数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
1） 面向管理者视图的数据治理“五域模型”
数据治理的管理者视图可以概括为“五域模型”，分为“管控域”、“过程域”、“职能域”、“技术域”、“价值域”。
图6 数据治理“五域模型”
从管理者的视角管控域：在数据治理战略指导下制订企业数据治理组织，明确组织的责、权、利，岗位编制及技能要求。一般在中大型企业会设立由高层领导及相关专家组成的数据治理委员会，审批数据治理相关的重大决策，并制定数据治理的相关制度、流程，建立数据认责及绩效考核机制，以支撑数据治理的活动。
职能域：是数据治理的主体，明确数据治理的对象和目标。根据数据资产的构成，又分为主数据治理、交易数据治理和指标数据治理，包含数据标准体系、数据模型管理、数据质量管理、数据安全管理和数据治理组件。
技术域：是数据治理的支撑手段。数据治理的支撑手段，提供数据治理所需的数据架构、数据治理平台，包括元数据管理、主数据管理、数据指标管理、时序数据管理、数据质量管理、数据安全管理等功能模块。
过程域：是数据治理的方法论。数据治理过程包括评估与分析、规划与设计、实施的PDCA循环。在评估与分析阶段，要评价现有数据治理的成熟度、风险及合规性，业务对数据治理的需求。在规划和设计阶段，要明确数据治理的目标和任务，制定数据治理的相关制度和流程，设计数据标准、数据模型、数据架构，及数据治理的实施路径。在实施阶段，要制订数据治理的相关制度、流程细节，选择合适的数据治理工具并通过定制化开发满足数据治理要求。
价值域：数据治理的目标就是通过对数据资产的管控挖掘数据资产的价值，并通过数据的流动、共享、交易变现数据资产。具体包括三个方面：
（1）数据价值：对数据价值财务建模及数据价值评估的过程。
（2）数据共享：通过实现信息整合和分发机制，支持跨业务、跨部门，跨行业、跨企业的信息流通和共享。
（3）数据变现：通过数据的共享和交易实现数据转变成财务意义上的资产。
2）面向技术视角的数据治理“黄金屋”。
图7 数据治理“黄金屋”-从技术的视角
数据治理框架主要由数据资产全生命周期的管理职能活动和支撑保障共两部分构成，其中，管理职能活动体现了数据治理管理体系各环节需要开展的具体工作，包括数据战略、数据治理、数据运营、数据流通4个模块23项管理职能，通过界定各项职能活动的定位和内在联系，相对完整的覆盖了企业数据治理管理工作方向；支撑保障模块则定义了确保职能活动有效开展所应具备的前提条件和支撑能力，包括组织保障和技术支撑共两个领域六项支撑手段，具备较好的系统性、协同性、开放性和扩展性，通过跟管理职能活动相结合，针对性提出各种细化管理要求，确保执行过程准确到位，实现制造业转型升级目标。
（1）数据战略模块为数据管理、数据运营、数据流通提供指导与监督。
（2）数据管理模块是所有数据治理业务的基础，与数据运营模块是数据流通模块发挥作用的必要前提。
（3）数据运营模块是在数据管理基础上，对数据应用与服务能力的建设与打造，既包括对内共享支撑，也包括对外数据服务。
（4）数据流通模块是数据管理模块和数据运营模块职能健全优化的驱动力和动能。
（5）组织保障是制造企业开展数据治理的重要保障，为组织实施各项职能活动提供制度规范、管理机制和人才团队等基础资源，是数据资产管理得以开展的重要基石。组织保障包括组织架构、制度规范、管理机制和人才培养等内容。
（6）技术支撑是保障数据治理框架职能活动有效执行及配合组织管理机制正常运转的工具基础，它需要提供技术先进、功能完善、运行高效和安全可靠的支撑能力。技术支撑保障体系包括了平台工具和技术创新两方面内容。
3）工业企业数据治理“车轮图”
（1）结合DCMM及行业标杆企业的最佳实践经验，形成了具有行业特色的工业企业数据治理体系。
（2）完整的数据治理包括战略、组织、制度、流程、绩效、标准、工具及数据运营、数据流通及价值变现。
图8 工业企业数据治理车轮图
本体系架构以数据管控为核心，通过数据管控统领数据治理的10大职能领域，包含数据战略、数据架构、主数据管理、元数据管理、数据指标管理、时序数据管理、数据质量管理、数据安全管理、数据交换与服务、数据开放与共享。
4）面向数据全生命周期的数据治理“全景图”
数据如同企业中的其他资产一样，也具有生命周期。工业企业在进行大数据治理时需要管理数据资产，也就是要管理数据的生命周期。数据生命周期包括数据的规划、创建、传输、存储、加工、发布、使用、归档和销毁9个环节。
图9 面向数据全生命周期的数据治理“全景图”
5）面向需求管理的“金字塔模型”
马斯洛需求层次理论，是由美国心理学家马斯洛于1943年在《人类动机理论》中所提出的该理论将人类的需求像阶梯一样从低到高分为5个层次。该理论将人类的需求像阶梯一样从低到高分为5个层次，分别是：
（1）生理需求：维持自身生存的最基本要求，包括衣、食、住、行等方面；
（2）安全需求：保障自身安全、摆脱事业和丧失财产威胁等方面的需要；
（3）社交需求：包括感情的需要和归属群体的需要；
（4）尊重需求：包括自我尊重和受到他人的尊重；
（5）自我实现：实现个人理想、抱负，发挥个人的能力。
同样的，数据治理贯穿数字化不同阶段，企业不同的角色和不同阶段时期，对数据治理的核心关注和需求是不同的，做好需求管理，更好的满足不同角色对数据治理需求。数据治理是一个长期的过程，不是一蹴而就，应全方位治，通过源头、过程、应用治理逐渐形成数据全生命周期治理体系。为了更好地确保数据治理项目能有条不紊地进行，少走弯路，不走弯路，一步一个脚印实现每一个具体目标，需要做好数据治理需求管理。
图10 数据治理需求管理的“金字塔模型”
（1） 时效性需求：保障数据及时性等方面的需求，业务部门数据产出和报表的日常及时性需求。
（2）质量需求：保障数据质量方面的需求，数据质量有保障、准确、完整、有效。
（3）便捷需求：包括查找和加工便捷性需求；数据好找、好看、好用，实现数据资可复用，有好的用户体验需求。解决了企业数据资产查找难，应用难，管理难等问题。
（4）安全运营需求：包括数据安全合规保证、成本优化和控制等需求，实现数据资产“可见、可懂、可用、可运营”通过持续的数据运营，数据将大规模应用于各业务环节、场景中，更好地赋能业务，在实现“提质增效、降本增利”发挥关键作用。
（5）价值实现：实现资产化、数据资本化需求。数据资产流通，开放共享（跨层级、跨地域、跨系统、跨部门、跨企业、跨业务）、实现企业数据价值挖掘及数据资产变现升值。
前3个属于数据自理低层次需求，通过外部条件就可以满足；后两个属于高层次需求，通过内部因素才能满足，且需求是无止境的。低层次的需要基本得到满足以后，激励作用就会降低，高层次的需要会取代它成为推动行为的主要原因。
声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。数字化转型网www.szhzxw.cn
数字化转型网数据专题包含哪些内容
数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
数字化转型网数据专题包含： 数字化转型网（www.szhzxw.cn）
1、数据相关外脑支持：100+数据相关专家、100+数据实践者、1000+相关资料
2、数据研习社：与全球数据相关专家、实践者共同探讨相关问题，推动产业发展！
3、国际认证培训：目前已引进DAMA国际认证CDMP，其他国内外认证也在逐步引进中
4、典型案例参考：与数字化转型网数据要素X研习社社员一起学习典型案例，共探企业数据落地应用
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于网络；编辑/翻译：数字化转型网默然。
