您还未登录! 登录 | 注册 | 帮助  

您的位置: 首页 > 软件开发专栏 > 大数据 > 正文

紧跟业务的数据治理是什么样的

发表于:2022-03-31 作者:仇凯 来源:51cto

译者 | 仇凯

审校 | 梁策 孙淑娟

IoT(Internet of things,物联网)设备、可穿戴设备、SaaS(Software as a Service,软件即服务)应用程序和社交媒体是当下企业获取数据的几个来源。当对这些数据进行组合和深入分析后,它们可以为企业提供新的洞察力并发现潜在商机。将这些能力在企业内进行扩展和制度化后,可以更快地为商业决策提供支撑,同时极大的降低试错成本。

将孤立的信息转换为适用于企业的洞察力,需要重视并正确的开展数据治理,避免一时兴起的数据治理行为。在良好的情况下,数据治理可以随着公司战略的发展而调整和扩展,容纳不断增长的数据。更重要的是,提供通用的命名规则和信任基础,可以降低跨业务部门和职能部门的沟通成本。

如果数据是新的能源,时效是商业的货币,那么数据治理就是融合两者的纽带。它是由系统、政策和流程组成的有机整体,实施数据治理的企业可以确保团队在正确的时间处理正确的数据,以增强并自动化相关流程、产品和体验。在当今竞争激烈的环境中,这是一个令人兴奋且充满价值的想法。当然,要实现这个目标需要投入大量的时间和精力。在本文中,我们列出了一个三步走的流程,以紧跟业务步伐开展和推进数据治理计划。

第一步: 夯实基础架构

在很多企业中,数据治理通常仅限于合规、隐私和安全。毫无疑问,这些都是关键领域,但如果管理者代表将其扩大范围并形成多样化的数据,就可以通过更高效的决策和运营提升自身商业价值。任何数据治理计划都应当包含四个主要组成部分:数据治理指导委员会、数据所有者、数据管理员和数据管理团队。

首先,评估数据治理指导委员会。如果没有就组建一个,这个委员会包含来自所有业务部门和职能部门的领导;如果有,但是它缺乏跨部门协作的职能,那就增加这个职能。每个业务部门和职能部门都应当在委员会中有一名代表。根据委员会的规模和范围,它可能是一个高级管理人员或与核心业务数据和IT系统密切相关的人。

委员会需要有明确的目标,它应当是包含由业务需求和合规驱动有机组成的整体目标。阐明这些目标将有助于委员会建立并推动有效的数据治理目标。例如,想象医疗保健组织是如何代表大型医院管理其行政流程的。指导委员会确定目标,然后推动审批流程自动化。为了实现这一目标,他们决定在末端业务中推动数据定义通用化。

一旦建立了指导委员会并确定了其目标,就需要分配角色职责了。每个业务部门和职能部门都应该有一个数据所有者,他们将建立和维护政策以及流程,这些政策和流程将通过迭代来缓解各自领域中最棘手的数据质量问题。以医疗保健行业为例,每个业务部门对拒绝索赔的定义略有不同,这就阻碍了医疗机构对索赔审批流程进行自动化改革。委员会意识到需要调和这些定义差异的需求后,就会讨论拒绝索赔的通用定义,并达成一致,这将实现数据聚合和自动审批。然后,委员会指派数据所有者采用这一通用定义,将各自业务部门或职能部门管理的数据进行整理,并与通用定义保持一致。

接下来,需要分配数据管理员。管理员的职能是为数据所有者提供服务,以推动政策遵从,指导特定领域的变更管理并报告数据质量问题。例如,如果B2B(Business to Business,企业对企业,指一家企业为另一家企业提供服务的业务模式)软件公司的管理员与其营销部门职责相关,那么他可能会负责主导并推动CRM(Customer Relationship Management,客户关系管理)工具中与方位(例如,东、南、西、北)有关的通用命名,并开展数据分类实践。预计数据管理员将向使用这个工具的销售代表进行培训,并跟进其使用情况和建议,以确定政策的潜在影响,然后尝试改进它。

最后,建立数据管理团队是非常必要的。该团队通常由IT技术人员组成,是数据治理计划的重要支柱。它将制定并监控政策和流程。为此,它需要执行审计以确保相关政策和流程遵循隐私政策和安全制度。评估数据的准确性、相关性和完整性,并推动数据生命周期(从数据的生成存储到过期和销毁)战略。

第二步: 强化生态以快速精准的引入新数据

一旦建立数据治理机构,并定义其初始制度,就要开始强化整个架构,使得数据治理成为数据处理中枢,这将有助于预测问题和把握机会,同时使快速应对业务环境的改变和新数据源的引入成为可能。

数据治理能力是识别、分类、整合新增和不断变化的数据源,这些数据源可能在企业中发生里程碑事件时改变或新增,例如合并或部署新技术。它通过定义和应用一组可重复的政策、流程和支持工具来实现数据源管理,可以将这些应用流程视为节点控制,新数据必须通过一系列的检查点以确保其质量。

我们最先要做的事情是,确定需要做什么才能够平顺的引入新数据。以我们的一个B2B软件客户为例,该客户收购了一家公司,以对自身业务形成互补。当其试图整合被收购公司的客户数据时,数据治理团队发现每个机构都使用自身独有的层级结构来管理实体客户,这些层级结构看起来不一样却汇总到同一个上级机构。指导委员会决定被收购的公司应当使用收购公司的实体客户层级结构,以遵从华尔街的关键指标要求。为了实现这一目标,该客户必须采取以下措施:

  • 数据建模和设计:将被收购公司的客户层级结构映射到现有层级结构,并更新相应的数据模型(例如实体关系图)和关联工具。
  • 数据字典:根据历史关联信息更新数据字典和主数据管理工具,以分析并决定如何将来自被收购公司的客户数据映射到现有的客户层级结构中。
  • 数据合规和权限管理:评估现有的合规态势是否适用于新的客户数据,并决定是否部署额外的权限控制或安全制度。
  • 数据质量设计和应用:在关键应用中建立控制措施,以避免销售团队创建重复记录或录入未定义数据(除非是所搜现有记录)。
  • 沟通和变更管理:数据管理员将变更传达给受影响的用户,并负责后续变更涉及的人员、流程和技术。

管理新数据的引入是具有挑战性的,但是一定要拒绝一次性解决方案带来的“效率”诱惑,因为这样的方案是以牺牲长期发展和降低复用性为代价的。在流程上投入精力,并运用它创建相应的环境,为数据资产的超额回报奠定基础。将上述步骤视为指数曲线的开始:充分的分析和应用,虽然可能导致短期收益的“损失”,但它可以带来巨大的、可扩展的长期收益。

第三步: 将数据管理实践制度化以确保数据质量的持续性

最后一步是制作数据管理工具并将其实践,以保持现有数据的质量并为业务发展目标提供支撑。一流的数据管理计划通常包含定义好的流程、节奏和工具,这些将支持以下工作的开展:

  • 主数据管理:建立支持为所有关键业务数据(例如,客户、产品)创建单一主要数据参考来源的系统和流程,以减少业务流程中的错误和冗余数量。
  • 数据质量审计和监控:部署自动化工具和流程,协助识别不符合既定业务或合规制度的数据,这些数据大多数不符合预定的数据质量要求。
  • 数据质量报告:制定数据质量指标或KPI(Key Performance Indicator,关键绩效指标)、定期审查其进度并制定改进计划。
  • 数据存储规范:制定整个数据生命周期(从产生到销毁)的存储规范,包含不同类型数据的存储方式和存储位置的实践,同时也要考虑到特定的数据隐私和合规要求。
  • 数据管理:在关键业务部门和职能部门之间分配资源,以服务于数据质量政策的实践,并管理将新数据引入环境而引起的相关变化。

对这些实践进行编制,可以在数据准确性、完整性、一致性、及时性、有效性和唯一性等方面提升数据质量。高质量数据可能是客户满意与否的关键点。对于医疗保健客户来说,在控制和监控技术上进行投资有助于确保动态和静态信息的数据质量,是组织能够为客户提供实时信息,并使得线上和线下的用户体验保持一致。

一个好的数据治理计划可以提升各个业务部门和职能部门的效率。一个优秀的领导者可以利用组织的数据来推动企业范围的业务转型。成为一个优秀的领导者吧,你可以从快速高效的工作中获得满足,并最终取得更好的业务成果。

译者介绍

仇凯,51CTO社区编辑,目前就职于北京宅急送快运股份有限公司,职位为信息安全工程师。主要负责公司信息安全规划和建设(等保,ISO27001),日常主要工作内容为安全方案制定和落地、内部安全审计和风险评估以及管理。

原文标题:Data governance at the speed of business,作者:Michael Bertha(本文与Metis Strategy 的助理Duke Dyksterhouse合作撰写)