精选文章

数据治理成功的六大要素（二）

2022-11-15 17:52:19　|　来源：企业IT培训

数据治理是一个系统工程，是一个从上至下指导，从下而上推进的工作。因此，在指导方面必须得到大家的共识，要有一个强有力的组织、合理的章程、明确的流程、健壮的系统，这样才能使数据治理工作得到有效的保障。下面小编为大家介绍下数据整理成功的六大要素：
要素四：流程管理
流程管理包括流程目标、流程任务、流程分级。根据数据治理的内容，建立相应的流程，且遵循本单位数据治理的规章制度。实际操作中可结合所使用的数据治理工具，与数据治理工具供应商协商，建立符合的流程管理。

要素五：技术应用
技术应用包括支撑核心领域的工具和平台，例如数据质量管理系统、元数据管理系统等。他们是数据治理能够顺利开展的技术保障。只有建立丰富的数据治理工具和平台，才能从各个领域有效的进行数据的管理和治理，才能有效提高银行的数据价值。
1、数据资产管理系统，统一管理全行的数据资产，包括元数据、数据模型、数据标准，以及其他重要的数据资产，并提供可视化的数据查询和展示功能，支持通过功能嵌入等方式实现数据资产的快速与便捷查询。
2、数据质量管理系统，落实数据质量问题的治理工作，实现数据质量问题的发现、跟踪、治理、评价的全流程闭环管理。搭建数据生命周期管理平台，落实数据生命周期管理机制。
3、不断丰富丰富前台源系统的基础数据，持续加大数据积累和整合的广度深度，建设统一的数据仓库平台，满足前台营销、统计分析、决策支持、风险管理和新资本协议等多种需求，持续提升对数据的挖掘、分析与深度应用能力。
4、在建立上述配套支撑系统的基础上，还需要实现各系统间的互联互通，相互协同与验证，提供数据统一、形式多样的数据服务。

要素六：成熟度模型
CMMI协会在2014年发布了数据管理能力成熟度模型Data Management Maturity（DMM），可以用来评估和提升企业的数据管理水平，帮助企业跨越业务与IT之间的鸿沟。DMM模型可以帮助企业在管理数据资产上达成共识。它包括了5个连续能力和25个提升的过程域，可以反映所有数据管理的内容，可以促进企业建立自己的数据管理成熟度路线图。
更多资讯信息可以联系中培伟业金老师18513851518（同微）