在數據智能運用的道路上，數據煙囪、信息孤島遍布。由于頂層設計的缺失及歷史原因，企業(yè)的各個業(yè)務系統(tǒng)、管理系統(tǒng)等的數據壁壘問題嚴重。另外，由于所用技術不同、開發(fā)團隊水平不一、開發(fā)平臺和工具不統(tǒng)一、缺乏規(guī)范的數據管理標準，各個系統(tǒng)間的數據難以兼容及集成。數據無法共享，造成一定的數據存儲成本及數據管理成本的浪費。因此，對于數字化轉型企業(yè)來說，追溯數據來源、統(tǒng)一數據定義、分類數據存儲、消除無效數據，可以降低數據管理成本，規(guī)避數據應用的法律風險，降低產品維護及開發(fā)成本。

那么應該如何正確治理數據呢?

01

(相關資料圖)

整理業(yè)務規(guī)則，統(tǒng)一數據定義

在企業(yè)數字化轉型過程中，對數據的共同理解與解釋至關重要。數據質量問題通常是指同一數據集被解釋為不同事物，或者不同數據集被解釋為相同事物。無論是業(yè)務還是技術元數據，根據業(yè)務屬性明確數據定義對于提高數據質量相當重要。企業(yè)可令數據治理團隊運用一定的數據管理應用程序完成業(yè)務規(guī)則的梳理和數據定義的統(tǒng)一。

02

跟蹤外部數據來源

面對競爭激烈的市場環(huán)境，企業(yè)數據應用的方向不再局限于內部數據，更多著眼于第三方數據，這成為構成分析解決方案的要素之一。無論是合作伙伴數據、供應商數據還是互聯網開放數據，都可以提升企業(yè)獲取新業(yè)務價值的資源。然而，依靠傳統(tǒng)的數據治理方式并不能追溯數據的真實情況。即使能夠確定數據質量，也不能保證數據源頭是固定的。因此，數據治理團隊有必要建立一個可行的模式，以保證外部數據的正確性。

03

確認影響業(yè)務的關鍵數據指標

在商業(yè)場景中，業(yè)務需求、業(yè)務流程、業(yè)務績效等是關鍵數據指標。為了衡量一款產品及服務是否能夠滿足市場需求，必須采用一定的企業(yè)績效指標。不完整、不準確的數據可能導致客戶投訴，因此客戶流失率、KPI等數據指標的梳理及確定至關重要。

04

分析關鍵業(yè)務的數據質量

在確定了企業(yè)內部影響業(yè)務的關鍵數據指標后，數據治理團隊還需要了解企業(yè)內支持關鍵業(yè)務流程的系統(tǒng)及程序的數據質量。在梳理過程中，數據治理團隊可以采用數據分析工具預測數據分析模型，在較短時間內了解數據質量。也可以創(chuàng)建針對數據存儲庫運行的腳本，解決高級別的跨應用數據分析需求。

05

創(chuàng)建數據自動化管理調控體系

在數字經濟時代，眾多企業(yè)紛紛舉起數字化轉型的大旗，但大多數企業(yè)的數據體系都無法幫其實現數字化轉型。數據治理團隊應建立自動化管理體系，把關數據治理到數據應用的整個流程，在績效考核、分析決策、基礎數據質量之間建立明確的自動化反饋機制，以業(yè)務結果反饋數據治理效果。

06

檢測數據質量對業(yè)務的影響程度

憑借專業(yè)的數據質量分析工具，數據治理團隊能夠測試數據質量，識別異常數據，以便開展有針對性的數據處理工作。通過業(yè)務影響程度測量數據質量，可以幫助企業(yè)有效篩查無價值數據，提高數據質量。

另外，數據質量的檢測應該是長期存在于數據應用過程中的。一旦企業(yè)決定進行數字化轉型，就必須定期評估數據質量對業(yè)務結果的影響，并且隨著新業(yè)務場景的出現，對數據質量評估的重點和方法作出相應調整。

07

聽取、溝通業(yè)務需求，有針對性地治理數據

數據治理團隊在對數據進行清洗治理時，首先不要妄圖通過數據治理立即解決所有問題，而是應該認真聽取業(yè)務部門對數據的需求，通過有效溝通，確定行動計劃，探索數據內部潛在的問題，為分析決策提供支撐。

08

創(chuàng)建數據質量動態(tài)感知臺監(jiān)控數據治理進程

數據治理團隊一般會通過定期會議或者小組討論等形式同步各自的數據處理進度。但是定期的會議匯報無法隨時了解數據治理進程，因此數據治理團隊可以創(chuàng)建數據質量動態(tài)感知臺。數據質量動態(tài)感知臺可以根據KPI和關鍵業(yè)務操作流程制定數據質量的績效。在某些需要調整的地方，數據業(yè)務分析師可以與CDO溝通調整治理路線和重點。成熟的數據業(yè)務分析師可以幫助企業(yè)進行數據管理，積極監(jiān)控、提高數據質量。數據質量動態(tài)感知臺可以幫助企業(yè)管理數據風險，創(chuàng)造更多降低運營成本的機會。

09

建立學習—分享—培訓機制

數據治理團隊中各成員分工不同，所處理的數據模塊也不相同，每個人遇到的數據質量問題都不同，而個人解決起來困難重重。因此團隊負責人需要建立一套學習—分享—培訓機制，團隊成員可以將發(fā)現的數據問題及時共享給團隊其他成員，一起討論數據治理的解決措施，幫助團隊成員提升自身能力。

10

避免“IT怪圈”

數據治理團隊如果沒有完全打通企業(yè)的內外部數據，業(yè)務部門的需求便不能隨時得到滿足，數據治理團隊就會進入IT怪圈。首先，前端業(yè)務場景不斷變化，業(yè)務部門需要隨時響應。期間，業(yè)務部門會不斷向技術部門提出各種工作需求，即使有些業(yè)務需求簡單到并不需要技術人員操作，只須簡化數據治理的流程或步驟即可，但由于數據治理得不徹底，技術部門不得不隨時響應低端需求。業(yè)務場景是瞬息萬變的，用戶的需求需要隨時被滿足，技術部門疲于應付前端業(yè)務部門低端的需求，導致業(yè)務需求響應慢，結果并不令人滿意，甚至延誤了商機。如此循環(huán)下去，技術部門將陷入IT怪圈，無法抽身。

關鍵詞： 數據管理 數據分析