数据治理解决策略与思路

数据治理解决方案与思路

一、行业现象和需求

随着业务的不断发展和信息化的不断深入，需建设的业务系统越来越多，随着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，下列的问题会越积越多。

数据分散，难以管理

没有一个稳定的，抗源变化的数据层

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

缺少统一的应用标准

重复投入

数据不一致

指标设计、口径不一致

指标难以共享

缺少统一的基础数据标准

重复投入

数据不一致、不准确

难以利用和管理

各系统数据难以共享

二、数据管理范围

1.数据治理

战略

组织和角色

政策和标准

项目和服务

问题

估值

2.数据架构管理

企业数据模型

价值链分析

相关的数据架构

3.数据质量管理

规范

分析

度量

改进

4.数据开发

分析

数据建模

数据库设计

实施

5.参考数据和主数据管理

外部规范

内部规范

客户数据

产品数据

维度管理

三、数据管理框架

从上至下指导，从下而上推进，形成一个多层次、多维度、多视角的全方位框架。

四、总体解决思路

1.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。如业务流程梳理

数据流程梳理

2.让资产变得干净，少歧义

通过数据ETL，建立数据标准化。

数据采集与清洗

3.重新组织数据

重新组织数据，让数据变得 更好用。

4.数据治理持久化

对数据治理工作持久化，一 次治理，永久治理。

5.数据治理的延伸：数据管理

数据治理的延伸：数据管理

五、数据采集与清洗达到的效果

1.数据同步

实现实时、准实时的数据采集；保证数据源与目标端的数据一致性；不影响 源业务系统；支持多种数据源的数据采集（如常用的关系型数据库、大数据 平台等）；

2.数据交换

不同部门的数据协同，获取到数据并完成业务逻辑；灵活地进行数据转换规 则设计；

3.数据整合

将不同来源的数据，经过清洗转换后变为统一格式，存储到数据中心或者数 据仓库，用于提供数据共享、数据分析等服务；支持界面话工作流调度