有了明显提升,提出了不少很好的建议,比如数据字典看不懂问题,数据开放效率问题,某些重要数据缺失的问题等等,这些都在驱动着企业数据治理工作往前走。


2022年2月24日:团队的优化


为了加强企业数据治理工作的支持,需要对数据管理部的组织架构进行优化调整,因此专门新增了数据治理组和综合协调组,优化了数据服务组、技术运营组等等,各组的职责大致如下:


数据治理组:负责顶层设计、建章立制、流程管理、主数据管理、数据汇通等等。


数据服务组:负责数据中台运营(含基础和融合模型)和数据开放等等。


技术运营组:负责数据工具链建设和运维保障。


综合协同组:负责综合事务、外部协同、宣传推广、培训竞赛等等。


关于数据治理人员短缺问题,主要通过内部人员岗位优化调整的方式来临时解决,原则就是要事为先,这几年公司在大数据上的投入还是让我们有了一定的腾挪空间。


2022年3月17日:信息技术会


公司工作会后,IT部门会开自己条线的专业会议,在这个会议上各个地市及相关部门也会参加,我在这个会做了《构建企业数据治理体系,助力公司数智化转型》的专题发言,主要还是为了普及数据治理的概念,因为数据治理听起来还是比较抽象,因此在问题里举了很多一线的案例,下面是一个示例:



2022年3月20日:目标的初定


我们的企业数据治理目标是在一次次的讨论中逐步明确的,企业数据治理办公室提供了大家共同讨论和决策的机会。


比如A部门说公司还有大量的系统和数据资源没有纳管,B部门说数据汇聚和开放还存在流程梗阻和不合理的规则,C部门说某些核心业务对象缺乏统一管理影响了业务开展等等。


以上这些问题大多具有跨部门、跨系统和跨流程的特点,解决难度也很大,经过讨论后,这些问题很多成为了企业数据治理的目标。


公司领导说要去做正确而难的事,对于数据治理来讲,就是要去做对于公司来讲全局最优的事情,可能还会牺牲局部利益。


2022年4月30日:全量的盘点


企业数据资源全量盘点是最先开始的工作,经过1个多月各领域的努力,收获还是很大的,纳管的系统提升了77%,纳管的数据资源提升了100%,记得当初大数据平台建设的时候,靠的是IT部门自己去盘点,新增数据纳管的范围和数量跟这次梳理还是有很大差距。


在这次盘点中,我们还输出了数据盘点的方法论,推进了自动化盘点工具的建设,后续的盘点会实现自动化和常态化,如下所示:



2022年5月27日:数据的开放


公司数据对内开放面临着各方职责不清晰、开放规则待明确,开放流程冗长且割裂,开放门户待优化,缺乏开放运营等问题,导致跨域数据开放周期比较长,因此我们希望协同各个部门明确数据开放的原则,制定相关的优化举措,建立起高效的对内数据开放管理体系,促进数据开放“三个1”目标的实现,在这个优化过程中同步输出数据对内开放管理办法。


虽然这个工作还未完成,但已经取得了一些进展,下面是总体思路一页。



2022年6月5日:第三次联席会


这次会议针对公司XX,YY等主数据的统一管理进行了职责明确,主数据最大的挑战在于局部和全局利益的权衡考量,大家必须站在公司的角度考虑问题才有解决的办法,而这需要企业数据治理组织的保障。


这次XX,YY主数据建设业务价值高,但建设的复杂度也挺高,不仅横跨了多个部门,还打穿了OLTP和OLTP,有机会跟大家聊一聊。


2022年6月23日:改革项目上会


公司每年会设立一些改革项目,今年的企业级数据治理体系构建就是其中之一,当天我做了题为《构建企业级数据治理体系,助力公司实现数智驱动的商业智能》的改革项目方案汇报,涉及11个关键举措及实施计划。


马上要7月底了,我们也正在筹备数据治理第四次联席会议,我算了下,从去年8月到现在正好要一周年了,但跟大老板的那次汇报似乎就发生在昨天,因此特别记录下自己做数据治理这一年来的经历,希望对大家启示




    什么是数据治理?如何实施数据治理?

    企业数字化转型:信息化与数字化之争!

    数据治理组织:建起来不易,转起来太难?

    数据开放的本质到底是什么?

    主数据管理实施全流程保姆级教程

    数据资产目录建设之数据分类全解

    数据治理体系化思考与实践

    企业IT规划|数据治理该归哪个部门管?

    数据治理与数据中台架构(附PPT)

    查看全部文章



    点击“阅读原文”查看更多精彩文章,公众号推送规则变了,如果您想及时收到推送,麻烦右下角点个在看或者把本号置顶 

继续滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存