企業數據治理過程中遇到的困難和挑戰，應該怎么解決？
2023-03-13 16:13:00
次
企業數據治理普遍存在的困難和挑戰主要有以下4個方面：
1、找不到：業務人員/管理者不知道企業有哪些數據，各類數據都存儲在哪個業務系統，沒有一個統一的地方去搜索，也不知道該問誰要。
2、看不懂：業務人員/管理者拿到了數據卻看不懂，數據的描述方式具有很強的專業性和技術性，很難知道業務含義，也不清楚數據與業務之間的關系到底是什么，對于數據資產完全不清晰。
3、用不了：企業數據分散、多源、異構，各業務系統數據質量差、數據標準不統一、數據整合困難，導致數據不能直接使用。
4、管不住：數據治理是一個組織的全局性項目，需要跨組織的溝通協調，而任何一個單一部門都很難直接協同其他平級部門，需要有企業級統籌的組織和統一的管理方式來運營。
美林數據作為國內知名的數據治理和數據分析服務提供商，結合自身多年數據治理經驗和對數據治理深刻理解下，有別于其他數據治理廠商的獨特理念：
1、業務驅動、價值為先：美林主張面向業務做數據治理，解決具體業務場景數據問題，并不是為了數據治理而治理，也不是一次要治理所有數據。
2、標準為基、融合推進：標準作為基礎和最終的目標，數據治理慢慢的道路中，通過融合等手段解決歷史問題，推進數據治理工作前進，最終實現標準統一。
3、AI賦能、增強治理：美林具備自研智能算法，主張借助智能手段增強數據治理的效率和效果，擺脫人工治理。
1、數據戰略：數據戰略是確定數據治理的方針與策略，解決數據治理工作怎么管的問題。數據戰略階段主要有3項工作，第一：制定企業數據戰略目標，進行企業現狀盤點、數據管理能力成熟度評估和制定企業數據戰略；第二：制定企業數據管理辦法，包括制定一套數據管理制度、一套數據管理流程和一套數據管理組織架構；第三：構建企業數據治理體系，包括制定一張企業業務域藍圖、一套企業數據標磚規范和一套企業統一數據模型。
2、湖倉建設：數據倉庫解決了結構化數據的問題，數據湖解決了
非結構化數據的問題，美林提出湖倉一體的方案，將結構化數據和非結構化數據結合，支撐數據治理及數據應用。
3、數據治理：數據治理方法很多，常見的比如頂層設計、標準先
行、技術驅動、項目建設等，美林根據多年的探索和實際應用經驗，提出了業務價值驅動數據治理的新理念：
（1）業務先行、價值驅動：以切實需要的業務場景和核心利益為出發點，驅動數據治理，倒逼提升數據質量。
（2）標準為基、融合推進：當前企業或多或少都經歷的多年的信息化建設，很少有企業能一開始就制定好數據標準，并在所有的系統建設中都嚴格遵守這個標準。美林數據對此創新性的提出了“融合先行，終向統一”的思路，對存量系統和新系統的數據治理實行分而治之。針對存量系統，為了不影響業務運行、避免系統改造、降低歷史數據影響，美林采用統一接入、映射關聯的方案，滿足跨業務應用的需求，解決一物多碼的問題。針對新系統，自動執行標準，依靠自動化方式進行數據核查，為數據標準化工作開展提供抓手，持續支撐數據標準化工作。
（3）AI賦能、增強治理：數據規模的指數級增長給數據治理工作帶來巨大壓力，傳統人工方式做數據的清洗、分辨與調優使治理工作耗時冗長，帶來高昂的人力成本，且愈發難以滿足智能應用對數據在規模量與質量的高要求，傳統的人工數據治理工作已變得捉襟見肘。美林數據依托自身人工智能等新技術，應用于數據治理的模型管理、元數據管理、主數據管理、數據質量管理等模塊，還具備算法中心，可以兼容企業已有算法和第三方算法，最終實現數據治理的“自治與自我進化”。
4、數據門戶：解決數據怎么用、怎么找數據。對于數據專業人員
通過數據地圖，可以通過數據地圖來尋找自己需要的數據集，組裝自己需要的寬表。對于技術專業人員，可以通過共享服務來尋找應用開發所需要的數據API，支撐業務應用的數據服務需求。對于企業全部人員，可以通過企業知識庫統一管理和檢索企業文檔數據。
5、智能應用：通過前面的數據規劃、湖倉建設、數據治理等工作，可靠、可用的數據要素已經被創造出來，數據的消費者和應用的開發者能夠更好地使用數據，讓數據要素的價值真正體現在業務上。
Tempo商業智能平臺
Tempo人工智能平臺
Tempo數據工廠平臺
Tempo指標平臺
Tempo數據治理平臺
Tempo主數據管理平臺
首頁
陜公網安備 61019002000171號
