眾說周知，數字經濟正在引領中國經濟發展新形態，數字化轉型成為近兩年的高熱度詞，在數字化轉型趨勢下，眾多企業都在紛紛談論數據治理，也有很多企業將數據治理作為數字化戰略的一項必要舉措，列入企業的戰略行動計劃。但是一個企業想要做好數據治理，并不容易。
今天很高興在這里為大家分享美林數據公司在過去20多年間上千個項目總結和沉淀出來的數據治理核心理念和經驗。
數字化轉型的實質是企業“降本、增收、提質”，是以數據驅動的精細化運營、業務創新增長和商業模式創新。數字化轉型依賴于企業的數據基礎，企業數據管理和應用卻面臨著問題：
1）比如企業業務協同與數據貫通問題：
比如說，過去信息化建設階段，由于煙囪式系統建設，造成商機數據，合同數據，項目數據，財務回款數據標準不一致，想要圍繞一個項目的“線索到回款”鏈路，由于基礎客戶數據不標準，不規范，所以貫通不了。
2）企業運營管控同一指標標準不統一，指標口徑不統一，數據規范不統一，造成統計錯誤，數據不可信。
又比如說，我們在做發電數據治理的時候，一個發電量，生產口和營銷口的統計的發電量都不一樣。而且相差較大。
3）數據缺失，數據質量不高，數據無法獲取，數據不共享等無法滿足業務應用等問題。
又比如說，拿企業數據做領導駕駛艙，發現數據指標異常，一分析發現數據都是各部分自己填報的，準確性、及時性就是問題。
4）從IT 層面。企業眾多系統間接口交錯，重復開發，資源浪費等問題
信息化建設造成各個系統之間互開接口，到底有多少接口，都是什么接口，沒有人清楚。
這些問題都需要靠數據治理來解決。所以說“數字轉型，治理先行”。
“數字轉型，治理先行”。但是數據治理說起來容易，做好很難。知名咨詢公司Gartner的調研顯示一組數據。這組數據說明做好數據很不易。
只有不到20%的項目能夠完成數據治理且效果顯著。
一，沒價值，推不動
很多企業在推動數據治理工作過程中屢屢受阻，數據治好了有什么價值？數據治理工作的成果如何得到業務部門的認可？
所以，缺少業務痛點的驅動，數據治理真的會處處受阻，推不動。
二，治不了
大家思考一個問題，企業有了數據標準就可以治理好數據嗎？在實際案例中，常常發現很多標準都束之高閣了，同時由上至下的標準貫標模式，對于將產生的數據有很好的規范，但是對于歷史數據往往束手無策。
所以對于大量歷史數據的利用和貫通如何去做，缺少思路。
三，太費勁，治不好
數據治理是重實施的工作，常規的方式是靠業務部門人工治理，投入成本高、周期長、效率底，往往數據治理的速度趕不上數據污染的速度。所以治不好。
面對三大困局，企業如何做好數據治理，為數字化轉型戰略夯實基礎？美林數據公司經過多年的數據治理的實踐，總結出做好數據治理應該遵循的三大理念
第一，沒價值，推不動： 【業務驅動數據治理】以業務場景和業務應用方向驅動數據治理，讓數據治理價值看得見。
第二，沒思路，治不了：“以”【融合應用】為先導，通過標準的映射融合方式替代”強行貫標”方式，解決歷史數據的融合應用問題；再逐步實現統一標準。
第三，太費力，治不好：“小數據靠人工，大數據靠智能”，美林研發大量的數據治理的算法，通過“算法治代替人工治”，讓數據治理才能更高效。
美林數據治理新理念1，業務驅動、價值為先：
業務驅動的數據治理：就是以“場景化的業務應用”為牽引，驅動數據治理。治理對象、治理規范和規則都來源于業務場景和應用，治理過程由業務部門來負責，治理的成果將服務于業務應用。
比如，我們在電網的業務中數據質量質量過程為例，分享一個故事。
在我們前些年做數據治理的時候， 我們先從業務部門搜集了很多的核查規則，跑出數據，每周能核查出來20多萬個數據問題，然后分明別類的將這些問題發送給業務部門，讓業務部門修正。可以預料會面臨什么問題？
業務人員的反應是什么？：這么多這么改？什么時候能治理完呀？第二反應是：核查的這些問題有什么意義呢？跟我有什么關系；我的數據已經很好了。我不覺得有問題？所有，根本推動不了業務部門治理治理。
帶著這個問題我們的解決思路就是“找到核心的業務應用場景才能推動數據治理，所以圍繞【線損指標計算】出發，進行質量核查和數據治理，治理完以后就能發現業務問題，諸如此類，展開了營配貫通數據治理、高可靠供電數據治理，以及電網網架的數據治理等等一系列的基于業務應用的數據治理工作。
業務場景驅動數據治理，同時業務應用檢驗數據治理成果，才能讓企業數據治理有價值，有動力。
美林數據治理新理念2，標準為基、融合推進：
“無標準，不治理”，但是有了數據標準數據就一定能治理好嗎？
1、傳統的數據標準治理步驟可以簡單概括為：定標準、做執行、強監督，但是這種治理思路，很難執行下去，為什么？現在的企業，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，因此，在存量系統中強推統一的數據標準是不可行，標準制定容易，后續的執行、監管都非常困難，如何協調系統整改？以誰為準？歷史數據如何處理？如何避免兩張皮問題？這些都是傳統數據治理在實際應用中必須面對又無法解決的問題。
2、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。
a、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。
b、基于存量數據的融合、映射結果，依靠自動識別算法，輔助構建數據標準，包括主數據標準、參考數據標準等。
c、針對新系統，自動執行標準
d、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
這樣的數據治理方案，才能讓標準落地更平滑，數據治理更有效。
美林數據治理新理念3，AI賦能、增強治理：
數據治理是重實施的工作，耗費人力，投入長，見效慢，美林數據依托自身人工智能等技術研究，研發了數十種數據治理算法，將應用智能化的算法替代人工治理過程中，提高治理成效。
業界也有一句話：“小數據靠人工，大數據靠智能” ，美林已經積累了十多種典型的算法治理的場景。
1）關系發現算法：自動發現數據字段的之間關系。
2）數據探查算法，了解數據含義
3）敏感數據識別算法，識別敏感數據
4）主數據識別算法，代替咨詢顧問識別主數據
5）參考數據識別算法，識別參考數據
6）主數據融合算法，完成不同系統同一數據的融合
7）知識提取/關系提取算法
通過這些算法將數據治理過程自動化、智能化，讓數據治理更高效。
那么，這些好的理念如何如何推動企業數據治理的實踐落地?呢？接下來，我將來【介紹基于三大治理理念】的一體化數據治理落地解決方案。
美林作為一個老牌的數據治理服務商，將以上三大核心理念融入到數據治理的解決方案中，面向客戶提供“咨詢+產品+實施”三位一體的數據治理服務方案，貫穿客戶的數據治理工作從規劃到落地的全過程。
咨詢：頂層設計、規劃了企業數據治理如何去管理，指導企業的數據治理實施。
產品：以業務驅動數據治理和智能化數據治理為理念研發了智能化數據治理平臺，支撐企業數據治理到數據應用全過程。
實施：堅持以【業務驅動、價值為先】理念，沉淀了一套成熟的數據治理方法論，并且有服務于央企國企業等數十年的實施團隊，提供專業的數據治理服務，確保企業數據治理工作平穩落地。
這里，咨詢規劃和實施服務都依托與數據治理平臺展開，所以，最后重點介紹產品部分：經過多年的沉淀和打磨，研發出一款業務驅動的、智能化的數據治理平臺產品-Tempo數據治理平臺：包含兩態感知的數據模型管理、自動感知的元數據管理、融合的標準管理、場景化的質量管理、智能識別的主數據管理、自助式的數據服務管理、完備的數據安全管理、圖譜式的數據資產管理以及可擴展的智能算法底座構成。
總結：
數字化轉型狀態下，企業如何做好數據治理？美林數據將二十余年央企國企服務經驗，百余家數據治理項目實施經驗中識別出數據治理的三大困局，并沉淀出沉淀出“業務驅動數據治理”“標準融合數據治理”“算法代替數據治理”的治理理念，研發出業務化智能化的數據治理產品，并且面向企業提供三位一體的數據治理落地方案，助力企業做好數據治理，做最有價值的數據治理，做最高效的數據治理！
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
