作者：用友平臺與數據智能團隊 來(lái)源：大數據DT
知名咨詢(xún)公司Gartner的調研顯示，在實(shí)施數據治理的企業(yè)中，有34%的企業(yè)數據治理處于良性建設階段，有近50%的企業(yè)數據治理并未取得理想的效果，僅有16%的企業(yè)數據治理效果顯著(zhù)，處于行業(yè)領(lǐng)先水平。影響企業(yè)數據治理建設成效的因素很多，主要有9個(gè)要素，如圖3-2所示。▲圖3-2 企業(yè)數據治理的9個(gè)要素01 數據戰略
很多企業(yè)都說(shuō)自己重視數據，但是能規劃出明確的目標、范圍、實(shí)施路徑并具備可執行數據戰略的企業(yè)卻很少。企業(yè)的數據戰略應當與業(yè)務(wù)戰略保持一致，指明數據治理的方向。02 組織機制
傳統的企業(yè)管理思路是“火車(chē)跑得快，全靠車(chē)頭帶”，這是在工業(yè)時(shí)代最優(yōu)的管理信條。而在數字時(shí)代，我們需要的是“動(dòng)力分散在各節車(chē)廂的高鐵”，每節“車(chē)廂”都有驅動(dòng)力。企業(yè)需要進(jìn)行組織機制轉型，追求精簡(jiǎn)和靈活，明確各部門(mén)在企業(yè)數據治理中的角色、定位、職責和分工，以滿(mǎn)足數字時(shí)代企業(yè)數據治理組織建設的要求。03 數據文化
數據文化是企業(yè)所有人員對數據價(jià)值的一致認同，具體表現為：用數據說(shuō)話(huà)，用數據管理，用數據決策，用數據創(chuàng )新。04 管理流程
數據治理的目標是提升數據質(zhì)量，讓數據源于業(yè)務(wù)，回饋業(yè)務(wù)。與傳統的數據管理不同的是，數據治理作為一項驅動(dòng)企業(yè)創(chuàng )新的工作，應當與企業(yè)的業(yè)務(wù)流程進(jìn)行深度融合，通過(guò)優(yōu)化業(yè)務(wù)流程，實(shí)現業(yè)務(wù)效率提升，創(chuàng )造數據價(jià)值。應當將數據治理作為一項能為企業(yè)創(chuàng )造價(jià)值的重要業(yè)務(wù)，而不只是一項支撐性的工作。05 管理制度
很多數據治理不理想的企業(yè)有一個(gè)共同特點(diǎn)：要么沒(méi)有建立起數據治理相應的管理流程和制度，要么制度流于形式，沒(méi)有得到很好的貫徹執行。這些企業(yè)管理層面缺乏制度體系的建設，執行層面沒(méi)有標準可依，很容易出現違規情況。06 數據
數據是企業(yè)數字化轉型的基礎要素，但往往并不能在企業(yè)數字化轉型中發(fā)揮出應有的價(jià)值。許多企業(yè)擁有大量數據，但其中大部分數據缺乏統一的數據標準，信息孤島問(wèn)題嚴重，碎片化的數據在信息系統的數據庫中“沉睡”，為數據治理帶來(lái)困難。07 人才
人才是推進(jìn)企業(yè)數字化轉型的核心動(dòng)力，而當前市場(chǎng)上的高端數據治理人才非常匱乏，導致企業(yè)數據治理所需要的業(yè)務(wù)專(zhuān)家、技術(shù)專(zhuān)家長(cháng)期缺位，企業(yè)招不到合適的人才。此外，很多企業(yè)還有招聘框架和人才競爭機制限制，進(jìn)一步減少了其引入高端數據治理人才的機會(huì )。
08 技術(shù)
傳統數據治理更多是“頭痛醫頭，腳痛醫腳”的局部治理。數據治理只在某些項目或部門(mén)中進(jìn)行，缺乏對數據標準的整體規劃，不能全面展開(kāi)，無(wú)法為企業(yè)帶來(lái)更多的價(jià)值。
要讓數據治理發(fā)揮價(jià)值，必須戰略性地使用數據治理技術(shù)，將數據治理貫穿于數據的“采、存、管、用”整個(gè)生命周期中。涉及的數據治理技術(shù)主要包括數據建模、數據標準、數據質(zhì)量、數據安全、數據集成、數據處理、數據使用等。企業(yè)的數據治理應做好全面規劃，結合企業(yè)實(shí)際業(yè)務(wù)需求選擇合適的技術(shù)路線(xiàn)，有條不紊地推進(jìn)。數據治理包含元數據管理系統、數據標準化管理系統、數據清洗與加工工具、數據質(zhì)量管理系統、數據安全管理系統、數據集成與共享系統等。
“器以載道”，企業(yè)應根據自身業(yè)務(wù)需求，基于企業(yè)現狀和數據戰略目標選擇合適的數據治理工具，才能達到事半功倍的效果。
本站僅提供存儲服務(wù)，所有內容均由用戶(hù)發(fā)布，如發(fā)現有害或侵權內容，請
點(diǎn)擊舉報。
