《中小企业如何做数据治理.docx》由会员分享，可在线阅读，更多相关《中小企业如何做数据治理.docx（10页珍藏版）》请在第壹文秘上搜索。
1、中小企业如何做数据治理？关于数据治理，现在可以搜到很多的文章和资料，在研究了众多文章之后，发现大多数的文章常见大而全的框架图，方案上搭平台、建架构；案例上都是华为、阿里等头部企业。但是，大多数企业都不具备去实现这些复杂架构的基础条件，比如架构丰富度、数据基础能力、人才储备、内部流程完善度等。本文作者在互联网领域数据板块工作近十年中，长期作为数据治理项目的核心成员，对于数据治理的策略和执行效果有比较深刻的体会。同时在观远数据接触了比较多的传统行业头部企业、中小企业、新锐品牌等，发现中小企业有不一样的数据治理方法。针对数据化建设15年、专职数据团队小于20人的企业，怎么做好数据治理，是本文将要解答
2、的问题。内容目录：01.数据治理的价值02.数据治理的内容03.怎么做数据治理04.总结中小企业和头部企业做数据治理的区别05.常见的坑有哪些01.数据治理的价值为什么要做数据治理，数据治理解决的是什么问题？价值是什么？首先我们需要解决跟老板汇报的问题。很多企业的CIo或者Bl负责人意识到需要做数据治理时，常见是由于出现了指标乱、页面多、任务杂、权限管理不规范等问题，同时还可能伴随性能问题，比如页面卡顿，加载时间长等等。如果解决这些问题相对简单，就不用上升到价值输出层面。但是如果问题严重到需要撬动高层资源去形成一个项目，就需要有更多的价值呈现。在对很多企业数据治理的痛点与最终创造的价值进行收集
3、整理后，我们从四个层面总结了数据治理的价值，供大家参考：一、信息价值。数据系统的基本使用保障，避免高层或者业务方需要看业务指标时无法看数，无法做出运营决策。或者一个指标在不同地方出现不一样的结果，口径、范围等不对齐导致的内部信息传递异常。二、风险控制。规范的权限控制，对不同部门、不同层级的员工进行精准和一致的页面、数据表、任务权限管控，在保障必要的看数需求的同时，也避免数据泄露，满足内部风控部门要求。三、成本控制。出现服务器性能瓶颈，最快速有效的方式就是服务器扩容，但扩容有成本，大多数企业都不能接受无限制的扩容，数据治理本身也是在做服务器的成本管控。四、业务价值。数据治理最大的价值所在。我们发
4、现如果一个企业的数据开发都在IT/数据部门时，往往不会存在数据乱、需要治理的情况。需要治理的情况很多都出现在开发能力往业务团队渗透的阶段，也叫业务推广期或者业务自助分析期。这个阶段不只释放了数据部门同学的人力，也是数据价值飞跃的阶段，业务同学会全面基于数据结论来指导运营决策，甚至去自发地基于自己的业务问题，做更多的数据探索和深度挖掘。在这个阶段做数据治理，保障数据的稳定和规范化的使用，本身就是在极大程度地创造数据的业务价值。Ol020304图示1：数据治理的价值体现信息价值风险控制成本控制业务价值保障看数决策 确保信息准确合理分配权限避免信息泄露提升机器效率降低采购成本数据使用爆发 全面数据探
5、索02.数据治理的内容业内比较认可的数据治理内容可以参考DAMA（国际数据管理协会）发布的车轮图和DMBOK金字塔：数据架构管理数据质量规范数据治理元数据管理数据操作管理项目和服务交付估值文档和内容管理数据安全管理必略组织和角色政策和标准数据开发分析数据建模数据库设计开发数据仓库和 商务智能管理架构,培训和支持 实施监控和调优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/授权获取和储存备份;内容管理检图示2：DAMA车轮图阶段4数据集成和互操作数据安全数据建模 和设计数据存储 和操作数据仓库和参考数据文件和 商务智能和主数据内容管理高端实践阶段3阶段1数据治理数据质数据架构&
6、 2元数据阶段2图示3：DMBOK金字塔但是DAMA车轮图与DMBOK金字塔中的内容对于中小企业而言，既有内容和习惯上的不匹配，又有实际执行中的不够具象。观远数据的建议是重点从五个方面来做：数据表，任务，报表，指标，权限。当然企业实际执行需要考虑当下面临的问题来做选取和新增。具体需要做的内容可以参考下表：常见数据治理内容其他数据治理内容Mmi（大小，/!.保存期眼）数据表Ii擀分篇（dwmid.dm、dn.ten）（Mr主重）ttffl2Hk电据法02ft.Att.漕性）政我猿RX况任务期53偿时）任务侯表奴是（数18股使用含&慢）俄美系任务脑员任务布殁性冷任务性今彩*（CPU两行修HIMit
7、l长）ARB*（w,神精）三三17报表 99表GaB（数挖内容，翕,可柳化，stl） nMtt（冷） 归耳仅疑（Wl.Tdmdim层，以及按营销、商品、采购、仓储等域区分，同时有商品、部门、用户等主键用于权限隔离。 权限控制规范。不同层级表的读写权限控制，有公共库和业务库的区分，全量表和增量表的区分。任务标准化SqI或者etl任务，在执行过程中的读写操作，是性能消耗的最大影响点，同时也决定了数据表数量和数据量的生成速度。任务的标准化对于数据治理而言重要性非常高，可以考虑从以下三个方向： 任务本身规范。包括命名规范，执行规范，全量表增量表的使用规范等。 任务之间的规范。依赖关系要有且清晰，以及层
8、级清晰，层级也不宜太多。 性能最优。需要考虑单任务的执行效率，精准使用不同层级的表，以及不过度生产数据、不重复生成数据。在真正治理过程中发现性能异常的任务，往往都是因为没有做性能优化导致。报表页面标准化报表在企业内会被大规模使用，核心报告也在被高层关注,对报告的标准化管理,能很直观地体现数据治理效果： 分层报表管理。核心公共报表统一管理VS.自由报表单独域或者目录，移动端统一管理VS.PC端自由产出，部门级核心报告VS.次核心报告分层等。 目录规范。一般是建议按照业务属性、部门属性、项目属性进行划分，方便做权限管理。 页面规范。这个就比较细致了，包含对于表头，排版，颜色，字体，对齐，图表大小，筛选器位置，统计表和明细表规则等等一系列的规范。指标标准化在数据治理中，指标的问题是看似简单但往往是问题最大的一类。我们常见的指标混乱
