新闻资讯

面向业务场景的敏捷数据治理(上)

2019数据资产管理大会于12月10日在北京顺利召开,数据正在成为数字经济时代最重要的战略性资产。刚刚闭幕的十九届四中全会的报告中提到“要鼓励勤劳致富,健全劳动、资本、土地、知识、技术、管理和数据等生产要素按贡献参与分配的机制……”。把数据纳入生产要素,反映了数字经济正在成为国家经济发展极为重要的支柱,也是我国在数据资产化方向上迈出的坚实一步。

数据治理.jpg

DatablauCEO王琤先生发表了题为《面向业务场景的敏捷数据治理》的演讲,分享Datablau数据资产管理解决方案在企业中的实践经验。面向业务场景的敏捷数据治理,传统数据治理盘点出来的数据资产能被业务部门理解和认可吗?如何解决繁重的数据资产盘点与数据需求强烈又变化频繁之间的鸿沟。敏捷的数据服务与面向架构的数据资产管理如何达到平衡。

本次会议已经是王琤先生连续第三年在数据资产管理大会进行主题演讲,此次将Datablau在头部客户的一些数据资产最新实践进行分享。

数据治理.jpg

一、数据资产化-从数据债务到数据资产


王琤先生将当前企业里数据资产的债务归纳为如下问题:

数据治理.jpg


语境不同的巴别塔问题,通常采用设计逐步统一数据标准来解决:


数据盘点:经常用来解决存量数据债务问题,这里有两种方式,一种传统的盘点方式找咨询公司做半年以上的盘点项目。另一种是更轻的方式拉通多方进行数据盘点迭代。


新建系统的管控:数据模型管控是对新建系统数据产生最有效的管理方式, 事前根治数据治理问题


数据资产的知识是沉淀到元数据平台的,这是为什么企业都需要元数据管理。但当前的元数据平台更多是一次性导入,之后作为MIS系统使用,缺乏有效的交互,无法达到知识沉淀的效果。

数据治理.jpg

由上可见,统一标准与模型管控是自上而下来管理的,而数据盘点与知识沉淀是自下而上协作众筹出来的。因此我们需要平衡长期投资与短期收益。既有顶层设计,又有短期收益。既有长期规划,又有短期价值输出。

数据治理.jpg


二、敏捷数据服务与资产盘点


传统数据治理盘点出来的数据资产不被业务部门理解和接受?

繁重的数据资产盘点仍然无法满数据需求强烈而变化频繁?


让我们来看看经典的敏捷宣言:

数据治理.jpg



当我们使用搜索引擎查找资料时,每个人脑中的关键词都不一样。有按分类描述的、有按功能描述的、有按使用者描述的等等,描述的词又有很多同义词。显而易见,我们按一个维度盘点出来的数据资产对用数的人是很难用起来的。


数据资产可谓千数千面,一个维度盘点出来的数据资产就像盲人摸象,看到的只是冰山一角。业务域维度,业务系统维度,数据安全维度,主题域维度等等都是不同的索引方式,多维度的数据资产地图才能让数据用户按图所骥,快速定位到可信的数据。而数据资产目录就是沉淀这些知识的中心。


另一方面,随着数据管理变得越来越敏捷,数据管理与项目管理的形态会有更多模式上的相似性。譬如项目管理,假如由一个团队来梳理和维护全企业的项目列表、项目状态,现实吗?可想而知,这个期望对项目管理并不合理。对于数据管理部门同样。就像项目管理平台和PMO办公,做“轻”数据管理平台,共享协作是关键。

当然,这里还是要强调专业性的体系设计是基础,没有顶层设计敏捷的数据资产是碎片化的,仍然没法用。


在下一篇,我们会详细讨论顶层设计的数据模型管控及与敏捷数据服务之前的协作。


关于Datablau

Datablau创建于2016年,核心创始和研发团队全部来自于原CA erwin,天然具有世界级产品厂商的血缘和水准,是国内数据治理的第一品牌。依托多年的行业积累和技术沉淀,Datablau在产品设计层面充分发挥了后天优势,实现了集数据建模、数据目录、数据质量和数据准备为一体的企业级数据治理平台,全面满足企业对于数据治理的客观需求。

目前Datablau在嘉实基金、中国人寿、国电大渡河和四川航空等大型客户得到实际应用并深受好评,客户范围已经覆盖到银行、保险、制造业和能源行业等核心领域,Datablau已成为企 业数据治理领域的领导厂商。

数据治理.jpg

推荐阅读 查看更多