FROM

• 亿信华辰：睿治数据治理专题训练营
• https://bbs.esensoft.com/live-2-7.html

数据治理数字化转型的基础

数字化：

• 融合
• 重构

数据治理：

• 制定统一标准
• 挖掘数据价值
• 管控数据质量
• 提升信息服务水准
• 降低数据安全风险

数据治理要素：

• 组织：
  1. 数据治理委员会
  2. IT + 业务
• 流程
  • 流程管控
  • 数据质量状况分析和评估
• 制度
  • 制定数据治理管理办法
  • 建立数据治理企业规章制度
  • 绩效考核，奖惩措施
• 工具
  • 数据集成
  • 管理与服务

数据治理流程：

1. 调研数据问题
2. 问题整理归类、成熟度评估
3. 确定治理目标、获取高层支持
4. 制定实施路线图
5. 数据治理架构
6. 梳理业务系统，了解数据现状
7. 建立元数据
8. 数据质量
   8.1 数据质量提升模型（标准、模型、质量）
   8.2 主数据管理
   8.3 数据安全管理
   8.4 数据生命周期管理
9. 建立数据治理长效机制，治理成果展示、成效评估

数据治理成熟度评估：

模块：

• 元数据
• 数据标准
• 数据质量
• 主数据
• 数据集成
• 数据安全
• 数据生命周期
• 数据资产
  

元数据管理数据治理最基础的一环

同上

数据治理之数据质量管理

数据问题：

• 数据无法匹配
• 数据不可识别
• 数据不一致
• 数据重复冗余
• 时效性不强
• 精准度不够

目标：

• 可信
  • 实用性
  • 准确性
  • 及时性
  • 完整性
  • 有效性
• 可用
  • 规范性
  • 可读性

影响因素：

• 技术因素
• 业务因素
• 管理因素

建议：

• 建立统一的数据标准
• 提升操作人员数据应用水平
• 完善数据质量管理机制
• 提供数据质量管理工具

数据质量实施：

1. 原始数据库抽取
2. 建立主题表
3. 整理质检规则
4. 建立质检规则和质检方案
5. 出具原始数据库质量报告
6. 抽取质检结果表数据
7. 建立数据清洗任务
8. 治理库保存数据
9. 出具治理库质量报告
10. 数据应用

数据资产化全面化解析

数据、资产、无形资产：

1. 该资产是由企业过去的事项形成的
2. 由企业拥有或控制
3. 预期能为企业带来价值
4. 成本或价值可以可靠计量
5. 能够从企业中划分出来
6. 源自合同性权利或其他法定权利

数据资产化的重要性：

• 形成企业共通的数据语言
• 加速数据资产交易进程
• 形成企业的战略资产
• 促使数据资产产权问题明确

影响数据资产价值的因素：

• 质量维度：完整性、真实性、准确性、安全性、数据成本
• 风险维度：法律限制、道德约束
• 应用维度：稀缺性、时效性、多维性、场景经济性

实施路径：

• 数据采集
• 数据存储
• 数据治理
• 数据融合
• 数据资产编目
• 数据资产应用

数据治理管理

实施路径

C7 构建数据资产管理体系

C7.1 数据资产盘点

C7.2 数据资产评估

C7.3 数据资产应用管理

C8 资产管控成效持续评估机制

数据资产管理平台产品架构图