新闻资讯

数据治理开展过程中,常见的“两不三难”的情况

    数据治理开展过程中,会遇到很多棘手的问题,其中常见的就是“两不三难”的情况。


    只有确保数据的标准化、规范化、可信可用,才能进一步通过数据运营、数据应用帮助企业实现数据资产管理、发现内部数据问题、发掘数据价值,进而实现企业数据资产的盘活和有效利用。数据治理应该采用最简单的手段管理最有价值的数据,但在实际情况中,我们遇到过在很多数据治理开展过程中,常见的“两不三难”的情况:

数据治理.jpg

1)后向型治理,不一致:因历史原因,很多企业采用“先建后治”的方式,通过手工填报、反向解析代码、脚本等的方式进行元数据探查、血缘探查、数据质量管理,事后才能发现问题,容易造成管理的内容和生产内容的不一致。

2)被动型治理,不高效:当发现质量问题时建设质量平台、需要数据字典的时候建设元数据管理平台,将原本完整的治理体系割裂为多个系统、多个平台,造成系统集成难度高、治理效果差。

3)误区型治理,难聚焦:随着中台的建设脚本和任务越来越多,本来管理数据变为了管理程序;数据治理的本质是管理数据,走入误区变成管理程序、脚本、任务,造成了管理失焦。

4)项目型治理,难延续:数据治理的最终目标是提升数据价值,是一个持续漫长的运营过程,需要逐步完善、分步迭代,指望一步到位完成数据治理是不现实的,但在实际执行过程中往往以项目交付为目标,点到为止,导致治理不全面、无延续,效果也注定是差强人意。

5)兼职型治理,难落地:由于每个行业、企业、单位的组织体系、数据应用、基础架构不同,需要通过方法论找到适合企业的特有的数据治理思路,同时需要专人或专业团队进行强有力的支撑,但实际执行过程中往往是企业安排员工进行兼职管理,导致职责不清晰,主动性不强,治理工作落地困难。

数据治理的诀窍

在传统数据平台阶段,数据治理的目标主要是做管控,为数据部门建立一个的治理工作环境,包括标准、质量等。而在数据中台阶段,用户对数据的需求持续增长,用户范围从数据部门扩展到全企业,数据治理不能再只是面向数据部门了,需要成为面向全企业用户的工作环境,需要以全企业用户为中心,从给用户提供服务的角度,管理好数据的同时为用户提供自助获得大数据的能力,帮助企业完成数字化转型。

推荐阅读 查看更多