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

如何围绕企业业务进行数据治理

发表于:2022-04-15 作者:Michael Bertha 来源:企业网D1Net

物联网设备、可穿戴设备、SaaS应用和社交媒体渠道只是今天数据进入企业的一小部分来源。经过深思熟虑的组合和分析,来自这些渠道的数据可以提供新的见解并迎来新的机遇。能够将这些见解制度化并在整个企业业务范围内扩展的企业将可以更快地做出明智的决定,并确保无需重复吸取教训。

将孤立的信息转化为企业业务范围内的洞察需要致力于数据治理,而想要正确地做到这一点并非易事。在最好的情况下,数据治理可以随着公司战略的发展而调整和扩展,并适应不断增长的数据,最重要的是,它提供了一个通用的术语和信任,简化了业务单元和职能部门之间的沟通。

如果说数据是新的石油,速度是商业的货币,那么数据治理就是将两者融合在一起的纽带。它是企业可以用来确保团队在正确的时间拥有正确数据的一组系统、策略和流程,以增强和自动化流程、产品和体验。在当今这个竞争激烈的环境中,这是个令人兴奋和有价值的功能,但想要实现这一功能还需要大量的工作。在本文中,我们列出了一个三步流程,以开发和动员一个以业务为中心的数据治理程序。

步骤1:建立基础组件

在许多企业中,数据治理通常只是局限于合规性、隐私性和安全性。毫无疑问,这些都是关键的领域,扩大范围则可以通过更快、更知情的决策和运营效率来引入更多的业务价值。任何数据治理计划都应该包括四个主要组成部分: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,盘点一下你的数据治理指导委员会。如果你还没有,那就组建一个。它应该包括所有业务部门和职能部门的领导。如果你已经有了一个,但它缺乏跨职能的代表,那就扩大它。每个业务部门和职能部门都应该在委员会中有一名代表。根据委员会的规模和范围,这可以是一名C级高管,或是与业务单元的核心数据和IT系统密切合作的人。

代表们必须首先明确委员会的目标,其中应包括一系列的业务和合规性驱动的目标。明确这些目标将有助于阐明指导委员会最适合实现的数据治理目标。例如,考虑一个代表大型医院系统管理流程的医疗保健组织。指导委员会确定了一个目标,即在报告流程中实现更多的自动化。为了实现这个目标,他们决定首先必须在他们的客户群中驱动通用数据定义。

一旦你组建了一个指导委员会并确定了目标,就应该分配角色了。每个业务部门和所代表的职能部门都应该有一个数据所有者,该数据所有者将建立并维护一定的政策和流程,并通过迭代流程来解决各自领域中最糟糕的数据质量问题。继续使用医疗保健的示例,考虑到每个业务单元对拒绝索赔的定义略有不同,这就阻碍了企业更广泛地采用允许他们自动化索赔报告的解决方案。指导委员会认识到有必要对这些不同的定义进行协调,因此对拒绝索赔的通用定义进行了协调,以实现数据汇总和自动报告。然后,委员会指派数据所有者采用这个公共定义,并在各自的业务部门或职能部门内管理数据与该定义的一致性。

接下来,你就需要分配数据管理员了。管理人员在功能和战术上是一致的。他们会在推动政策遵守、领导特定领域的变更管理和报告数据质量等问题方面为数据所有者提供服务。例如,B2B软件公司营销部门的一名管理人员可能会负责鼓励在公司的CRM工具中使用通用名称(比如北、南、东、西)来按区域对客户进行分类。数据管理员应该向使用该工具的销售代表传授这一实践,监控其采用情况,并建议可以改进支撑该工具的政策。

最后,重要的是还需要建立一个数据管理团队。该团队通常是由技术IT资源组成的,是数据治理计划的骨干。它的作用是启用和监视已建立的策略和流程。为此,它会进行审计,以确保遵守了隐私和安全政策;评估数据的准确性、相关性和完整性;并推动你的数据生命周期策略——从数据的创建和初始存储到数据的过期和销毁。

步骤2:锻炼你的机能,快速准确地将新数据引入你的生态系统

一旦建立了数据治理组织并定义了初始策略,你就可以开始构建机能,使数据治理成为一种灵活性的来源,帮助你预测问题、抓住机遇,并在业务环境变化和新的数据源可用时快速进行转向。

你的数据治理能力需要负责识别、分类和集成这些新的和不断变化的数据源,这些数据源可能是通过里程碑事件(如合并)或通过在组织中部署新技术来实现的。它是通过定义和应用一组可重复的策略、流程和支持工具来实现这一点的,你可以将该应用程序视为是一个封闭的流程,即新数据必须通过一系列检查点来确保其质量。

这个流程的第一步是确定需要做什么才能和谐地引入新的数据。例如,我们的一个B2B软件客户收购了一家互补的公司,并试图整合该公司的客户数据。数据治理团队确定,每个企业都有不同的管理客户实体层次结构的方式,这些层次结构定义了看似不同但是将汇总到同一父级组织的客户之间的关系。指导委员会决定,被收购公司应该继承收购公司的客户实体层次结构,以保护华尔街的关键指标。为此,企业必须采取以下措施:

  • 数据建模与设计:将被收购公司的客户层次结构映射到现有的层次结构,并相应地更新数据建模工件(如实体关系图)和工具。
  • 数据字典:使用历史上下文来更新数据字典和主数据管理工具,以指定被收购公司的客户数据将如何映射到现有的客户层次结构。
  • 数据合规性和访问:评估现有的合规态势是否适合新的客户数据,并决定是否部署额外的访问或安全规定。
  • 数据质量设计和实现:在关键应用程序中实施控制,以防止销售团队的用户创建重复记录或输入自由格式的文本(而不是搜索现有记录)。
  • 沟通和变更管理:数据专员将变更传达给受影响的用户,并管理人员、流程和技术的后续变更

管理新数据的引入具有一定的挑战性,但要抵制诱惑,不要追求一次性的解决方案,以牺牲长期的可扩展性和可重用性为代价来提高速度。你需要对流程进行投资,并利用它来为数据资产创造巨大回报的基础。把上面的例子想象成J曲线的开始:进行彻底的分析和实施,虽然可能会导致短期的“损失”,但却可以带来巨大的、可扩展的长期收益。

步骤3:正式制定运营数据的管理实践以实现持续的数据质量管理

最后一步是编纂数据管理工具和实践,以保持现有数据的质量并支持实现目标业务结果。一流的数据管理程序通常会有明确的程序、节奏和工具来支持以下内容:

  • 主数据管理:支持为所有关键业务数据(如客户、产品)创建单一主参考源的系统和流程,从而减少业务流程中的错误和冗余数量
  • 数据质量审计和监控:通过对工具和自动化流程的部署来帮助识别不符合定义的业务或符合规则的数据,因此不会达到不符合定义的质量阈值
  • 数据质量报告:定义数据质量指标或KPI的实践,定期审查其进度,并确定改进计划
  • 数据存储操作:定义在数据生命周期中(从引入到销毁)存储各种类型数据的位置和方式的实践,同时考虑独特的隐私和法规遵从性
  • 数据管理:在关键业务部门和职能部门之间分配资源,以服务于数据质量策略——以及管理与将新数据引入环境相关的更改。

编纂这些实践可以提高数据的准确性、完整性、一致性、时限、有效性和唯一性。高质量的数据可能是一个快乐的客户和一个不满意的客户之间的区别。对于一个医疗保健客户来说,在控制和监控技术上的大量投资有助于确保动态和静态信息的数据质量,从而使企业能够向客户提供实时信息,并通过物理和数字渠道来提供一致的体验。

一个好的数据治理程序可以提高单个业务功能和单元的性能。一个很好的方法是利用企业的数据来推动企业业务范围内的转型。让你也拥有这一切吧。你将享受到更高的速度、敏捷性,并最终获得更好的业务成果。