企业数据治理及其实践研究
来源:用户上传
作者:
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框架等。（2）数据治理成熟度模型研究，其共同点都是有序等级演绎过程，即从混乱到规范再到优化。（3）数据治理应用实践层面的研究主要基于行业特性及存在的实际问题展开。
关键词：企业数据;数据治理;数据管理
0 引言
当今信息技术的飞速发展导致数据的规模呈爆炸式增长。目前，数据的作用已渗透到各行各业，为企业科学决策、提升竞争力、智能创造等方面提供了充分的科学依据。“数据资产”正成为企业不可或缺的战略资源。然而，企业数据中往往存在大量的劣质数据，据国外权威机构统计，美国企业信息系统中数据的“劣质率”可达30%，而在全球财富1000强企业中，存在劣质数据的企业占比仍高达25%。企业数据中的劣质数据如不加以治理，不仅会严重的影响数据挖掘的质量，也会影响数据共享平台的建设及数据分析的准确率。而这些影响足以导致项目失败、决策失误等结果，因此数据治理的重要性日益凸显，在现代企业管理中不可或缺的地位亦逐步成为社会各界的共识。
1 数据治理的内涵
1.1 数据治理的概念
到目前为止，不同组织或机构基于不同的研究视角和侧重点对数据治理概念的阐述多种多样，尚未形成统一的一个标准定义，但其本质上都是对企业数据管理的整个过程开展监督及指导，目标均为企业创造更大的利益。总体来看，数据治理的侧重点主要体现在数据治理的范围、治理主体的职责、数据治的理目标、数据治理的过程及其规范。在当前已有的定义中，以DAMA（国际数据管理协会）、DGI（国际数据治理研究所）、IBM数据治理委员会三家机构提出的最具权威性，因而被广泛应用。
DAMA认为数据治理是对数据资产管理行使权力和控制的活动集合。DGI认为数据治理是包含信息相关过程的决策权及责任制的体系，即在企业数据管理中分配决策权和相关职责。IBM数据治理委员会认为数据治理是一种质量控制规程，并且对数据管理的整个过程开展监督及指导工作。
1.2 数据治理、数据管理辨析
数据治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
2.1 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。
2.2 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框架等。（2）数据治理成熟度模型研究，其共同点都是有序等级演绎过程，即从混乱到规范再到优化。（3）数据治理应用实践层面的研究主要基于行业特性及存在的实际问题展开。
参考文献
[1]李红卫，杨莹.探索以数据治理为驱动的企业数据集成管理方法[J].海峡科技与产业，2019，（5）：81-82.
[2]孙嘉睿.国内数据治理研究进展： 体系、保障与实践[J].图书馆学研究，2018，（16）：2-8.
[3]张宁，袁勤俭.数据治理研究评述[J].情报杂志，2017，36（5）：129-134.
[4]刘顺春.“共享中国石油”中的数据治理体系研究[J].北京石油管理干部学院学报，2019，（6）：21-29.
[5]巨克真，魏珍珍.电力企业级数据治理体系的研究[J].电力信息与通信技术，2014，12（1）：7-11.
[6]陈芳.企业实施数据治理的核心内容及条件保障[J].信息资源管理学报，2018，（4）：35-40.
[7]王平.X公司产品数据治理体系的构建与应用研究[D].大连：大连海事大学，2019.
[8]汪杨，赵梦翔，王刚.基于方法集的企业数据治理综合评价[J].郑州航空工业管理学院学报，2015，33（5）：93-101.
[9]包冬梅，范颖捷，李鸣.高校图书馆数据治理及其框架[J].图书情报工作，2015，（18）：134-141.
[10]雷斌，陆保国.面向大数据的治理框架研究[J].电子质量，2018，（6）：1-3.
[11]高亮.数据治理：让数据质量更好[J].中国教育网络，2014，（12）：64-66.
[12]张相文，于海波，关梓骜.基于IT规划的数据资产管理模式研究[J].软件，2016，（9）：126-129.
[13]孙广芝，朱会彦，张立芬.数据标准在税务数据治理中的应用初探[J].中国标准化，2015，（9）：73-76.
转载注明来源:https://www.xzbu.com/2/view-15229707.htm
