大数据应用视角下的数据治理问题分析和更新

来源:用户上传      作者:

　　摘要：在信息技术不断发展的当下，大数据的应用已成为时代潮流。数据治理是很多企业做出正确的决策提供了有效的参考。然而，其发展也存在着很多弊病，严重阻碍的正确决策。为此，本文就当前企业在数据治理的过程中存在的问题进行了分析，并提出了改革方案，希望可以为企业提供一定的参考。
　　关键词：大数据;数据治理;数据质量
　　中图分类号：TP311 文献标识码：A 文章编号：1007-9416（2019）06-0063-02
　　1 概念
　　1.1 什么是大数据
　　所谓“大数据”是指以多种形式，从多种途径和渠道搜集而来的庞大数据组，此数据组会将规范和完善不规范不完善的数据，把重复的数据删除，从而保证一物一码，实时性是其主要特征。大数据的数据库里的信息可能是来自社交网络或者电子商务网站也可能是顾客的来访纪录等。这些收集来的数据，共同为企业的战略决策提供强大的数据支撑，大大提高了企业决策的科学性。
　　1.2 什么是数据治理
　　数据治理是一种数据管理的概念，它涵盖了能够让组织确保在获取对组织有用的信息的过程中始终保持着高数据质量的能力。它是一个使用统一主数据代替之前的零散数据、综合数据治理代替之前的具有很少或没有组织和流程治理以及把主数据治理的井井有条代替主数据处于长期混乱的过程。
　　2 数据治理的内容
　　从数据治理的范围上来讲，它涵盖了从数据的前端事务处理系统、后端业务数据库再到终端的数据分析的整个过程，该过程的完成会形成一个闭环状的负反馈系统。从目的上看，所谓“数据治理”就是对数据的获取、处理和使用的整个过程进行监管。
　　数据治理的领域可以是多方面的，数据治理的每一个领域都需要单独研究，目前学术界总结的数据治理领域有：数据分布、数据存储、数据生命周期管理、数据质量、元数据、数据模型、数据标准、数据交换、数据安全以及数据共享服务。当然随着时代的发展，数据治理的领域也在不断向其他方向延伸。
　　3 数据治理的程序
　　由于数据治理的应用主体企业的占比较大，因此，我们就以企业对数据治理的应用为例对数据治理的程序进行研究。
　　3.1 要对业务问题做恰当的定义
　　首先，企业要针对特定的业务问题，定义数据治理计划的初始范围。
　　3.2 要获得企业领导的支持
　　数据的治理要得到关键领导的支持。可以以业务案例和“快捷区域”的形式建立价值从而得到领导的支持。此外企业也要任命数据治理的具体负责人，让他来负责数据治理的整个过程。
　　3.3 要适时对数据治理的成熟度进行评估
　　要想做好数据处理，对其数据治理成熟度进行必要的评估很有必要，评估的频率可以为一年一次。当然这个时间间隔的确定最好长到结果可以生成，短到可以确保与该过程有关系的人员的支持。
　　3.4 开发路线图
　　数据治理的有效进行需要企业开发路线图，使相关人员做到心里有数。
　　3.5 制定企业的发展蓝图
　　数据治理组织的顺利进行需要建立一定的章程来确保其可以在关键时刻可以担当决胜者。具体制定主体为：顶层是数据治理委员会，它由企业的領导班子构成;中间层为数据治理工作组，由中层领导构成;最后一层由负责数据质量的数据照管社区构成。
　　3.6 创建科学的数据字典
　　在企业中，业务词汇的有效管理对于提高工作效率意义重大。因此，企业需要根据自身的特征建立科学的数据字典，保证企业的技术和业务端的一致性。
　　3.7 对数据进行准确的理解
　　在当今社会，应用程序之前大多是有关联的，各应用程序散落在企业的各个角落，共同组成了企业的数据库。然而，散落在企业各个角落的数据之间的可能很简单的关系也难以被发现，因此就需要更加科学的数据治理系统对数据进行准确的理解。
　　3.8 元数据存储库
　　元数据的功能是对数据的描述，它可以对数据属性的信息进行显示，企业在数据治理中要将元数据存储在一个存储库中，保证数据可以在企业范围内实现共享。
　　4 当前数据治理过程中存在的问题
　　4.1 数据治理没有做到全员参与，管理大而全
　　当前企业的数据治理仅仅是依靠信息技术部门，其他部门都觉得数据治理跟自己没有什么关系。然而，作为数据治理的主力部门，技术部门却往往受组织范围的限制，而技术部门却不希望扩大到其他的业务系统，而只想把自己的事情干好。
　　在这样的情况下，一旦有客户得到的数据有质量问题，也可以意识到要通过数据治理来解决，只是不知道数据治理涵盖的范围很大，不仅仅是可以在一个项目里就可以做完的，所以，很容易导致客户的问题没有得到有效的解决，满意度大大降低。
　　4.2 仅仅由业务部门牵头，专做流程
　　以往的数据治理是由信息技术部牵头的，但效果却很不好。业务部门把所有的环节都用流程管理。结果使整个流程变得复杂，大大增加了开发人员的工作量，如果需求比较紧急，来不及做流程，领导一声命令，把流程跳过直接上线。结果不仅使得操作人员的工作量大大增加，而且领导也见不到实效，于是慢慢将其遗弃。
　　4.3 过度依靠工具，忽视组织人员
　　很多企业都认为，数据治理主要靠工具，工具做好了，数据治理也就解决了。然而，事实上是数据治理需要很多因素的同步配合。因为数据治理包含的内容太多，流程、组织、制度的规范和工具都是其构成要素，重工具、轻人员是所有企业的通病。活动流程和制度规范缺少人员的执行、落实和推动，工作很难得到保障。
　　4.4 不知道如何做数据标准
　　很多公司很想做数据标准，却不知道从何下手，因为数据标准涵盖的范围太大，花很多时间与精力整理都不能在短时间内看到效果，数据标准落地困难，企业数据标准没有细化到数据标准项，再分析其他方面，最终使客户失望而归，这是业界很普遍的问题。 　　5 改善数据治理的措施
　　5.1 企业做数据治理，要避免大而全，要做到小而精
　　数据治理要从小处着手，不要贪大求全，而小而精。企业在数据管理的过程中，不能仅仅依靠信息技术部门，而要做到全员参与。当然，在数据处理的具体落实中，要从小处着手，要从数据处理的各个环节整理数据，做到任务的精准分配，绝对细化。
　　5.2 要促进业务部门和技术部门的合作，共同推进数据治理工作的开展
　　作为数据治理的主力，业务部门和技术部门要联合起来，共同促进数据治理的开展。当然，数据具有流动性，它涉及的部门比较多，单靠一个部门的力量是不够的，只有将技术和业务部门都规划进来，用技术配合业务，结果才会更好。
　　5.3 重视人员的参与，避免唯工具论
　　工具在数据治理中的作用我们不可否认，但人员的重要性我们更不能忽视。在整个数据治理的工作过程中要做到以人为中心，只有这样数据治理才更容易推广落地。
　　5.4 细化数据标准
　　企业在数据治理的过程中，要把具体的数据标准的前前后后都理清楚，把标准项涉及的问题都理清楚，数据标准问题才可以被真正解決。
　　6 结语
　　总之，数据治理是一个技术含量很高，同时也需要大量人工参与的工作，要想做好其工作，需要多方共同努力。我们相信通过多方的不断改进，数据治理一定会做的更好的。
　　参考文献
　　[1] 陈之常.应用大数据推进政府治理能力现代化以北京市东城区为例[J].中国行政管理，2015，2（2）：38-42.
　　[2] 梁芷铭.大数据治理：国家治理能力现代化的应有之义[J].吉首大学学报（社会科学版），2015，2（2）：34-41.
　　[3] 牛正光，奉公.应用大数据推动政府治理现代化的SWOT分析[J].电子政务，2016，1（1）：96-102.
　　Analysis and Update of Data Governance from the Perspective of Big Data Application
　　ZHAO Jun-ming
　　（Guangxi Wuzhou Zhongheng Group Co.， Ltd.，Wuzhou Guangxi  543000）
　　Abstract：Data governance is an effective reference for many enterprises to make correct decisions. However， its development also has many disadvantages， which seriously hinder the correct decision-making. For this reason， this paper analyses the problems existing in the process of data governance， and puts forward the reform plan， hoping to provide some reference for enterprises.
　　Key words：Big data; Data governance; Data quality
转载注明来源:https://www.xzbu.com/8/view-15008238.htm