数据治理就是实现数据价值的过程。通俗的理解就是让企业的数据从不可控、不可用、不好用到可控、方便易用且对业务有极大帮助的过程。
参考DCMM标准，开展数据管理现状的调研分析工作，通过标准宣贯确保对DCMM的核心价值与评估体系有深刻理解，在此基础上，通过资料收集、调研等方式，深入剖析数据管理在战略、治理、质量、安全、应用及创新等多个维度的现状，精准识别数据管理中的薄弱环节与潜在风险，为后续的数据管理提升提供参考，也为制定针对性的改进策略与行动计划提供了有力的参考依据，助力企业在数据驱动的时代背景下实现更加高效、智能的数据管理。
通过数据治理的相关培训工作，提升数据治理各参与方的数据治理理念、专业知识，营造良好的数据治理氛围，更好的落实相关数据标准制度，提高数据治理人才的相关技能。随着治理工作推进的不同阶段，需要提供不同的培训支撑。培训的内容包括但不仅限于数据治理相关理论、方法，数据治理体系规划的数据治理组织架构、数据管理制度、数据管理流程、数据标准规范的内容。
1、数据治理组织设计：根据数据治理工作有序推进和常态运营需要，按照决策、管理、执行三个层级，以及相关岗位设置，完成数据治理组织架构设计。明确数据治理工作统一领导、统筹管理、协同推进的各方参与者及具体权属职责，确保各方的顺畅合作和协同。
围绕企业业务现状和未来业务发展，开展数据资产分类总体框架设计，针对框架每一层级建设内容进行深化、细化，形成企业完整的数据资产分类框架，为数据资产梳理与盘点的顺利开展、构建数据资产统一视图奠定框架基础。基于“臻道数据治理平台”，全面梳理盘点现有的数据资源情况 形成数据资产目录地图。
通过指标梳理工作，进行指标统一定义，包括指标名称、指标维度、指标周期、指标口径、指标公式、责任部门、数据来源等信息，形成全面规范的指标清单，构建统一的基础业务数据指标库，统一数据指标的定义、口径 ，形成统一的指标标准，并纳入“臻道数据治理平台”进行管理。
基于“臻道数据治理平台”的数据安全管理模块，对梳理的实体对象类数据资产进行敏感信息分析，并从危害程度和危害对象等维度进行数据安全定级、安全认责和脱敏规则管理实施工作。
根据大数据存储、计算、可视化分析的需要，进行数据中心的整体架构设计。明确架构设计原则，从数据汇聚、数据加工、数据建模、数据共享等方面明确大数据中心的整体架构、数据仓库数据分层分域的整体框架、数据流向、技术架构以及各技术组件的定位与协同关系、各技术组件的资源需求、未来数据量与分析场景深化时的扩展方法。制定数据模型设计、数据加工处理、数据服务等过程的数据开发规范，指导开发人员按照统一规范进行数据开发，为数据资产的有效沉淀和高效开发奠定基础。
根据数据资产盘点结果与数据中心总体架构设计要求，实施业务域相关数据源统一入湖集成。针对不同的技术架构(业务模型、数据存储服务架构)等，设计并实施不同数据采集策略、数据同步规范、数据质量控制规范等，实现数据的集成汇聚。基于多渠道采集数据，进行数据质量评估，并将数据同步至大数据中心大数据处理分析中，实现全业务数据的统一集中入湖，保证数据的完整性、一致性和有效性。
在数据湖的基础上，基于不同的数据应用场景，通过维度建模的方式将数据由“原材料”加工成“半成品”或“成品”，支撑不同场景的数据消费需求。
基于汇聚的数据，对重点指标制定自动化的数据质量检测规则，确保各环节的数据质量问题自动早发现，早改进。针对识别发现的数据质量问题和质量需求，利用数据质量检测规则，实现数据质量问题的自动发现、快速分析和实时监控。并通过数据质量问题管理流程推动数据质量整改评估，持续优化和提升企业数据质量水平。
地址：湖南省长沙市天心区万家丽南路二段1480号湖南大数据交易中心8楼801-805室 技术支持：掌信科技
Copyright © 湖南大数据交易所有限公司 All Rights Reserved 湘ICP备2022021416号
微信咨询
扫一扫，联系我们
