公司最重要的资产是数据,数据治理策略对于任何使用大数据的组织来说都是必不可少的,成功的数据治理框架可产生高质量的数据,这将有助于组织做出更明智的业务决策。
另一类是指广义的数据治理,是指包括数据指标口径治理、数据安全治理、数据资源成本治理、数据资产元数据治理、数据产出治理等在内的大治理,此类数据治理是需要综合解决数据从采集加工到应用分析再到销毁全生命周期内的口径、成本、安全、合规和产出问题。
其实,数据治理战略层面的设计总结就两点:
第一,数据治理是一个系统性工程。
数据治理主要面对三个问题,一是用户心智培养问题,二是组织保障问题,三是系统提效问题。
第二,数据治理又是一个抓大放小的工程。
数据治理本质是减熵的过程,是建立秩序,因此任何的治理本身是逆人性和逆客观规律的,需要源源不断投入能量(资源)才能维持熵值平衡。
但问题就在于,人性天然有建设性和破坏性两面,想要秩序的存在并维持下去,本身就是需要投入非常大的建设精力和成本的,而且这个成本还不是一成不变的,它是随着公司资产的累加而增加的,也是会随着公司战略、制度和文化的革新变化而变化的。
因此,数据治理工程中追求完美主义是不可取的,我们要学会分类分级,学会判断优先级,学会抓大放小,允许有序和无序的并存。
欢迎扫码回复“数据治理”参与活动,领取《数据治理策略》电子书。
这本电子书收录了腾讯、顺丰科技、货拉拉、网易、袤博科技5家企业在数据治理方面的思考和实践经验,包括数据治理平台建设、数据资源管理、不同场景下的数据治理策略等。
*本文参考:
PART
01
电子书目录
1. 腾讯欧拉数据治理平台思考与实践
欧拉数据治理的整体思路是通过平台能力+治理专项的推进来互相牵引,实现数据治理的最佳实践落地。主要有以下 4 方面措施:
① 需要数据规范与标准,拉齐各业务数据标准
② 需要完整的全链路元数据能力,从而明确数据到底发生了什么,什么地方需要治理,提升数据的可观测性、空间感
③ 需要构建统一数据实体、统一数据模型、统一数据服务,做到数据生产即治理
④ 需要统一的治理评价体系,配合治理专项,推动和牵引治理落地
2. 腾讯音乐数据资源管理实践
本文将分享腾讯音乐在数据资产管理方面的落地实践,以及我们的数据治理方法。分享的主要切入点是腾讯音乐通过数据治理完成企业内部资源管理和成本管理,达到治理数据以及降本增效的目的。主要包括以下几部分内容:
① 数据治理的背景
② 数据治理的方案以及实践落地
③ 数据治理效果
3. 顺丰科技数据治理实践
顺丰数据治理的整体框架中,最顶层的设计战略主要是政策规范。顺丰有顺丰集团的数据治理总纲,基于总纲,还制定了主数据管理规范、指标口径管理规范、数据安全管理政策等各类政策规范。
数据治理领域主要包含元数据管理、主数据管理、交易数据管理、指标数据管理、以及数据安全、数据质量、数据标准。我之前参与过华润、华为、碧桂园的数据治理工作,在数据治理领域方面,各公司大同小异,有些公司不包含交易数据,有些公司会包含数据服务,数据模型管理等。在顺丰主要关注元数据、主数据、交易数据、指标数据的安全、质量和标准的管理。
4. 货拉拉数据治理平台建设实践
货拉拉在数据治理过程中,在以下四个环节做了相应工作:
组织保障:明确成员角色,明确职责分工;我们成立了存储治理小组、计算治理小组,以及稳定性保障小组。
制度建设:制定标准流程,保证落实执行;如我们制定了大数据接入规范、数据开发规范、数据模型规范,这些都是需要长期推广和落地的过程。
项目落地:开展专项治理动作,比如存储治理、计算治理等;实践证明专项治理的效果比较明显,但问题是比较耗时耗力;不是长效机制,是一种运动式的治理,需要把能力产品化,让数据责任方自助式治理,驱动自主治理。
平台支撑:研发支撑系统,提质增效。
5. 网易云音乐数仓治理之数据任务重构实践
云音乐数仓在经历了前期混沌摸索,中期建设完善,如今已逐步形成了一套适合自己的数仓体系和建设规范。增量模型及任务全部走线上设计评审流程,但仍有大量历史任务“年久失修”等待治理。本文以重构会员自动化运营模型为例,分享下数据任务重构实践。
6. 现代数据治理:网易有数数据治理演进
网易数帆数据治理发展过程的第一个阶段为统建中台,先设计后开发。
我们提出的解决方案是先设计后开发,其实就是建中台。主要分为指标定义、模型定义、数据开发三个步骤。
7. 数据治理一体化在Mobtech金融风控场景下的实践
数据治理既然是一个全链路的,那么可以抽象成哪些模块去做数据治理呢?这里认为可以抽象出四大模块:一是数据安全,二是数据规范,三是资产管理,四是数据质量。
本文结合MobTech公司在金融行业的情况,分享一下金融行业数据治理的需求。虽然数据治理是一个通用的框架,各个公司都可以遵循,但仍需要结合行业对数据的要求,及应用场景等特点来开展数据治理工作。
8. 数据治理的21个有效策略
网友评论已有0条评论, 我也要评论