大數據是指無法使用傳統流程或工具在合理的時間和成本內處理或分析的信息，這些信息將用來幫助企業更智慧地經營和決策。而廣義的大數據更是指企業需要處理的海量數據，包括傳統數據以及狹義的大數據。為了更好地幫助企業進行大數據治理，整理出了大數據治理七個維度，供大家參考。

1   ▏元數據的數據治理

從總量上來看，整個企業的元數據越來越多，光現有的數據模型中就包含了成千上萬的表，同時還有更多的模型等著上線，同時隨著大數據時代的來臨，企業需要處理的數據類型越來越多。為了企業更高效地運轉，企業需要明確元數據管理策略和元數據集成體系結構，依托成熟的方法論和工具實現元數據管理，并有步驟的提升其元數據管理成熟度。

為了實現大數據治理，構建智慧的分析洞察，企業需要實現貫穿整個企業的元數據集成，建立完整且一致的元數據管理策略，該策略不僅僅針對某個數據倉庫項目、業務分析項目、某個大數據項目或某個應用單獨制定一個管理策略，而是針對整個企業構建完整的管理策略。元數據管理策略也不是技術標準或某個軟件工具可以取代的，無論軟件工具功能多強大都不能完全替代一個完整一致的元數據管理策略，反而在定義元數據集成體系結構以及選購元數據管理工具之前需要定義元數據管理策略。

2   ▏推動數據與業務融合

如何準確的定義和描述業務問題是數據治理計劃成功的關鍵，企業可以從對特定問題或領域進行數據治理的緊迫程度以及數據治理能夠帶來的價值來綜合衡量，對排名靠前的問題或領域優先進行數據治理，這樣能充分獲得業務職能部門以及 IT 部門的支持，從而保證數據治理計劃的成功。數據治理初始范圍確定后，執行具體的數據治理工作，等成功后再考慮擴展至其他領域。

總結以往很多企業進行數據治理失敗的原因時可以發現很多經常出現的癥狀，比如：企業未從數據治理中獲得任何價值；數據治理過于長期，和企業專注短期目標不符；IT 部門應對數據質量負責；IT 部門認為數據治理過于復雜，無法順利落地；企業為數據管理員分配了其他職責。

分析以上問題出現的根源，可以發現數據治理計劃失敗的根本原因在于與業務價值缺乏關聯，IT 部門獨自進行數據治理，沒有和相關業務部門進行聯動。數據治理需要所有利益相關方參與，可以從業務角度（而不是技術角度）總結出各種數據治理的價值，從而吸引相關業務領域高層領導的支持，從而保證數據治理可以獲得更高的業務收益。

3   ▏持續評估數據管理能力

根據數據能力成熟度模型（DMM）提供的分類方法，成熟度可以分為 5 個等級，1 級為初始級，此時流程通常是臨時的，整體環境不夠穩定；2 級為受管級，成功是可重復發生的，但可能無法針對組織中所有項目重復流程，存在基本的項目管理和流程規則，但仍有超出預期成本和時間的風險；3 級為定義級，建立了標準流程集，通過組織的標準流程集定制標準、流程描述和項目過程，以適應特定項目或組織單位；4 級為定量管理級，對流程進行定量度量和控制，所選的子流程大大提高了整體流程績效；5 級為優化級，在該級明確了組織的定量流程改進目標，并不斷優化以適應變化的業務目標。

4   ▏構建數據治理組織架構

企業需要組建具有足夠權限的數據治理組織架構以便可以貫穿整個企業各個業務、技術和管理部門對整個信息供應鏈進行治理。針對大數據治理計劃，企業需要明晰大數據治理的目標和關鍵流程圖，以識別大數據治理中的利益攸關者，酌情任命大數據主管并確定新增角色和現有角色的適當組合，確定各個角色應當承擔的大數據責任。

當企業的數據治理計劃相對成熟時，就會有很多確定的角色如首席信息官（CIO）、首席信息安全官（CISO）、首席隱私官（CPO）、首席數據官（CDO）、信息治理主管和數據主管等，企業需要明確這些已經存在的角色是否可以承擔大數據治理職責，還是需要設立新的大數據角色，二者都可以，企業可以根據自己的情況進行選擇。比如很多企業特別是金融機構都會設有首席數據官（CDO），負責制定企業的信息治理計劃，保證整個企業層面的信息可信度，很多時候首席數據官也會將大數據納入其職責范圍。

5   ▏頂層設計企業級數據KPI體系

數據治理需要全面的度量值或關鍵業務指標（KPI）來衡量和跟蹤數據治理計劃的進度，考核數據治理的效果。在大數據時代，通過建立大數據與主數據之間的映射關系可以有效地提高客戶關系管理水平，提高客戶滿意度和忠誠度，提升銷售業績。

比如稅務部門核心征收管理業務都是圍繞著納稅人進行的，每個納稅人都有自己的納稅人登記證號（且符合特定的編碼規則），從省級地稅層面來看，由于一些省份沒有實現核心征管全省大集中或者實現了全省集中，但是核心征管相關的功能分散在多個系統中實現，納稅人登記證號存在多種不符合編碼規則的現象（錯誤錄入或虛假信息），可以將錯誤納稅人登記證號的納稅人記錄的百分比作為數據治理 KPI。數據治理計劃可以使用該度量值定期向數據治理工作組和數據治理委員會報告。

6   ▏打造主數據管理能力

主數據管理問題的存在，是由企業業務發展的漸進性、IT 技術發展的漸進性、業務系統自下而上而不是自上而下、缺乏統一的數據治理和元數據管理共同造成的。正是由于這種漸進性，各企業的業務系統都大體經歷了從無到有，從簡單到復雜，直到形成了一個個業務豎井。

從根本上來說，企業很難只用一個業務系統覆蓋所有的業務，特別是大型跨國公司，同一個業務系統也可能會在不同的國家或地區部署多套，加上企業信息化建設缺少統一規劃，從而造成了需要在各業務系統中共享的主數據被分散到了各個業務系統分別進行管理。分散管理的主數據由于不具備一致性、準確性和完整性，使得各個企業普遍存在著產品、供應商和訂單管理不力的現象，解決這一問題的根本方法就是引入主數據管理。

7   ▏組建大數據創新中心

在大數據時代，企業更需要數據治理，只有對海量數據進行治理，使其變得可信才能幫助企業獲取準確、深入的洞察力。除了滿足監管和風險管理要求外，企業通過對大數據來創造更多的業務價值，比如精細化管理、精準營銷、反洗錢和反欺詐等，當然這一切的前提就是數據是可信的。如果基礎數據不可靠，那么大多數企業的大數據計劃要么會失敗，要么效果會低于預期。

大數據中心主要負責對商業理解、數據理解、數據準備、建立模型模型評估和模型部署過程所涉及的數據、規程、領域經驗和模式等進行監管，保證數據的一致性和準確性，是實現預測分析、構建創新型應用的重要基礎。

▌總結與展望

大數據治理的核心是為業務提供持續的、可度量的價值。大數據治理人員需要定期與企業高層管理人員進行溝通，保證大數據治理計劃可以持續獲得支持和幫助。相信隨著時間的推移，大數據將成為主流，企業可以從海量的數據中獲得更多的價值，而大數據治理的范圍和嚴格程度也將逐步上升。

想了解更多IT資訊，請訪問中培偉業官網：中培偉業