随着企业业务的不断发展和信息化的不断深入,需要建设的业务系统越来越多,业务系统的数据种类不断丰富完善,数据量的不断增大,如果不采取有效手段解决问题,随着信息化建设的深入,就会出现下列问题:

  • 数据架构:数据分散,难以管理;没有一个稳定的,抗源变化的数据层
  • 数据质量:部分关键业务数据缺失;源系统校验关系缺失及业务人员随意操作
  • 数据应用:缺少统一的应用标准;缺少统一的基础数据标准
根据DAMA数据管理知识体系,数据管理范围包含数据治理、元数据、主数据、数据质量、数据安全、数据架构等,其中数据治理是数据管理的核心所在。
基于上述理论支撑,提出了企业级数据治理总体解决方案:

  • 盘点数据资产,让数据成为资产,了解企业有哪些数据,在哪里,有多少量级
  • 让数据资产变得干净,少岐义,通过数据ETL,建立数据标准化
  • 重新组织数据,让数据变得更好用
  • 数据治理持久化,一次治理,永久治理
  • 数据治理的延伸是数据管理,数据治理的结束是数据管理的开始

通过上述数据治理路径,构建数据治理体系架构,由下至上分别为:

  • 数据源:包括企业的结构化数据(如ERP系统数据)和非结构化数据(如设备运行日志和监控视频信息)
  • 数据发现与分类:源数据识别、数据之间的关系、数据业务模型、敏感数据发现、数据分级分类等
  • 数据采集与清洗:数据抽取、数据采集转化、数据清洗等(ETL)
  • 数据管理:主数据、元数据、数据质量管理等
  • 数据中心:业务流程建模、统计分析建模、档案类主题建模、绩效考核建模等
  • 数据安全:数据脱敏、数据仿真、安全传输、审批流程等
  • 数据服务:数据发布、数据分享、数据交换
  • 数据应用:决策支持、数据大屏、智能数据应用等
港口行业数据治理案例分享:
医疗行业数据治理案例分享:
政务行业数据治理案例分享:
关注本公众号(数据学堂,ID:data_school),后台回复“数据治理解决方案”,即可下载54页PPT全文。

(文中图片和附件PPT来源于互联网文库,版权归原作者所有)
<END>
大家都在看:
1、什么是数据治理?北大教授告诉你答案
2、解读《大数据白皮书(2020年)》中的数据治理
3、解读《2018工业企业数据资产管理现状调查报告》
4、金融行业数据治理怎么干?解读《银行业金融机构数据治理指引》
5、解读《工业互联网数据安全白皮书(2020)》6、大数据、区块链、智能制造工程技术人员国家职业技术技能标准发布
数据学堂
识数据、存数据、管数据、治数据、用数据,就在数据学堂!扫码添加歪老师私人微信(data-school),带你在数据的海洋自由徜徉!
继续阅读
阅读原文