全球最具影响力的商业智能BI、大数据分析、人工智能等数据科学领域的社区媒体和职业发展平台

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
开启左侧

[治理体系] 专家视野:蔡春久—数据资产管理成就企业的诗、远方和理想

[复制链接]
发表于 2019-6-13 22:18:46 | 显示全部楼层 |阅读模式

十年来,蔡春久一直在数据治理领域辛勤耕耘。除了负责中国石化的数据治理项目外,他还带领团队完成了80个世界500强以及中国500强企业的数据治理项目。在由企业网D1Net举办的2019全国CIO大会上,蔡春久分享了对于数据治理和数据资产管理的经验。

数据资产管理的八大痛点

蔡春久表示,当下企业的数据资产管理存在以下痛点:

1、数据处理效率低下。数据采集、预处理等工作的周期较长,方法不够便捷,处理效率低下。

2、数据质量参差不齐。数据冗余、数据缺值、数据冲突等数据质量问题不能被及时发现和有效解决。

3、数据垃圾亟待解决。大量的历史留存冷数据无法被有效识别及处理,形成数据“包袱”。

4、数据价值难以评估。数据评价体系以及数据资产化目前处于初级阶段,数据增值保值以及数据估值衡量问题亟待解决。

5、缺乏统一数据标准。数据登记盘点流程缺乏统一的数据标准,无法有效避免数据混乱冲突、一数多源、多样多类等问题。

6、数据周期规划混乱。对于部分企业来说,其内部数据的采集、传输、存储、应用、开放共享等全生命周期流程的各个环节的规划存在不合理现象。如收集数据时数据源用户处于不知情/非同意状态、违约超范围加工或未做到加工信息隔离等。

7、难以统筹业务管理。数据的增删、修改、使用等权限管理混乱,难以建立全面、准确、完整地反映企业运营状况的单一数据视图。数据需求、数据质量、数据应用等问题的管理和解决分散在不同业务和技术部门,没有一个清晰的协调机制和统一的数据管理渠道,业务不能及时按需获得数据支持。

8、安全监管势在必行。隐私信息、保密信息的访问缺乏有效控制使其脱敏脱密合规,甚至对企业形成潜在的声誉和法律风险等。建立一个可靠的“数据加密保险箱”势在必行。

构建统一的数据资源中心

从以上痛点可以看到,并非企业所有的数据都构成数据资产,无管理的数据等同于垃圾。而数据治理和数据资产管理的目的,正是要让数据为企业带来价值,帮助IT部门从成本中心转变为利润中心、价值中心,为业务提供数据产品,让数据引领业务变革。

目前,业内的不少标杆企业已经实现对多种数据来源的集中采集、统一治理,把结构化和非结构化的数据存储在统一的数据资源中心,并结合数据治理平台,把上下游的数据整合起来,将数据推送到企业一线人员的手上,打造用数据说话、用数据管理、用数据决策的数字化企业。

通过建立统一的数据资源中心,整合企业内外部数据资源,以数据驱动业务创新发展,同时,积极推动各业务域数据应用创新,挖掘数据价值,打造产业竞争新优势,并支撑高效的数据资产运营,提升合作伙伴价值,培育“共享共赢”的新业态。

IT与OT深度融合,让数据发挥价值

随着物联网、传感技术、云计算、大数据等的发展,IT和OT的融合越来越深入。很多工业企业在积极打通IT和OT,实现整个企业的智能化赋能,提升整体的全要素生产率。

“我们把信息系统分成DT层、IT层、OT层、IOT层,所有的位置、设备、物品等都要连接起来,把这四个层面的数据全部汇聚到DT层面实现数据资产的可视化,对外提供服务。” 蔡春九说。

数据资源中心的技术架构

数据资源中心的技术架构包含“一平台+两中心+两体系”,即:数据处理平台、数据共享服务中心、数据分析服务中心,以及数据平台管控体系、数据治理体系,实现统一的数据获取、统一的数据建模,提供多元化的数据服务,保障数据安全,实现数据充分共享互通,实现数据资产的开放运营。

数据资产工具集

数据资产管理工具用于落实数据管理体系,实现数据管理自动化,提高数据管理效率,确保数据质量、实现安全数据共享。主要包括数据门户地图、主数据管理、数据指标、元数据管理、数据模型工具、数据交换与服务工具、数据资产管理、数据开发、数据质量管理、数据安全。

通过实施数据资产工具,可以就是让数据质量变得更好,发掘数据资产的商业价值,实现如下目标:对业务的支撑;降低经营风险、安全保障;对决策进行支持;满足风险控制和外部监管要求和企业持续发展。

数据治理管理项目建设经验

蔡春久分享了国内很多失败的数据治理案例的根源:

第一,数据治理组织保障是否能够真正到位,很多失败的项目把数据治理项目做成IT项目、做成工具项目。数据治理项目实施方法论大概有4个维度,标准规范、数据清洗、工具、运营体系缺一不可,企业要培训数据文化;第二,要调整数据治理的流程;第三是搭班子,成立专门的数据团队;第四是定战略,要真正用数据。

用户是否真正愿意参与也是影响项目成败的关键。很多失败案例里,大多数客户买了一个工具,业务用户不参与,IT自己唱独角戏,不愿意用。另外,这个工具能不能用,是否能真正地解决问题。

蔡春九指出:“要总体规划、局部试点、全体推广,要迭代、要快速开放,按照微服务架构进行快速开发,否则这个工具用不起来。还要现场跟踪服务,做到保驾护航。我们能不能用、用户愿不愿用,‘用’才是真道理。”

来源: 企业网D1Net


楼主热帖
168大数据(www.bi168.cn)是国内首家系统性关注大数据科学与人工智能的社区媒体!
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2019-7-22 00:11 , Processed in 0.108429 second(s), 20 queries , Xcache On.

Powered by BI168社区

© 2012-2014 海鸥科技

快速回复 返回顶部 返回列表