【数据治理】引导您制定有效数据治理计划的 7 个步骤

简介: 【数据治理】引导您制定有效数据治理计划的 7 个步骤

内部数据治理:第 3 部分 |数据治理的 7 个步骤

在本系列的第一部分中,我们定义了数据治理并研究了导致大规模清理项目的失误。在第二部分中,我们检查了常见的数据治理模型,并回顾了哪些模型最适合不同类型的组织。在这篇文章中,我们将介绍数据治理的七个关键步骤。


架构师的宝库,每天一篇,开拓你的视野和深度。分享企业架构,业务架构,应用架构,数据架构,技术架构,安全架构等。讨论架构框架,规划,治理,标准,落地。交流新兴的架构风格和模型。如微服务,事件驱动,微前端,大数据,数仓,物联网,人工智能架构。

即使您了解数据治理的主题,知道从哪里开始仍然是一个挑战。这些步骤将帮助您走上通往有效数据治理框架的正确道路:

1. 建立数据治理组织

第一步是评估各种数据治理模型并选择最适合您组织的模型。数据治理组织的角色因一种模式而异。然而,建立所有权、建立流程和程序对于所有模型都是通用的。以下是数据治理组织的一些共同职责:

  • 制定主数据维护程序
  • 明确销售、采购、财务等业务职能的规则、问题等
  • 指定和开发支持主数据维护的工具
  • 支持管理主数据对象的日常业务流程执行
  • 主数据治理组织的任务可以是完全可操作的,也可以是具有明确目标的操作和基于项目的任务的混合

2. 识别战略主数据对象

数据治理无疑有助于提高数据的一致性,并使其与系统设计保持同步。但是,管理所维护的每条数据并不是一个好主意。必须识别需要治理的数据对象。为治理选择数据对象的一些关键考虑因素包括:

  • 对公司的战略重要性
  • 主数据对象在整个组织中全局使用
  • 如果数据对象没有正确维护,对业务的影响很大
  • 数据复杂度
  • 主数据对象的维护不是主数据对象的任何用户的核心活动

3.分配所有权

在一段时间内导致不良数据的主要原因之一是没有定义特定数据元素的所有权。在数据治理中,主要目标之一是通过定义治理各个方面的所有权来消除这种混淆。

第一步是在全球或本地级别识别各种数据元素的所有权。战略数据对象和字段需要由一个全球团队拥有,其余的可以在本地级别处理。

下一步是确定以下内容的所有权:

  • 数据字段 - 字段级别数据条目的所有权
  • 用户指南 - 记录各个字段值的目的和含义以避免误解
  • 治理——定义和修改当前字段值的所有权
  • 技术 - 添加/删除和更新字段值的所有权

4. 确定主数据维护规则

这是必不可少的步骤,可能需要最长的时间。如果在实施过程中记录的数据迁移映射规则可能是一个很好的起点。通常,您需要记录以下内容:

  • 字段值 - 跨越各种业务场景和业务单位的字段值数据维护规则
  • 组织依赖性——当涉及多个业务单位或组织单位时,需要记录哪些字段值适用于哪些业务单位,哪些不适用
  • 数据依赖——数据字段的交叉依赖
  • 配置文件的使用(如果利用自动化工具)——当自动化工具发挥作用时,将多个规则分组并制作配置文件可以简化数据维护并提高一致性

5. 建立主数据维护程序

一旦规则被记录下来,下一步就是建立程序,作为实际维护数据的人的指南。建立程序并根据当前情况对其进行更新非常重要。数据治理团队应该拥有这些程序,并根据业务的输入对其进行更新。通常,程序会记录以下内容:

  • 谁维护数据?
  • 何时/多久?
  • 基于什么?
  • 如何?
  • 特殊要求?
  • 组织差异?
  • 功能差异?
  • 场地选择?
  • 字段值?

6.建立主数据维护工具

构建用于维护和审计数据的工具在确保遵循流程和程序方面大有帮助。维护过程越困难,不遵循的机会就越大。利用各种工具很有意义,它们可以帮助:

  • 数据维护
  • 维护工作流程以进行批准和从一个到另一个移交
  • 批量更改和批量上传
  • 健康检查的定期审核

市场上有各种工具可以执行所有这些功能。SAP MDG、Itelligence it.mds 和 SAP Information Steward,所有这些都内置了自动化各种治理流程和确保合规性的功能。

7. 建立主数据归档的规则和作业

虽然正确维护数据和快速捕获错误很重要,但如果不定义归档策略,治理策略是不完整的。这完成了信息生命周期,并就某些数据元素何时需要退休提供了指导。归档的各种好处包括:

  • 这有助于将系统性能保持在最佳水平
  • 在托管和使用内存数据库设备时减少数据库大小并降低维护成本
  • 简化搜索和查找

需要为数据归档定义的一些关键方面是:

  • 要归档哪些记录?
  • 记录,标记为删除
  • 记录,xx 个月未使用
  • 归档的时间和频率是多少?
  • 在哪里保存存档文件?
  • 多长时间?


相关文章
|
2月前
|
存储 数据采集 安全
CDAM数据资产管理的策略制定与落地
在数字化时代,数据成为企业的核心资产,直接影响决策效率与市场竞争力。本文探讨数据资产管理策略的制定与实施,涵盖目标设定、组织架构搭建、政策流程制定、工具技术应用、数据战略规划、人才培养、风险管理及持续优化等方面,旨在为企业提供全方位的实践指导。
|
4月前
|
数据采集 存储 安全
数据治理的重要性与实施策略
【8月更文挑战第23天】数据治理是企业在数字化时代面临的重要挑战和机遇。通过加强数据治理工作,企业可以提升数据质量、保障数据安全、促进数据共享与流通以及符合法规要求。为了实施有效的数据治理工作,企业需要制定明确的数据治理战略、建立完整的数据治理框架、引入先进的技术工具、加强员工培训和意识提升以及建立监督和评估机制。只有这样,企业才能充分发挥数据的价值,为企业的决策和业务创新提供有力支持。
|
6月前
|
存储 监控 安全
数据治理:在保护与利用数据资产间寻求平衡
【6月更文挑战第23天】数据治理在平衡数据资产保护与利用中发挥关键作用。它确保合规性、控制风险、支持决策并创造价值。核心在于保护数据安全与有效利用。企业需建立数据管理制度,明确所有权,加强安全措施,同时推动数据创新。通过设定目标、完善制度、安全管理和共享,以及持续优化,企业在保护与利用间找到最佳实践。
110 16
|
6月前
|
数据采集 人工智能 供应链
想要解决数据治理的难题吗?首先,摒弃无稽之谈
想要解决数据治理的难题吗?首先,摒弃无稽之谈
|
7月前
|
数据采集 存储 监控
《数据资产管理实践》方法论梳理
《数据资产管理实践》方法论梳理
415 58
|
7月前
DataphinV3.14全新升级:数据研发突破全域覆盖,资产治理更加灵活可控
DataphinV3.14全新升级:数据研发突破全域覆盖,资产治理更加灵活可控
248 0
|
7月前
|
数据采集 监控 前端开发
数据治理必读系列(二)丨3步提升企业数据标准化程度
数据治理必读系列(二)丨3步提升企业数据标准化程度
234 0
|
数据采集 机器学习/深度学习 算法
数据治理之参考数据与主数据管理
最近凑巧参与了一次某行业的业务共创会议,期间讨论到了主数据系统,还有我们该如何参与主数据系统建设的话题。说实话,我一直以为我不会有机会参与到主数据与参考数据系统的话题中去,所以,又去把DAMA的书籍翻了翻。顺便也重新思考了一下主数据与参考数据这个数据治理的课题。
2781 1
数据治理之参考数据与主数据管理
|
数据采集 人工智能 数据管理
数据资产化的前提-浅谈数据治理体系的建设
数据资产化的前提-浅谈数据治理体系的建设
|
数据采集 存储 运维
如何成功实施一个数据治理项目?实施步骤有哪些?
企业数字化转型以数据为中心,通过数据驱动业务发展、管理协同和运营。因此,数字化转型关键在于数据,数据治理则需先行。从而更好激发数据生产要素潜能,实现业务数据化、数据价值化,助力企业数字化转型。
988 0