彻底搞懂数据治理-数字化转型网www.szhzxw.cn

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。

数据治理是企业数据战略的坚实基石，涵盖了从组织架构到技术工具的全方位管理。

在数字化时代，企业的数据资产成为了最宝贵的资源之一。数据治理（Data Governance）因而成为确保这些资产得到恰当管理和利用的关键活动集合，涵盖计划、监督和执行等环节。它不仅是一种管理手段，更是确保数据质量、安全、合规性和有效性的重要方法。数据治理构成了企业数据战略的基石，涵盖了组织架构、制度规范、操作流程和技术支持等多个方面。

数据治理的复杂性要求我们不能依赖单一工具或产品来实现。数据的生命周期包括生成、处理和使用三个阶段，而数据问题可能在任何一个阶段出现。例如，数据录入的不规范可能导致最终使用时数据质量低下。这些问题的根源可能在于业务系统的用户交互设计，甚至数据库表结构设计上的缺陷。解决这些问题，需要从信息化业务系统的开发和数据库表的约束设计等深层次问题着手。为了保证数据录入的准确性，可以通过前端检验验证、程序逻辑过滤和建立约束条件等方式来控制数据录入的准确性。因此，企业的数据治理需要从源头出发，对组织、流程制度、业务系统、底层架构等方面进行全面排查和重构。

在策略上，我们提出了两种不同的数据治理策略：拉式策略（Pull Strategy）和推式策略（Push Strategy）。拉式策略以数据应用为目标，着重于提升数据应用过程中的准确性。它具有自上而下、数据整合和数据应用三个特点。而推式策略则是一种体系化的数据治理建设策略，它强调全面的计划、监督、预防和执行，覆盖数据的全生命周期管理。

拉式策略和推式策略在实施起点、周期、成本和灵活性等方面存在差异。拉式策略以数据应用需求为起点，具有更短的实施周期和更低的投入成本，是一种更灵活、更敏捷的治理策略。它包括基于指标体系的数据问题洞察、稳健的数据架构设计和数据应用审核管控机制三个流程。

数据问题的洞察可以通过五个步骤实现：资料收集与需求调研、指标体系梳理、可视化原型设计方案确认、数据流-信息流-业务流的问题识别和问题暴露与提高待办形成。这一过程本质上是基于数据指标体系，通过数据流、信息流、业务流的基本逻辑框架，及时洞察数据质量问题的根源，并推动业务信息化和业务管理的改善。