2023数字化转型战略下的企业数据治理方法论与解决方案.pptx

,数字化转型战略下的企业数据治理方法论与解决方案,数字化技术革命对组织建设与运营的影响,数字化技术加速发展，成为引领新一轮科技革命的主导力量,主机,客户端/服务器,互联网 1.0,数字化,认知,文件系统批处理和在线事务处理,个人电脑图形化用户界面关系型数据库软件包,B2BB2C电子商务ERP,社交网络,移动设备,大数据,云计算物联网自动化技术,机器学习人工智能虚拟化机器人,自动化数据处理,知识型工作;企业重构,互联的客户;全球化的IT采购；,数字化业务,人工智能，决策系统;预警认知；机器人员工,1970s 1980s,1990s,2000s,2010 2020,20202030,核心驱动技术,新的商业模式,技术发展浪潮,新技术驱使企业商业模式和运营方式发生变化,在开放化、服务化、生态化的企业运营模式下，数字化技术引领企业的商业模式发展,IT时代计算机+软件,互联化时代云服务+数据服务,模式单一、重复建设、各自为阵,一切皆服务（XaaS）、万物互联、敏捷,云化的平台式架构,“烟囱式”孤立系统,服务化,组件化,池化,自动化,集成化,互联互通,体验一致,资源开放,成本节约,数据共享,企业需要引入云架构及平台化思想，建立创新敏捷的数字化生态环境，驱动并引领业务创新发展,IT平台化发展，实现面向互联网+模式的转型采用全新的厚平台微应用架构设计理念，从竖井式的系统建设向“云计算”架构转变建立前店后厂敏捷的数字化架构体系，前台应用敏捷化、共享化，后台技术平台标准化建设数字化统一平台（中台）提供高质量、可重用的平台服务通过标准化组件，模块化快速开发部署,“厚平台”,互联服务,计算资源,存储资源,网络资源,数字化技术平台,生态型企业应用,数据服务,集成服务,应用运行服务,企业业务应用向云端迁移，企业数据架构也要从以前以应用为中心的架构模式，向以分析为中心的架构模式转变,云模式将各个分散业务应用的数据资源集中在一起，形成统一的数据资源池，为集中、高效的数据分析提供了可能，推动了企业数据架构由以前应用为中心的模式，向分析为中心的模式转变,基于业务应用的数据分析(仅分析来自于本业务应用的数据）面向应用的分析人员面向应用的数据管控,从以应用为中心,到以数据分析为中心,驱动力：云,业务应用的数据资源统一集中到云,综合性数据分析平台专业的数据分析团队统一的数据管控机制,需要构建集团统一的数据管控体系,统一数据平台包含三个方面：统一的数据分析平台、集中的数据管控组织、统一的数据管控工具，其中，统一的数据分析平台是组织和工具发挥作用的基础和核心,数据分析平台,数据存储与分析,ERP,CRM,物联网数据,移动设备数据,社交网络数据,日志数据,经营管理类应用,客户服务类应用,生产营运类应用,数据接入,数据分析服务,投资项目管理,风险管理,智能企业,智能工厂,电商平台,支付与金融,.,数据组织,数据管控工具,企业数据治理方法论与解决方案,数据治理的范畴,数据治理战略组织和角色政策和标准项目和服务问题估值,数据架构管理企业数据模型价值链分析相关的数据架构,数据质量管理规范分析度量改进,元数据管理架构整合控制交付,文档和内容管理获取和储存备份和恢复内容管理检索保留,数据开发分析数据建模数据库设计实施,数据操作管理获取恢复调优保留清除,数据安全管理标准分级管理授权审计,参考数据和主数据管理外部规范内部规范客户数据产品数据维度管理,数据中心和商务智能管理,架构事实,培训和支持监控和调优,数据管理框架,从上至下指导，从下而上推进，形成一个多层次、多维度、多视角的全方位框架。,数据治理整体思路,重新组织数据重新组织数据，让数据变得 更好用。,主数据建设真实世界模型数据仓库数据标签和画像,盘点数据资产,让数据成为资产，了解企业有哪 些数据，在哪里，有多少量级。,业务流程梳理数据流程梳理,数据识别与分类,让资产变得干净，少歧义,通过数据ETL，建立数据标准化。数据采集与清洗,数据标准化,数据治理的延伸：数据管理数据治理的结束是数据管理的开始。,数据资产透视智能搜索和发现主数据管理,数据治理持久化对数据治理工作持久化，一 次治理，永久治理。,数据治理工作日常化元数据和标准化治理维护,更新新类型数据的自动化治理,数据资产盘点,在数据治理的实际操作中，只有先发现数据，对数据进行有效分类，才能避免一刀切的控制方式，也才能对数据的安全管理采用更加精细的措施，使数据在共享使用和安全使用之间获得平衡。,04,02业务流程梳理,03业务流程分解,梳理业务与业务之间的流程关系，业务流程本身的输入输出上下文情 况；补充每个业务流程涉及的属性；,识别各业务环节涉及的人、事、物，输入、输出、组件和数据沉淀；输 出业务流程图；根据梳理好的业务流程图，转换成,对应的数据流图；,01业务系统调研调研业务系统情况：建设目标、系统类型划分；系统运行架构、硬件支撑情况；使用者、用户来源和规模；06数据分级分类根据行业标准和特点对于数据资产 进行分类；将数据资产划分为公开、内部、敏 感等不同的敏感等级；,数据标准梳理,05业务关系梳理梳理业务与业务之间的关系业务流程逻辑、业务交互数据；业务权限分配、输入输出控制；访问权限控制、操作流程规范；风险规范要求等；,对于业务数据按照主体、参考、交易、统计进行分类，并梳理出数据的技术 标准和业务标准；补充和整理完整的数据字典；,让数据变得更干净，少歧义,如何让数据变得干净可用？主要从三个方向入手：数据采集与清洗、对元数据进行管理、数据标准化治理,