拥抱数据治理 发挥数据要素价值

本文涉及的产品
数据管理 DMS,安全协同 3个实例 3个月
推荐场景:
学生管理系统数据库
简介: 创新已经彻底改变了50年构建的商业模式,也改变了现在的商业模式。这种我们称之为颠覆的创新正在把有百年历史的蓝筹公司赶出市场。

创新已经彻底改变了50年构建的商业模式,也改变了现在的商业模式。这种我们称之为颠覆的创新正在把有百年历史的蓝筹公司赶出市场。重新考虑基础服务的初创企业正在颠覆整个行业。在这个时代,“不创新,就会死亡”是当今的商业口号。但这种创新必须具有战略意义并针对业务职能,业务职能可以是财务、IT、人力资源或企业运营。

我经常接触运营部门的工作,所以我的文章与此相关。与财务、销售和人力资源紧密合作的运营人员,通过实现高客户满意度、快速高效的交付,以及高成本效益,让客户感受到他们的存在运营管理可以表述为使组织通过有效获取和利用资源来实现其目标的功能。有效的运营管理总是从数十亿美元的损失中拯救各种公司。如果你不相信,打开你的浏览器,看看六西格玛是如何帮助摩托罗拉的发明者实现节约数百万美元的目标,以及这一成功是如何激励通用电气接受的。但这是怎么发生的,什么时候发生的?你一定很想知道! !

111db6d76f6a153ed28de57de63e81d9.png

一 在运营过程中,当认识到数据的重要性时,就开始了测量

这一切都始于工业革命时期,当时亚当•斯密(Adam Smith)认识到了劳动专业化的经济效益。紧随其后的是工程师的研究工作,如Frederick W. Taylor, Frank & Lillian gilbreth, Henry L Grant在运营管理中引入了“科学管理”的概念。所有这些事件都只是一个开始,它们为进一步的研究铺平了道路,并启发了像H.F. Dodge和H.G. Romig这样的统计学家提出了统计质量控制。

在1970年,人们意识到质量应该进一步提高,这导致了JIT和TQM等技术的发明。所有这些事件都有一些相似之处,它们的创新在于如何有效地利用信息,这些信息是从处理数据中得到的。重要的是改变,不再是“谁做了这些决定,在做这些决定时考虑哪些数据变得同样重要。”而数字时代数据驱动赋予了计算机驱动的发明,如MRP,然后是ERP,它通过加强数据管理来实现期望的结果,将数据的利用提高到一个新的水平。

扩展的MRP就变成了“企业资源计划”,这意味着你需要什么和多少材料,专门用来帮助管理生产过程和他们的生产计划。ERP(企业资源计划)不仅是MRP所能做的,而且还增强了从HCM、CRM、SCM和EPM等不同模块管理和集成数据的功能。

20世纪末是工业时代向数字时代的过渡时期,引发了制造业向以创造力和知识为轮子的服务业的转变。没有信息你就不可能有创造力,知识和信息都是数据的最终产物。但我想指出的是,我们的数字时代只是信息时代的开端,信息时代将由数据推动,只有那些知道如何使用数据的人才能在这个时代生存和繁荣。

11b62f4b6da4656c0b87d3abd85d22c6.png

数据不是在工业时代被发现的,从一开始就在那里,但只有在工业时代才意识到它可以被利用,而不仅仅是记录保存。在工业时代,当数据是综合统计,管理顾问能够提出一个预测模型。而在数字时代,数据帮助管理者了解他们的公司产品,并决定还需要做什么。在信息时代,数据的价值将达到顶峰。但像这样的资产也需要维护和保护。这种需求导致了数据治理的诞生。治理,这意味着作为政策和机制建立,并持续监控,以实现组织的繁荣和生存能力。当应用于数据时,同样的定义定义了数据治理。

“数据治理是一个关于信息相关过程的决策权和责任的体系,根据一致同意的模型执行,这些模型描述了谁可以使用什么信息采取什么行动,以及在什么情况下,在什么时候使用什么方法。”

不应该将数据治理与信息治理混淆,因为前者是通过实现将信息视为有价值的业务资产的流程、角色、控制和指标来管理公司信息的整体方法

二 数据治理的场景化内容

•谁将成为制定政策和标准的管治委员会的成员?

•这些政策、标准和指导方针是什么?

•建立一个计划和责任,关于如何和谁将执行这些政策、标准和指导方针。

•决定谁将成为企业中数据资产的所有者或保管人,谁将被称为数据管理员。

如果你反复灌输....,它会带来很多好处:

•降低风险,提高可靠性、责任性和可信度。

•符合组织要求的数据。

•帮助理解数据,以及自动化可以在哪些方面取代手工工作,并最终降低成本。

•更好地理解端到端数据沿袭,以便更好地跟踪数据源。

•通用的数据治理平台,以数据为基础的交流将大大改善。

2006年12月,在美国佛罗里达州奥兰多举行的一次数据治理会议上,一群成功的数据治理项目经理达成了惊人的共识:他们一致认为,数据治理实际上是在80%到95%之间的通信!与相关者和管理人员进行有效的沟通,从而使数据治理项目成功。

最近的法规遵从行为,如GDPR, BCBS 239, CCAR, Dodd-Frank和MiFID,将责任置于适当的数据管理实践中。适当的数据治理可以减轻风险评估负担。它还将有助于确定:

••哪些数据需要隔离(保持隔离),以及哪些数据可以由团队外部的团队访问。

•哪些数据元素是关键的,不符合自动化流程的要求,但必须采用手动路径。

•实现组织内的风险持续优化的框架。

三 管理数据的策略

战略可以解释为管理者为达到组织的一个或多个目标而采取的行动,该目标必须与业务目标一致。应用于管理数据的相同概念变成了数据策略。

数据策略是一套政策和行动方针,将被采取来管理你的数据,与你的公司的目标一致。缺少它将导致错过可识别的业务目标。数据策略分为防御和进攻两种

•防御策略的重点是控制和标准化,以规范和遵从性为中心,通过放置检查来阻止任何数据泄露。从法律、财务、遵从性和IT方面产生的数据管理必须遵循此策略。

•进攻性战略注重灵活性和以客户为中心,其重点是增加收入、盈利能力和客户满意度。当你专注于销售和市场时,你可以转向进攻策略。

这两种策略都必须适用,而且必须有平衡的行动。它的首席数据官的责任是决定在哪里进行。

1c6503c18daab0dff158ed7572393265.png

四 融合四个领域,实现数据治理

数据管理:由数据管理员组成的委员会,他们是客户数据的保管人,通过数据沿袭(数据生命周期)获得管理的所有权。这个数据管理员组织是多种多样的,因为它由来自所有业务领域的管理员组成,他们具有这些领域的专门知识。正是他们跟踪了它的数据移动和变化。这是一个为实现目标而工作的战术角色。

数据质量:在数据清理和数据分析完成后,它是衡量数据完整性和可信度的KPI。数据输入的数据完整性必须高,否则系统输出将是不正确的。如果它是一个度量,那就有一个检查列表,其中包括。

•完整性:是否缺少任何值?

•有效性:测量它声称要测量的东西

•唯一性:消除冗余

•准确性:与实际数字的接近程度

•及时性:预测数据是否与实际数据在特定时间点相符?

主数据管理:关于数据的元数据存储库。记录数据所在的位置,识别、定义和分类主题领域中的数据。有两种文档,一种供内部用户使用,另一种供外部用户使用,这取决于哪些文档应该被隔离,哪些应该向世界开放。

商业智能:BI工具,将原始数据转换为有意义和可操作的信息,以改善您的业务。它们不仅仅是为了传递洞察力,而且也要保持监督和可见性。这两者都是数据治理所必须的。

五 小结

你如何说服管理层,让他们加入你的团队,当然你手里拿着数字。我已经向你解释了数据治理的意思和它的作用。度量标准是证明任何业务单元存在的必要条件。如果你要衡量数据治理的有效性,那就应该衡量。

•与数据相关的更新通信发生得多么迅速。

•数据治理作为防范风险评估和审计的第一道防线的有效性如何?

•在应用数据治理后,销售和市场团队在多大程度上更清楚地了解客户的情况。

最后,我们强调只有业务和运营充分拥抱数据治理,才能真正发挥数据要素价值,有效支持企业数字化转型的实现。

相关实践学习
MySQL基础-学生管理系统数据库设计
本场景介绍如何使用DMS工具连接RDS,并使用DMS图形化工具创建数据库表。
目录
打赏
0
0
0
0
57
分享
相关文章
证券行业数据治理:构建安全、高效的金融体系
证券行业数据治理是构建安全、高效的金融体系的关键环节。面对日益复杂的数据环境和业务需求,我们需要加强数据安全保护、提高数据质量、推进数据整合、强化法规遵从、适应技术更新并培养组织文化,以推动证券行业的健康发展。
数据治理:数据孤岛是企业信息化发展中难以避免的阶段
数据孤岛是企业信息化发展中难以避免的阶段。企业需要正视这一现象,通过完善数据治理体系、加强部门协作、采用先进技术手段等措施,逐步消除数据孤岛,实现数据的有效整合和利用。只有这样,企业才能在激烈的市场竞争中立于不败之地。
数据治理创新路:建设数据集市,强化数据报送一致性新实践
企业可以通过组织培训课程、提供操作手册等方式,提高数据报送人员的业务水平和数据意识,减少人为因素导致的数据不一致问题。
云上大数据分析平台:赋能企业决策,挖掘数据金矿
5.3 场景化 针对不同行业和领域的需求特点,云上大数据分析平台将推出更多场景化的解决方案。这些解决方案将结合行业特点和业务场景进行
339 7
谈谈从DAMA、DCMM和DGI三大数据治理框架详细了解数据战略规划的关键要素
当前,数据作为新的生产要素提到了关键位置,众多组织认为数据是重要的战略资产。
谈谈从DAMA、DCMM和DGI三大数据治理框架详细了解数据战略规划的关键要素
谈谈企业数字化转型、数字化能力与数据治理的关系
全球正在由工业经济向数字经济转型过渡,制造业正在并将长期处于数字化转型发展的历史阶段,沿着数字化、网络化、智能化阶段不断跃升。
谈谈企业数字化转型、数字化能力与数据治理的关系
谈谈医疗行业数据治理的四个关键阶段【后附医院数据治理案例】
数据是推动医疗行业的改进,驾驭不断变化的医疗行业环境的必要资源。它使医疗行业组织能够评估医疗的提供和支持方式、患者参与和教育的方式,以及支付者和提供者如何共同努力提高价值。
谈谈医疗行业数据治理的四个关键阶段【后附医院数据治理案例】
构建企业数据银行 发挥数据核心价值
数字经济时代的特征就是数据的爆炸式增长。这些信息为企业的经营和管理带来了便利,但如何更好、更合理地管理和使用这些数据发挥更重要的作用,产生更多的智慧是企业重点关注的问题。
构建企业数据银行 发挥数据核心价值
谈谈工业企业基于数据质量驱动的数据治理体系建设
数据是企业至关重要的资产,数据构成了信息系统运行的细胞,数据质量决定了系统应用的质量,并关系到系统应用价值的体现。
谈谈工业企业基于数据质量驱动的数据治理体系建设