最具影响力的数字化技术在线社区

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

[实践案例] 数据治理实施方案

[复制链接]
发表于 2022-3-18 13:40:01 | 显示全部楼层 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
1、治理难点
数据治理项目不仅要有“诗和远方”的视野进行战略目标规划,也要考虑 “眼前苟且”的实施落地成果交付。
数据治理项目实施方案就是要解决“怎么做”、“由谁做”、“做的条件”、“成功原因”等问题,是项目成败的关键指导。我们都知道数据治理项目涉及的业务范围广、系统范围大、参与人员多,并且数据治理是一个需要不断迭代、持续优化的过程,不能一蹴而就。那么数据治理项目该从何处入手,谁来主导、谁来配合、怎样才能保证项目的成功实施并能够取得效果?
这个问题不好回答。我们看大多数失败的项目都可能会有以下几个特点:目标不明确、范围不清晰、主导人员分量不足、参与人员不够积极、过分迷信技术和工具、过渡依赖外部资源……因此,做正确的事远比正确的做事更加重要,事前想清楚数据战略的致胜逻辑,要比事后总结教训的成本低很多。数据治理项目的成功一定是将以上因素有机整合,忽视某一因素都可能会影响的数据治理的成效。数据治理项目实施是以建设成效为最终成果交付物的软件实施过程,和传统软件实施方法区别甚大。
迪塔维成立了“数据研究院”,由多名15+年以上高校行业的数据专家组成。研究院不断积累方法和提升技术能力,结合30多家高校数据治理的经验,对高校数据治理的实施方法论和落地办法进行经验总结。
2、实施方法
高校行业数据项目实施方法论总结为“五步双线”实施方法论。 “五步双线法”即项目建设过程五步走,项目建设内容两条线。
“五步”即项目建设过程的五个阶段,分别为:
分阶段建设方案具体内容描述如下:
第一阶段:数据现状需求调研
对学校信息化现状的调研和了解,整理各部门/业务系统的信息化建设现状。通过对信息化建设情况的了解,达到摸清学校数据建设的现状和家底的目的。通过数据基础调研后清楚了解数据建设的现状情况。
第二阶段:信息标准规划制定
根据数据基础情况调研结果,参考相关国标、教标及兄弟院校,结合学校的实际情况,制定学校信息标准编制规范。作为主数据建设的依据规范。
第三阶段:数据治理平台部署
按照项目规划进行平台环境安装部署,主要涉及基础数据库环境部署、数据集成平台部署、数据治理平台部署、数据应用系统部署。
第四阶段:基础数据治理集成
1、业务系统数据集成方案整理
根据主数据数据集模型设计,向业务系统提出数据集成需求(字段级别),经业务系统厂商缺失反馈后,形成业务系统数据集成方案,包含上行数据和下发数据两部分,及数据中心需要的数据项和业务系统需要的数据项。
2、完成业务系统数据集成
根据业务系统数据方案,完成数据集成接口实施。数据集成过程中,利用全域数据中心平台中数据治理相关功能(代码管理模块、数据质量管理)进行业务系统对/转标、数据质量检查等数据治理工作的实施。确保进入全域数据中心平台的数据是规范、标准和可用数据。
3、对已有数据集成成果梳理
对已有数据集成的接口进行梳理,整理数据流向和应用场景。根据整理的结果,将已有数据集成接口复制、迁移到全域数据中心平台中。确保全域数据中心平台对现有应用的无缝对接。
第五阶段:数据应用服务建设
本阶段主要根据学校数据应用建设需求,进行数据应用服务建设,以体现数据治理建设效果、为校领导、业务部门和广大师生提供数据应用服务。如数据资源监控中心、个人数据中心、基本校情主题分析、智能填报服务、智慧学生数据服务、数字可视化大屏等。
数据应用服务建设的过程按照产品原型部署、功能确认修改、部分用户试用、意见反馈收集修改的通用流程来完成,保证产品交付质量和用户体验。
“双线”是指建设内容涉及的两条线。在项目建设的五个阶段过程中,学校业务部门、业务系统厂商、信息中心、数据建设厂商按照阶段工作任务不同,不同程度的参与项目建设。根据承担的建设内容的不同,“双线”具体划分为“业务线”和“技术线”两条线。信息中心以双重身份参与项目建设。具体说明如下:
业务线:即以业务管理的身份参与项目过程建设,包括:信息中心、学校业务部门;
技术线:即以技术实现的身份参与项目过程建设,包括:信息中心、业务系统厂商、数据建设厂商。
3、实施落地
数据实施工作最终目标是通过工具和产品将数据建设方法论进行落地操作。根据高校数据建设现状和项目实施经验,我们的实施方法整理总结为“五落地”。即通过项目实施将数据标准、数据集成、数据质量、数据共享和数据服务方面的问题解决落地,并形成工作机制和制度,保证校级数据生态建设的良性运营。

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, 2022-6-25 12:00 , Processed in 0.053616 second(s), 19 queries , Xcache On.

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表