赞
踩
数据治理(Data Governance,DG)的定义是在管理数据资产过程中行使权力和管控,包括计划、监控和实施。在所有组织中,无论是否有正式的数据治理职能,都需要对数据进行决策。建立了正式的数据治理规程及有意向性地行使权力和管控的组织,能够更好地增加从数据资 产中获得的收益。
数据治理职能是指导所有其他数据管理领域的活动。数据治理的目的是确保根据数据管理制度和最佳实践正确地管理数据。而数据管理的整体驱动力是确保组织可以从其数据中获得价值,数据治理聚焦于如何制定有关数据的决策,以及人员和流程在数据方面的行为方式。数据治理项目的范围和焦点依赖于组织需求,但多数项目都包含如下内容:
数据治理和管理职责语境关系图如图3-1所示。
数据治理最常见的驱动因素是法规遵从性,特别是重点监控行业。例如,金融服务和医疗健康,需要引入法律所要求的治理程序。高级分析师、数据科学家的迅猛发展也成为新增的驱动力。尽管监管或者分析师可以驱动数据治理,但很多组织的数据治理是通过其他业务信息化管理需求所驱动的,如主数据(MDM)管理等。 一个典型场景:一家公司需要更优质的客户数据,它选择开发客户主数据平台,然后接下来意识到成功的主数据管理是需要数据治理的。
数据治理并不是到此为止,而是需要直接与企业战略保持一致。数据治理越显著地帮助解决组织问题,人们越有可能改变行为、接受数据治理实践。数据治理的驱动因素大多聚焦于减少风险或者改进流程。
数据管理专家可以将其他治理的概念和原则应用于数据治理。通常将审计、会计与数据治理放在一起比较,审计员和财务主管设置管理财务资产的规则,数据治理专家制定管理数据资产的规则,然后其他领域执行这些规则。
数据治理不是一次性的行为。治理数据是一个持续性的项目集,以保证组织一直聚焦于能够从数据获得价值和降低有关数据的风险。 可以由一个虚拟组织或者有特定职责的实体组织承担数据治理的责任。只有理解了数据治理的规则和活动才能达到高效执行,为此需要建立可运转良好的运营框架。
数据治理要与IT治理区分开。IT治理制定关于IT投资、IT应用组合和IT项目组合的决策,从另一个角度还包括硬件、软件和总体技术架构。IT治理的作用是确保IT战略、投资与企业目标、战略的一致性。数据治理仅聚焦于管理数据资产和作为资产的数据。
数据治理的目标是使组织能够将数据作为资产进行管理。数据治理提供治理原则、制度、流程、整体框架、管理指标,监督数据资产管理,并指导数据管理过程中各层级的活动。
正如财务审计人员实际上并不执行财务管理一样,数据治理确保数据被恰当地管理而不是直接管理数据(参见第15章)。数据治理相当于将监督和执行的职责分离。数据治理和数据管理的关系如图3-2所示。
数据治理可以从政治治理的角度来理解。它包括立法职能(定义策略、标准和企业架构)、司法职能(问题管理和升级)和执行职能(保护和服务、管理责任)。
图3-3展示了一个通用的数据治理组织模型。在组织内部(垂直轴)的不同级别上进行活动,并在组织功能内以及技术(IT)和业务领域之间分离治理职责。
数据治理工作必须支持业务战略和目标。数据治理活动跨越了组织和系统的边界,以支持整体的数据视图。成功的数据治理应当是清楚地了解需要治理什么、怎么治理以及谁来执行治理。 相对于孤立、特定的功能领域,当数据治理是一项企业层面工作时,效果最为显著。
评估当前组织的信息管理能力、成熟度和有效性,对于制订数据治理的计划至关重要。
典型的评估: 数据管理成熟度、变革能力、协作准备、与业务保持一致
数据治理项目必须能够被找到并提供特定的价值来为组织作出贡献。
通过评估活动将识别和评价现有制度、指导方针的有效性,如它们处理了哪些风险、鼓励了哪些行为以及 实施的情况,同时还能够识别数据治理的机会,以此提高数据及内容的实用性,并把业务调整的商业利益附加在数据治理要素中。
通过数据质量评估可以洞察现有问题和障碍以及低质量数据的影响,还可以识别使用低质量数据执行业务流程存在的风险,以及作为数据治理工作组成部分的数据质量项目带来的财务和其他收益。
数据管理实践评估的过程中可能找到一些有能力的用户,为正在进行中的数据治理活动创建一个潜在代理的初始列表。
协调工作的一部分包括为数据治理工作制定组织接触点。
1)采购和合同(Procurement and Contracts)
首席数据官与供应商/合作伙伴的管理部门或者采购部门合作,制定和执行关于数据管理合同的标准文本。
2)预算和资金(Budget and Funding)
如果首席数据官没有直接控制所有与数据采购相关的预算,那么数据管理办公室将成为防止重复工作及保证优化获得数据资产的焦点。
3)法规遵从性(Regulatory Compliance)
首席数据官在不同地区、国家和国际监管环境中工作,要理解这些环境如何影响组织及其数据管理活动。
4)SDLC/开发框架(SDLC/Development Framework)
数据治理规划中确定了在系统或应用程序开发生命周期中制定组织策略、流程和标准的控制点。
数据治理战略定义了治理工作的范围和方法。应根据总体业务战略以及数据管理、IT战略全面定义和明确表达数据治理战略。应根据每个组织制定具体内容,交付物包括:
在构建组织的运营框架时需要考虑以下几个方面:
数据治理层通常作为整体解决方案的一部分。这意味着确定管理活动职责范围、谁拥有数据等。运营模型中还定义了治理组织与负责数据管理项目人员间的协作、参与变革管理活动以引入新的规程以及通过治理实现问题管理的解决方案。
通常由数据管理专业人员、业务策略人员,在数据治理组织的支持下共同起草数据治理的目标、原则和制度,然后由数据管理专员和管理人员审查并完善,最终由数据管理委员会(或类似组织)进行终审、修订和发布采用。
管理制度可能包含多个不同方面内容,如:
必须有效地沟通、监督、执行和定期复评数据管理制度。数据管理委员会可将此权力委托给数据管理指导委员会。
改进数据管理能力的举措可为整个企业带来好处。这些通常需要来自数据治理委员会的跨职能关注和支持。推动数据治理项目关键是阐明数据管理提高效率和降低风险的方法。组织如果想从数据中获得更多价值,则需要有效优先发展或提升数据管理能力。 数据治理委员会负责定义数据管理项目的商业案例,监督项目状态和进度。
组织变革管理(Organizational Change Management,OCM)是进行组织管理体系和流程变革的管理工具。组织需要组建一个团队来负责以下事项:
问题管理是识别、量化、划分优先级和解决与数据治理相关的问题的过程,包括:
如图3-7所示。数据治理计分卡可用于识别与问题相关的趋势,如问题在组织内发生的位置、根本原因等。
开展数据治理需要在以下几个方面建立控制机制和流程:
通过问题管理为数据治理团队建立了信任,减轻了生产支持团队的负担,这对数据消费者有直接、积极的影响。通过解决问题也证明了数据管理和质量的提高。
每个组织都受到政府和行业法规的影响,其中包括规定如何管理数据和信息的法规。数据治理的部分功能是监督并确保合规。合规性通常是实施数据管理的初始原因。对管理信息资产有重大影响的部分全球性法规如下:
数据治理的最佳方式是创建一个实施路线图,说明不同活动间的关系和整体时间框架。例如,如果数据治理项目的重点是提高合规性,则优先事项可能由特定的法规要求驱动。在联合数据治理组织中,根据不同业务线的 参与程度、成熟度以及资金来源,可以在不同时间表上执行不同业务线的数据治理。 高优先级的前期工作包括:
标准被定义为“用来判断其他事物质量的好东西”或“由权威建立和确定,作为衡量数量、重量、范围、价值或质量的规则”。因为标准提供了一种比较方法,所以其有助于质量的定义。数据标准可以采用不同的形式,具体取决于所描述的内容:关于如何填充字段的要求、控制字段之间关系的规则、可接受和不可接受值的详细文档、格式等。 数据标准应由数据治理办公室或授权工作组(如数据标准指导委员会)审查、批准和采用。数据标准文档中的详细程度在某种程度上取决于组织文化。
数据标准必须得到有效沟通、监控,并被定期审查和更新。最重要的是,必须有强制手段,对数据可以根据标准进行测量。数据管理活动 可由数据治理委员会或数据标准指导委员会按照规定的时间表或作为SDLC批准流程的一部分进行审核,以确保符合标准。
数据管理知识领域内的标准化概念示例如下:
数据管理专员通常负责整理业务术语表的内容。业务术语表具有如下目标:
将价值评估过程构建在数据战略路线图中,以便为质量问题的解决方案以及其他治理方案的业务案例提供依据。
数据治理组织的一个目标是将治理活动嵌入到数据作为资产管理相关的一系列流程中。数据治理的持续运作需要规划。可持续性意味着采取行动,保证流程和资金到位,以确保可持续地执行数据治理组织框架。
数据治理从根本上讲是关于组织行为的。这不是一个可以通过技术解决的问题。但是,仍需要一些工具支持整个过程。在为某些特定功能(如业务术语表解决方案)工作选择工具之前,组织应该通过定义总体治理目标和需求来选择适合的工具。
数据治理也应该能够线上体现,可以通过中心门户或者协作门户提供核心文档。网站可以容纳文档库,提供搜索功能,帮助管理简单的工 作流。通过LOGO和统一视觉展现,在一个网站上可以帮助建立相应的品牌。数据治理规划的网站应该包括如下内容:
业务术语表是数据治理的核心工具。
更大的组织可能会考虑使用强大的工作流工具来管理流程,如实施新的数据治理策略。
治理团队经常使用文档管理工具协助管理策略和规程。
它是跟踪数据治理活动和制度遵从性的指标集合,通过自动记分卡的形式向数据治理委员会和数据治理指导委员会报告。
数据治理要么起始于一些重大项目(如MDM主数据管理),要么通过区域或者部门试点。大多数推广策略都是渐进式的,很少有直接在整个组织范围内部署的情况。
有效而持久的数据治理需要组织文化的转变和持续的变革管理,文化包括组织思维和数据行为,变革包括为实现未来预期的行为状态而支持的新思维、行为、策略和流程。
组织变革目标是可持续性的。可持续性是过程的质量指标,以此衡量过程持续增值的难易程度。维持数据治理规程需要对变化作出计划。
数据治理团队要有灵活性,并且能够随着条件的变化调整相应的方法。管理和沟通变更所需的工具包括:
为应对长期学习曲线的阻力和挑战,对数据治理项目必须要有通过证明数据治理参与者如何增加业务价值和实现目标的指标来衡量进展和成功。
数据治理指标的示例包括:
数据治理: 对数据资产管理行使权力、控制和共享决策(规划/监测和执行)的系列活动。
数据治理职能: 指导所有其他数据管理领域的活动。
数据治理的目的: 确保根据数据管理制度和最佳实践正确地管理数据。
数据管理的整体驱动力: 确保组织可以从其数据中获得价值。
数据治理聚焦: 如何制定有关数据的决策、人员和流程在数据方面的行为方式。
数据治理项目包含的常见内容: 战略、制度、标准和质量、监督、合规、问题管理。
业务驱动因素: 法规遵从性(常见)。聚焦减少风险和改进流程。
数据治理的目标:
有效数据治理的特征: 可持续发展、嵌入式, 而不是附加流程管理。
数据治理的基础原则:
以数据为中心的组织对待数据的原则:
典型数据治理委员会: 数据治理指导委员会;数据治理委员会;数据治理办公室;数据管理团队;本地数据治理委员会。
数据治理运营模型类型:集中式治理;分布式治理;联邦式治理。
数据管理活动集中于:
数据管理岗位的类型:首席数据管理专员;高级数据管理专员;企业数据管理专员;业务数据管理专员;数据所有者;技术数据管理专员;协调数据管理专员。通常最好的数据管理专员都是在工作中被发现的,而不是靠培养的。
数据制度包括对数据治理管理初衷的简要说明和相关基本规则,贯穿数据和信息的全过程,是全局性的。不同组织制度差异大,描述了数据治理的 “什么“
,标准和规程描述了数据治理的 ”如何“
。
数据资产评估: 理解和计算数据对组织的经济价值的过程。数据具有不可互换性,只有在使用时才有价值,使用会伴随风险。其他度量价值的方式:1 替换成本;2 市场价值;3 发现商机;4 售卖数据;5 风险成本。
数据资产会计准则:问责原则;资产原则;审计原则;尽职调查原则;持续经营原则;估值级别原则;责任原则;质量原则。
数据治理活动:
【活动1-1】规划组织的数据治理-执行就绪评估。典型的评估包括:
【活动 1-2】规划组织的数据治理-探索与业务保持一致。数据治理项目必须能够被找到并提供特定的价值来为组织作出贡献。例如,减少监管机构的罚款。通过评估识别和评价现有制度/方针的有效性,找到特定的价值。关键评估:数据质量分析。数据管理实践的评估。
触点(治理介入点):1.采购和合同。2.预算和资金。3.法规遵从性。4.SDLC/开发框架。(触点:突破口、价值点、抓手、切入点·)首席数据官影响组织触点,支持企业在管理其数据时的凝聚力,也会增加企业使用数据的敏捷性。从本质上来讲,这是组织如何理解和看待数据治理的一个态度。
数据治理战略定义治理工作的范围和方法。交付物:章程。运营框架和职责。实施路线图。为成功运营制订计划。
【活动 2-1】制定数据治理战略-定义数据治理运营架构。需要考虑:
【活动 2-2】制定数据治理战略-制定目标、原则和制度:
【数据治理办公室 DGO】认证确认组织用到的数据,批准成为业务拥有者。【业务拥有者】在其业务领域委派【数据管理专员】,【数据管理专员】的日常职责是协调数据治理活动。
【活动 2-3】制定数据治理战略-推动数据治理项目。 数据治理委员会负责定义数据管理项目的商业案例,监督项目状态和进度。关键:阐明数据管理提高效率和降低风险的方法。
【活动 2-4】制定数据治理战略-参与变革管理。组织经常面临管理项目上的变迁,而不是管理组织体系进化。成熟的组织在变革管理中建立清晰的组织愿景,从高层积极引导和监督变革, 设计和管理较小的变革尝试,再根据整个组织的反馈和协同情况调整变革计划方案。组织需要组建一个团队来负责:
沟通的重点:
【活动 2-5】制定数据治理战略-参与问题管理。问题管理是识别、量化、划分优先级和解决与数据治理有关问题的过程: 1)授权。2)变更管理升级。3)合规性。4)冲突。5)一致性。 6)合同。7)数据安全和身份识别。8)数据质量。
开展数据治理需要在以下方面建立控制机制和流程:
80%-85%的问题在业务单元数据治理、数据管理团队中解决。20%在数据治理委员会解决。5% 升级到数据治理指导委员会解决。
【活动 2-6】制定数据治理战略-评估法规遵从性要求。合规性通常是实施数据管理的初始原因。对管理信息资产有重大影响的部分全球性法规:
【活动 3】实施数据治理。最佳方式是创建一个实施路线图。有些数据治理工作是基础性,可分为初始阶段和持续阶段。 高优先级的前期工作有:
【活动 3-1】实施数据治理-发起数据标准和规程。
【活动 3-2】实施数据治理-制定业务术语表。 数据管理专员通常负责整理业务术语表的内容。
【活动 3-3】实施数据治理-协调架构团队协作。
【活动 3-4】实施数据治理-发起数据资产估值。 【数据治理委员会】应组织开展数据资产估值工作,并为此设置标准。
【活动 4】嵌入数据治理。 将治理活动嵌入到数据作为资产管理相关的一系列流程中。可持续性意味着采取行动,保证流程和资金到位,以确保可持续地执行数据治理组织框架。通常为了加深组织对数据治理的理解,可通过其本地应用创建一个感兴趣的数据治理社区来加强相互学习。
数据治理的工具和方法:数据治理流程必须有效管理自己的工作和数据。线上应用/网站。业务术语表(业务术语表是数据治理的核心工具)。工作流工具。文档管理工具。数据治理计分卡。
数据治理实施指南: 定义规程/运营计划——>实施路线图——>启动治理。一般始于重大项目、试点、渐进式。
有效而持久的数据治理: 需要组织文化的转变和持续的变革管理,文化包括组织思维和数据行为,变革包括为实现未来预期的行为状态而支持的新思维、行为、策略和流程。
管理和沟通变更工具:业务战略/数据治理治理蓝图。数据治理路线图。数据治理的持续业务案例。数据治理指标。
数据治理成功与否的度量指标:
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。