做数据治理的关键步骤

[帝国文明]

在当下大数据时代，做好数据管理，无疑对企业数字化转型起到至关重要的作用。在数据智能运用的道路上，数据烟囱、信息孤岛遍布。由于顶层设计的缺失及历史原因，企业的各个业务系统、管理系统等的数据壁垒问题严重。 另外，由于所用技术不同、开发团队水平不一、开发平台和工具不统一、缺乏规范的数据管理标准，各个系统间的数据难以兼容及集成。数据无法共享，造成一定的数据存储成本及数据管理成本的浪费。 因此，对于数字化转型企业来说，追溯数据来源、统一数据定义、分类数据存储、消除无效数据，可以降低数据管理成本，规避数据应用的法律风险，降低产品维护及开发成本。 整理业务规则，统一数据定义：在企业数字化转型过程中，对数据的共同理解与解释至关重要。数据质量问题通常是指同一数据集被解释为不同事物，或者不同数据集被解释为相同事物。无论是业务还是技术元数据，根据业务属性明确数据定义对于提高数据质量相当重要。企业可令数据治理团队运用一定的数据管理应用程序完成业务规则的梳理和数据定义的统一。 跟踪外部数据来源；面对竞争激烈的市场环境，企业数据应用的方向不再局限于内部数据，更多着眼于第三方数据，这成为构成分析解决方案的要素之一。无论是合作伙伴数据、供应商数据还是互联网开放数据，都可以提升企业获取新业务价值的资源。 确认影响业务的关键数据指标：在商业场景中，业务需求、业务流程、业务绩效等是关键数据指标。为了衡量一款产品及服务是否能够满足市场需求，必须采用一定的企业绩效指标。不完整、不准确的数据可能导致客户投诉。因此，客户流失率、KPI等数据指标的梳理及确定至关重要。 分析关键业务的数据质量：在确定了企业内部影响业务的关键数据指标后，数据治理团队还需要了解企业内支持关键业务流程的系统及程序的数据质量。 听取、沟通业务需求，有针对性地治理数据：数据治理团队在对数据进行清洗治理时，首先不要妄图通过数据治理立即解决所有问题，而是应该认真听取业务部门对数据的需求。通过有效沟通，确定行动计划，探索数据内部潜在的问题，为分析决策提供支撑。