中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

本文基于主數據驅動的數據治理框架，分享數據治理五個階段的過程架構以及對應的任務·角色·分工·職責，希望能為在企業數字化轉型之路上負重前行的同仁帶來一定的參考價值。

之前在《數據治理：企業信息化的核心基礎性工作》一文中和各位介紹了主數據驅動的數據治理框架。

今天就接上回，和大家分享下在主數據驅動的數據治理框架下的數據治理過程。

一般來說，我們可以將主數據治理的任務分解成為5個階段，即架構階段、主數據治理階段、業務數據治理階段、分析數據治理階段、優化治理階段。每個階段都分為分析、設計、執行、評估4個基本環節，循環迭代，推動階段任務的達成。

上述過程框架通過將復雜的數據治理任務進行階段性任務劃分，分解成為較小的獨立子集，進而增強數據治理的可實施性，有利于企業管理者進行整體規劃和安排。

同時，該數據治理過程架構可根據企業的整體戰略和治理目標進行靈活剪裁，以滿足不同企業數據治理的不同要求。其中架構階段和主數據治理階段是數據治理的基礎，一般企業實施數據治理項目都需要從架構和主數據治理開始；而業務數據治理階段、分析數據治理階段、優化治理階段則可根據企業實際需要靈活選擇。

一、架構階段

架構階段是數據治理的準備階段。

• 分析環節：通過對企業戰略、業務狀態、企業信息化狀態的現狀調研和需求分析，識別業務問題和實施風險
• 設計環節：完成數據治理從愿景使命目標到路線圖的整體規劃，以及組織、管控、標準、安全四方面的體系設計
• 執行環節：通過詳實可信的分析報告和可落地的體系規劃獲得高層支持，創建數據治理管理組織
• 評估環節：應用主數據管理成熟度模型（MDMMM），完成企業的主數據管理成熟度評估

主數據管理成熟度模型（MDMMM）

對于主數據管理成熟度的評估可以分為初始、可重復、已定義、已管理、優化、創新六個級別。每個成熟度級別是一個完備的進化階段，反映企業主數據管理能力所能到達的水平。

• 初始級L1：處于初始級的組織內部只有模糊的主數據管理意識，沒有專門的機構對其進行管理
• 可重復級L2：可重復級的最大特征是建立了基礎的主數據管理流程，實現了局部可復用性，企業已經了解到主數據的重要性，并在組織內部開始進行主數據管理工作，但往往局限于項目或部門內部
• 已定義級L3：已定義級最大的特征就是組織內部建立起統一的主數據管理規范，并建立起獨立的部門進行主數據管理的協調活動，明確定義主數據流程的各專業崗位
• 已管理級L4：處于管理級的組織中已經形成主數據管理專業部門，建立起協同垮流程區域的專業化數據標準團隊，主數據實現集成化管理，主數據標準流程和制度的實施細則也已經明確
• 優化級L5：處于優化級的組織不僅能保證主據管理流程的有序進行，而且能夠實現業務環節的專業評估，實現自我優化，不斷提升
• 創新級L6：創新級是主數據管理的最高級別，此階段的主數據管理已經跨越了企業的邊界，形成跨企業的行業主數據標準，主數據業務流程能夠靈活創新、敏捷地支撐新流程運作，響應新的產品服務

每個級別的主數據管理水平將作為下一更高級別的基礎，成熟度不斷升級的過程也就是企業主數據管理水平不斷積累的過程。

二、治理階段

主數據治理、業務數據實力、分析數據治理、優化治理4個階段只是治理的對象和工作范疇存在差別，但其過程框架具有相似性，可互相參考。

• 分析環節：完成業務過程分析和業務問題聚焦，并從數據質量、數據安全、數據生命周期三個方面分析、梳理數據缺陷，形成治理的階段性目標和具體的工作計劃；
• 設計環節：完成數據標準和數據模型的設計、開發，為數據治理的實際執行做好準備；
• 執行環節：依次完成數據采集、數據清洗、數據導入、應用集成、系統測試和上線切換，最終提交數據服務和數據產品，完成數據資產的價值提升；
• 評估環節：從運行情況、數據質量、數據安全、系統性能、管理水平、經濟效益等方面對數據治理的效果進行評估，為進一步的優化提供條件。

技術架構

在設計階段，為有效支持數據治理的開展，需要高效、靈活的技術架構和信息管控工具作承載數據標準和數據模型。

在主數據驅動的數據治理框架下，數據治理的技術架構如下圖所示：

• 基礎數據平臺、業務支持平臺、數據分析平臺：分別承載著和主數據、業務數據、分析數據有關的企業運營、管理活動
• 數據交換平臺：將上述三個平臺連接在一起，完成彼此之間的數據交換，是平臺之間的數據通道
• 數據管控平臺：完成上述平臺之間的協調，是平臺之間的控制通道
• 數據治理組件：輔助完成對主數據、業務數據和分析數據的治理。其可看作是實施數據治理的IT工具包，其中包括數據標準管理、元數據/數據模型管理、數據質量管理、數據安全管理、數據生命周期管理5個基本的管理組件，實現治理框架中治理域的基本功能。

同時以工作引擎的方式提供一系列通用工具，包括但不限于：

• 工作流引擎：管理申請、校驗、審核、發布等數據治理的工作流程
• 清洗引擎：完成采集數據的清洗工作
• 轉換引擎：完成符合特定條件數據的批量修改和轉換
• 分析引擎：實現數據質量、數據生命周期管理中的分析任

數據治理組件也通過數據交換平臺實現數據導入導，通過數據管控平臺完成和其他平臺的協調。

數據交換平臺和數據管控平臺以總線化的方式提供了可擴展的數據通道和控制通道，而工作引擎則實現了數據治理組件的能力擴展。

三、任務、角色、分工、職責

數據治理是一項復雜的任務，僅僅依靠企業IT部門難以完成，往往需要專業的外部咨詢服務和開發人員的輔助。

因此，需要在過程框架中澄清各方的分工和職責，以便配合。以主數據治理階段為例，數據治理過程中的任務、角色、分工、職責如下：