数据治理实战：滴滴数据资产管理产品解决方案

过去两年“ 数字化转型”、“ 数据中台”概念大热，各企业纷纷把数据体系建设提升到战略高度。但数据部门对内支撑的时候，往往会又会被各部门挑战质疑。

老板：“这些数据到底能产生多大的价值？”

IT采购部门：“为什么买了这些多服务器，数据要存这么长时间？”

业务使用方：“今天要出个报表，能不能尽快把数据给准备好？”

   

站在不同立场看待数据资产管理有不同视角：

企业管 理者 ：数据资产盘点困难，数据的价值流向？

业务分析人 员 ：如何让业务同学快速、准确的发现和使用最合适的数据？

平台维护人员 ：如何识别出企业重要的数据，有针对性的保障关键业务数据、提升数据质量？更进一步做好成本优化和服务保障？

解决方案

传统数据资产管理产品重标准、强管控、轻运营，企业在采购相关产品后通过单一项目完成数据资产周期性的梳理与质量提升，但随着项目周期结束，数据质量与业务价值的问题又会重复发生，缺少可持续优化资产的抓手。

滴滴云针对传统数据治理与数据仓库实施周期长、成效不明显、难以持续改进等问题，设计了一套面向现代化数据资产管理的精益敏捷解决方案。

滴滴数据资产管理解决方案是以建立长期数据运营体系为出发点，通过构建人-人、人-数据、人-知识、数据-数据之间的关系，可以把整个公司的数据资产构建成知识图谱。面向企业客户打造平台可运营、价值可量化、知识可沉淀的解决方案。

方案特点

part01：量化数据的价值

对于数据部门来说，希望用 数据价值来驱动数据体系的建设。当然，第一步就是要把数据的价值进行量化。然而，数据价值如何量化？是个谜。考虑一个现实的问题，度量数据价值时，我们更想讨论的其实是数据的重要程度。这个重要程度可以体现在方方面面：如对业务贡献的重要程度、在SLA保障时的重要程度、成本优化的重要程度等。度量数据的重要程度，我们是在数据间拓扑结构的基础上来进行的。这个方案或算法，称之为DataRank，综合了数据开发、引用、质量、成本等多个分析因子，让企业管理者清晰地了解数据资产分布及价值流向。

     

DataRank是价值驱动的数据体系的核心，它是公司在数据建设上的雷达，并且可以通过组织来建设、产品来承载、运营来推动，是提升公司数据文化的一种有效途径。它的核心思想与PageRank的思路有些类似，被使用越多的数据，越重要。在DataRank之上再构建数据资产保鲜、团队价值流转、成本优化、核心资产保障等数据资产运营场景，形成可见、可控的企业数据资产大盘。

Part02：促进数据流通与使用

在业务方要使用数据时，普遍存在找数难、不好用、不敢用、不能用的问题。因此，为了让数据更好的被理解和流通使用起来。需要做好快捷方便的查找、数据信息的完善、数据质量的可信以及降低使用门槛。

         

如上图，如何消除数据的查找、理解、信任、使用4个阶段上耗费的时间是解决数据流通问题的关键，我们希望通过滴滴数据资产管理平台可以建立一座业务方与数据方沟通的桥梁，其主要能力包括以下几点：

企业级数据门户：打破数据孤岛，智能识别资产信息，高效查找业务所需数据；快速接入企业级数据，整合企业内外部数据。

知识图谱：深度挖掘数据知识，自动构建表，字段级血缘，数据使用统计等；经过持续机器训练的智能推荐、智能预警，可多角度描述数据，辅助数据理解，加快数据分析。

交互分析笔记本：支持使用SQL、Python、Spark等，交互式探索数据，以思维导向深度或广度分析解决问题。

智能SQL查询：智能SQL IDE，支持多种数据源的元数据和数据查询；通过智能推荐、智能预警提高工作效率；便捷的SQL模板管理及分享。

数据协作与共享：协作式数据分析及可视化，分钟级响应需求。一键分享，赋能业务，用户可自助、灵活、按需使用数据。

企业知识沉淀：借助于开放的内容及评论体系，各个用户可以分享自己的数据使用经验、案例，不断提升自身的同时加强对数据的理解并分享给他人，从而沉淀数据知识。

滴滴数据资产管理产品，可以根据企业数据治理阶段做到定制化研发，以国内某大型企业为例，在使用滴滴云数据资产管理产品解决方案后，数据管理系统的NPS（用户净推荐值）短短半年时间提升60%＋。

来自：ITPUB博客，链接：http://blog.itpub.net/31559758/viewspace-2683986/