中国企业数据治理行业的发展洞察-数智化转型网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。

数据治理模块及功能

以业务需求为导向的数据治理，将数据与业务紧密结合，形成企业业务数据地图，实现数据价值最大化

企业通过业务数据地图的梳理，可以将分散在多个系统的、由不同厂商在不同时期建设的信息化系统中的数据按照业务需求有序管理，避免传统数据治理建设中只注重技术和数据的局限性。业务数据地图构成了数据治理的基本流程。1）通过对企业全业务流程的梳理，摸排清楚企业业务流程下存在的基础数据资产；2）梳理业务字段间的实体关系、明确业务与数据责任矩阵；3）在企业全域内制定统一的数据标准，连通企业中原有的数据孤岛，并通过质量检核模型实时检测数据标准度的执行情况；4）对标准数据资产进行分级分类，敏感数据进行数据脱敏，保障企业核心数据安全性。基于业务数据地图的治理成果，更贴近企业业务，能够实现一“图”多用，为数据资产建设、主数据管理、指标体系构建、风险监测预警、审计分析监管等方面提供夯实的数据基础。数字化转型网www.szhzxw.cn

数据治理价值体现

企业运营状态可视、过程可视、风控可视——基于大数据的强大应用

数据治理的核心价值，除了构建企业数据资产、实现数据流通，更重要的是赋能企业运营管理和业务优化，消除数据与业务的鸿沟，优化运营动作，发现和规避风险，实现降本增效，助力企业韧性成长。

•运营状态可视化：通过大数据技术和能力，帮助企业建设跨系统的数字化运营管理指标体系，掌控运营态势，洞察运营环节，分析运营问题。整理企业运营指标，自上而下层层拆解，追根溯源，实现从经验决策到数据辅助决策的转变。数字化转型网www.szhzxw.cn

•运营过程可视化：战略运营管理，助力企业战略规划制定、拆解，将战略眼光转化为战略规划，建设企业发展蓝图；运营绩效评价与复盘，对结果客观分析，优化分配机制和战略规划；运营孪生，镜像企业运营价值链路，全面感知和优化运营。

•运营风控可视化：全面梳理企业业务流程，明确流程中的潜在风险，运用大数据建模分析能力，实现风险点的智能发现，并形成风险管控、审计管理业务的全流程闭环，推动风险事项从事后被动接受向事前主动防范的转变。

供给侧：数据治理厂商类型及特征

“咨询-产品-实施”三段型产业链结构，服务类型呈现相互融合趋势

数据治理厂商按产业链由上至下可分为咨询、产品与实施三大类，咨询类厂商又分为技术咨询与业务咨询两小类。数字化转型网www.szhzxw.cn

•技术咨询相对标准化，这一方面因为客户需要使用同一套方案对多家厂商招商，另一方面也是由于DAMA与DCMM等标准体系已经规范了数据治理的基本框架。

•业务咨询则行业差异性明显，厂商需通过大量案例获得经验积累。两类咨询厂商均向产业链中段的数据产品领域进入，将其咨询方法与自研产品绑定，形成完整解决方案。同时，以产品为核心的数据中台/大数据平台厂商也在实践中逐渐形成自身的咨询体系，配合产品对外提供咨询支持。处于产业链下游的实施方多为小型公司，承揽上游大型数据咨询及产品厂商的分包业务。

需求侧：数据治理应用端需求特征

需求依发起者角色定位而有不同，成长期是数据治理进入企业的最佳时点

在需求端，一般由业务部门或信息部门发起数据治理的要求。对于业务部门，虽然缺乏数字化认知，但由于对业务具有较深的理解，因此更重视在业务侧如何建立相关指标与体系；对于信息部门，由于其技术能力较强，因此比较重视数据治理平台和工具的配套能力以及平台拓展与订制能力。

以企业成长路径的视角观察，企业初创期往往聚焦于数字化基础构建，以“堆系统”的方式快速提升数字化水平。但随着系统与数据的逐渐堆积，系统间、数据间的矛盾日益明显，反而成为制约企业效率提升的重要因素。此时正是数据治理进入企业的最佳时点。企业可以通过明确底层数据与业务流程间的映射、规范系统间数据对接，实现效率的二次增长。数字化转型网www.szhzxw.cn