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。
（一）现状分析和数据管理能力成熟度评估
1.数据管理现状梳理和诊断，通过访谈、调研问卷、内部资料研读和数据分析对公司信息化、数据现状进行深入理解，详细了解XX集团在数据治理、数据资产管理的现状，为后续整体分析与对标、体系规范、蓝图设计等阶段提供输入。
2.调研XX集团数据治理标准规范体系建设的情况，现有的数据治理标准规范体系现状；了解在信息资源应用、编目、管理运维及安全方面的标准规范建设情况，数据共享交换的现状与要求，制度规范等。
3.依据现状分析输入，进行公司数据管理成熟度评估，解析识别出的问题与痛点，并进行根因分析，找到数据管理各模块中的薄弱环节，进行诊断。对现状调研发现的问题进行归纳总结，给出问题解决的整体解决思路与建议。
4.调研XX集团当前各个业务部门对数据治理的业务需求状况，对未来数据治理和应用的期望和要求，形成对数据治理现状及未来发展方向的理解。
5.数据管理能力成熟度评估
通过运用国家标准—数据管理能力成熟度评价模型（Data management Capability Maturity Model 简称DCMM）,开展XX集团数据管理能力成熟度评估，全面了解公司以及下属单位在数据管理现状，分析存在的问题，对自身所处的发展阶段有一个清晰的认识; 明确数据管理能力提升和发展的工作重点。同时，也能发现自身在数据方面工作的亮点、最佳实践，有利于最佳实践的推广和应用，促进公司各专项能力的逐步提升。数据能力成熟度评估具体工作内容包括：
针对数据管理能力现状调研，主要是基于数据能力成熟度评估模型DCMM，通过资料收集和研读，从公司主体业务范围为切入，通过与各业务部门领导及关键用户问卷调研和现场面对面访谈，对公司核心业务数据能力进行全面的调研和分析，充分了解各部门业务活动、系统应用情况、数据管理现状，关注当前支撑业务的IT系统的数据管理情况，分析其对业务能力的支撑能力及数据管理的综合能力，获取公司各项数据管理工作存在的问题及各部门数据需求。
参考国标GB/T 36073-2018：数据管理成熟度评估模型（DCMM），结合公司数据管理实际，从数据战略、数据治理、数据架构、数据应用、数据标准、数据质量、数据安全等维度对数据资产管理情况进行分析、评估，识别出目前的成熟度，完成评估报告并取得专业评估机构颁发的数据管理能力成熟度评估证书。
（二）数据资产盘点
盘点并梳理XX集团数据资产现状，形成XX集团业务视角和系统视角的数据资产目录。目的在于通过数据资产盘点，彻底了解当前XX集团数据资产“有什么”“在哪里”“什么关系”“什么问题”等数据问题，为后续的蓝图规划提供依据和输入。
1.结合盘点方法策略以及盘点工具，对当前系统以及历史数据进行相应的盘点和摸底。
2.盘点的内容包括数据业务主题域的划分与实体的识别、指标框架的梳理、指标分类、定义规范、责任部门的厘清，识别和分析目前系统中数据库类型、数据存量、数据增量等情况，以及各类非结构化、半结构化数据的识别和分析。
3.通过对数据资产的盘点，最终基于业务视角和系统视角的数据资产目录。
（三）数据治理规范体系设计
基于数据管理现状调研以及数据资产盘点的输入，设计和建立XX集团的数据治理规范体系，为数据治理工作提供强有力的制度支撑。
1.元数据
元数据管理是数据管理平台、数据生命周期中需要做的基础性工作，企业需要对元数据的生命周期进行管理。元数据是“关于数据的数据”。元数据用于标注、描述或者刻画其他数据，以便检索、解读或使用信息更容易。
元数据管理对数据上下文背景、历史和起源进行完整的记录并管理，建立元数据标准，提升战略信息的价值，帮助分析人员作出更有效的决策。
2.数据标准
随着信息技术发展的日新月异和企业管理理念发生的深刻变化，企业的生产方式和运营模式越来越依赖信息系统和存储于其中的指数级增长的数据，众多隔离的信息系统，数据呈现分散化和多样化的特点，引发了一系列数据管理和使用上的问题，突出体现在数据业务定义不清、管理规范缺失、统计口径不一致、技术规范不统一导致的数据交互困难。数据质量良莠不齐，新建系统缺少规范化的数据标准支撑，这些问题使各应用系统整合和数据共享的目标难以实现，成为数据集成应用和数据变现的制约因素。
通过对数据标准内容的规范化管理，可以有效解决信息孤岛等突出的数据管理问题，数据标准的好坏直接影响企业其他数据治理工作的顺利开展。
3.数据质量
数据质量管理是以解决数据质量需求为目标，通过一系列具体的流程和技术，识别数据的缺失、错误等质量问题，进而完善数据的过程。因此需要进一步将数据质量管理工作，通过数据质量规则进行数据质量检核、数据质量监控、数据问题处理、质量完善和评价体系的流程框架，实现对数据质量的闭环管理。
不同数据主题域所涉及的业务范围及内涵都不同，不同专业对数据有不同的要求，评价标准各有不同，在制定统一的数据质量管理体系中，需要合理制定数据质量评价标准，以保障后续数据质量检核工作的顺利进行。
建立XX集团数据质量管理规定，建立数据质量管理机制、数据核验方案，并建立数据质量评价机制。
4.数据安全
数据安全管理是指对数据设定安全等级，保证其被适当地使用。企业通过数据安全管理，规划、开发和执行安全政策与措施，提供适当的身份以确认、授权、访问与审计等功能。
数据安全贯穿数据整个生命周期，其安全问题涉及数据整个数据生命周期的管理过程。对企业而言，所有的数据在其生命周期中都应当被有效地管理，通过必要控制手段清晰地界定避免内部非授权的访问，并指定完善的数据备份、恢复策略、删除策略，保证数据的安全性。
数据安全管理的目标是建立完善的体系化的安全策略措施，全方位进行安全管控，通过多种手段确保数据资产在“存、管、用”等各个环节中的安全，做到“事前可管、事中可控、事后可查”。
建立XX集团体系化的数据安全管控策略，通过用户安全管理、数据安全管理、应用场景安全管理等，实现全方位数据安全管理机制。
5.主数据
由于企业业务覆盖面越来越广，中后台的组织、人事、公司、财务等也越来越复杂，信息孤岛也越来越严重。信息分散在不同的应用，重复的、不完整的、不准确的数据，造成信息集成和维护难度加大。这些会带来运营效率低下，风险无法较好识别等。因此主数据管理，向来在企业信息化战略中处于核心地位，是支持企业事务处理系统和分析系统运作的关键业务信息，也是基础数据的汇集地。做到主数据的互通和统一，能促使企业运营流转顺畅。
主数据的问题其实本质上不仅是数据问题，更多是业务系统的问题。主数据不仅仅是把数据集中到一起，而是重在治理，是对业务的重新梳理，需要协同多个业务部门共同建设。
参考数据同理，为了保证主数据和业务数据的质量，对参考数据（或者称为值列表）也需要进行治理，确保数据的一致性和准确性。数字化转型网www.szhzxw.cn
（四）数据治理蓝图规划
基于前期数据管理调研的分析结果输入，结合XX集团企业管理特点和数据管理要求，制定XX集团的数据治理整体蓝图规划。基于集团数据现状的调研和分析，参考行业领先实践与方法体系，规划数据管理的顶层设计，明确各业务模块的数据管理理念与原则。在完成蓝图规划的同时，也要对后续的数据治理建设策略、演进原则及路线、实施计划等进行明确和设计。
1.数据治理整体业务架构设计：参考数据治理最佳实践，从业务视角明确XX集团数据治理的整体组织、制度框架，明确各业务部门的角色和职责。
2.数据治理技术架构设计：基于业务架构，规划和设计承载数据治理业务架构的整体技术架构，从标准的落标，数据源的采集、接入，数据的汇聚、融合与分析处理，数据的治理与监控，数据的服务与应用等明确支撑的产品、技术平台。
3.数据管理平台设计蓝图：基于前期数据资产盘点、数据管理现状的输入，对比分析目前数据管理现状和数据平台的建设情况，分析和建议如何能够在现有的基础上，提升数据管理能力成熟度，提出数据管理平台功能、标准、流程、数据应用等方面的需求。
4.未来数据治理工作建设路线图：明确未来数据平台的整体建设策略、分析项目优先级、明确步骤和计划，估算投资，同时架构需要具备演进能力，遵循“整体规划、分布实施”“基础先建、协同推进”“重点突出、快速见效”的演进原则。数字化转型网www.szhzxw.cn
（五）培训与宣贯
针对公司管理层面、业务专家、信息管理人员、数据管理人员进行数据资产管理培训。通过深入、系统地讲解数据资产管理理论、流程和方法以及相关技术，启发业务人员、数据和信息人员找出业务与数据的结合点，为项目后期的数据治理及数据平台建设统一认识、奠定技术基础。
声明：本文来自数据驱动智能，版权归晓晓所有。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，来源于数据驱动智能；编辑/翻译：数字化转型网萍水。
