再谈:数据治理的长效运营机制!
共 4510字,需浏览 10分钟
·
2022-05-15 05:06
企业数据治理是一项连续性的工作,需要有长效运营的机制来支撑,不断巩固和加强数据治理效能,助力企业数字化业务的深入发展。建立企业数据治理长效运营机制的关键在于分工清晰,领导支持,标准明确,流程规范,奖罚分明,持续优化。
— 01 —
组织领导机制
建立符合企业业务目标和发展需要的数据治理组织机构,明确数据治理岗位职责,明确数据的归属权、使用权、管理权。建立良好的沟通渠道,将数据治理与企业战略绑定,发挥高层领导的牵头作用,打造“一把手工程”。组织领导机制包含4个关键要素。
明确每个数据域的所有权,数据所有者对该域的数据质量负责,而不是应用系统或数据库的管理员。
数据治理必须获得高层领导的支持和深度参与,没有高层领导的支持,切勿启动数据治理计划。
数据治理委员会形式上可以虚拟(由兼职人员组成虚拟团队),但效能上不能虚设。数据治理组织机构对企业整体数据治理目标负责。数据治理需要提升到战略层面,需要建立起有效的数据治理组织体系,协调和解决重大事项,协调资源和资金的支持。
— 02 —
标准规范机制
数据治理管理规范即管理制度,类似于企业管理的规章制度,它告诉人们关于数据管理能做什么、不能做什么以及怎样做。管理规范会阐明数据治理的主要目标、相关工作人员、职责、决策权利和度量标准。管理规范与管理流程相辅相成。一般会在每个管理流程中设置管控点,明确每个管控点的管控目标、管控要素、标准规范和操作规程。常见的数据治理规范有数据填报规范、数据清洗规范、数据采集规范、数据运维规范等。
— 03 —
培训教育机制
企业数据治理的标准、制度和流程不应只是保存在硬盘上的文档,而应成为企业文化的一部分。要通过建立多层次、多形式、全方位的数据治理宣传和培训体系,将企业数据文化内化于心,加强企业全员对数据治理的认识,强化他们的数据思维及数据质量和数据安全意识。
数据治理培训不限于形式,可以是集中化的“培训+考核”的正式培养模式,也可以是一场进行数据治理理念和思路碰撞的沙龙。通过数据治理培训,帮助企业人员建立数据驱动的思维模式,触及信息化建设中的深层问题,从根本上推动业务流程的衔接、业务规则与数据标准的统一,完善系统建设需求,指导系统集成与逻辑集中,促进数据驱动业务、数据驱动管理,提升数据价值。
— 04 —
人才培养机制
与数据应用、数据分析项目不同,数据治理是个“苦活累活”。业务术语表、数据模型、数据标准、数据治理的流程和策略都需要根据业务的变化而不断优化,数据本身也需要反复打磨(汇聚、清洗、处理、加工、分析、挖掘)才能产生高价值的信息和知识。这一切都需要具有工匠精神的数字化人才的智慧和付出。
数据工匠不一定来自IT部门,有很多是业务岗上具备以上特质的数字化人才,企业需要有一双发掘数据工匠的眼睛。
— 05 —
绩效考核机制
数据治理既要严抓过程,更要注重结果。为了提高数据治理执行效率,有必要建立数据治理绩效考评机制,检验数据治理各个环节的效果。绩效考评是数据治理制度有效推进和落实的根本,要建立相应的数据治理考核办法,并关联组织及个人绩效。
为提高企业的数据管理和应用能力,加强数据管理,明确数据管理和使用过程的职责和要求,需要制定企业的数据治理制度,阐明企业数据治理的目标,明确相关人员和组织的职责,确定决策权力和度量标准。数据治理制度包括数据标准管理、数据维护管理、数据质量管理、数据安全管理、数据传输、数据使用、数据管理考核等。
考核是保障制度落实的根本,要建立明确的考核制度。在实际操作中可根据企业的具体情况,建立数据治理评估指标体系,明确考核办法。要遵循客观公正、公开透明的原则,采用日常考核和定期考核相结合、系统自动考核和人工考核相结合的模式,明确考核奖惩措施,强化数据治理考核机制。
— 06 —
持续优化机制
企业业务会变化,如业务目标、策略、范围、规则、实现方式等的变化;组织结构会调整;管理者会有更高的要求,如提升效率、降低成本、提升质量等。数据治理涉及的数据标准、管理流程、管理制度以及使用的技术和工具需要紧跟企业业务的发展动态调整,持续优化。
任何一套方法论、一套健全的标准规范都需要有持续的驱动力,数据治理的实施应以企业的业务需求为驱动,以构建数字化企业为导向。数据治理治理的不是数据本身而是数据资产,这一过程以业务目标为导向,当业务方向发生变化时,数据治理也要跟着改变。
纵观数据治理成功的企业,无一不是以“小步快跑,循环迭代”的策略推进的,没有哪一家企业的数据治理能够一步到位。企业数据治理应遵循“急用先行,循序渐进”的原则,过程中不断改进和完善数据治理的标准规范体系,使其切实符合企业自身业务特点并且可落地、可执行。
业务流程标准化:标准化的业务流程是以流程(而非部门)为中心,强调企业战略和业务整体性,强调全过程管理和业务部门协同。标准化的业务流程能打破部门界限,实现跨部门协同,关注整体和全局,其输出的数据更加标准规范。 业务操作规范化:业务操作规范化是指业务操作基于一定的基准,例如:数据基准,如计量单位、术语、符号标志、信息分类、编码及专用基础标准;技术标准,如产品标准、原材料标准、工艺标准、设备标准等;标准规范化,如标准体系(ISO、GJB等)。业务操作规范化是数据质量提升的重要保证。
(欢迎大家加入数据工匠知识星球获取更多资讯。)
扫描二维码关注我们
我们的使命:发展数据治理行业、普及数据治理知识、改变企业数据管理现状、提高企业数据质量、推动企业走进大数据时代。
我们的愿景:打造数据治理专家、数据治理平台、数据治理生态圈。
我们的价值观:凝聚行业力量、打造数据治理全链条平台、改变数据治理生态圈。
了解更多精彩内容
长按,识别二维码,关注我们吧!
数据工匠俱乐部
微信号:zgsjgjjlb
专注数据治理,推动大数据发展。