企业数据治理过程中遇到的困难和挑战，应该怎么解决？
2023-03-13 16:13:00
次
企业数据治理普遍存在的困难和挑战主要有以下4个方面：
1、找不到：业务人员/管理者不知道企业有哪些数据，各类数据都存储在哪个业务系统，没有一个统一的地方去搜索，也不知道该问谁要。
2、看不懂：业务人员/管理者拿到了数据却看不懂，数据的描述方式具有很强的专业性和技术性，很难知道业务含义，也不清楚数据与业务之间的关系到底是什么，对于数据资产完全不清晰。
3、用不了：企业数据分散、多源、异构，各业务系统数据质量差、数据标准不统一、数据整合困难，导致数据不能直接使用。
4、管不住：数据治理是一个组织的全局性项目，需要跨组织的沟通协调，而任何一个单一部门都很难直接协同其他平级部门，需要有企业级统筹的组织和统一的管理方式来运营。
美林数据作为国内知名的数据治理和数据分析服务提供商，结合自身多年数据治理经验和对数据治理深刻理解下，有别于其他数据治理厂商的独特理念：
1、业务驱动、价值为先：美林主张面向业务做数据治理，解决具体业务场景数据问题，并不是为了数据治理而治理，也不是一次要治理所有数据。
2、标准为基、融合推进：标准作为基础和最终的目标，数据治理慢慢的道路中，通过融合等手段解决历史问题，推进数据治理工作前进，最终实现标准统一。
3、AI赋能、增强治理：美林具备自研智能算法，主张借助智能手段增强数据治理的效率和效果，摆脱人工治理。
1、数据战略：数据战略是确定数据治理的方针与策略，解决数据治理工作怎么管的问题。数据战略阶段主要有3项工作，第一：制定企业数据战略目标，进行企业现状盘点、数据管理能力成熟度评估和制定企业数据战略；第二：制定企业数据管理办法，包括制定一套数据管理制度、一套数据管理流程和一套数据管理组织架构；第三：构建企业数据治理体系，包括制定一张企业业务域蓝图、一套企业数据标砖规范和一套企业统一数据模型。
2、湖仓建设：数据仓库解决了结构化数据的问题，数据湖解决了
非结构化数据的问题，美林提出湖仓一体的方案，将结构化数据和非结构化数据结合，支撑数据治理及数据应用。
3、数据治理：数据治理方法很多，常见的比如顶层设计、标准先
行、技术驱动、项目建设等，美林根据多年的探索和实际应用经验，提出了业务价值驱动数据治理的新理念：
（1）业务先行、价值驱动：以切实需要的业务场景和核心利益为出发点，驱动数据治理，倒逼提升数据质量。
（2）标准为基、融合推进：当前企业或多或少都经历的多年的信息化建设，很少有企业能一开始就制定好数据标准，并在所有的系统建设中都严格遵守这个标准。美林数据对此创新性的提出了“融合先行，终向统一”的思路，对存量系统和新系统的数据治理实行分而治之。针对存量系统，为了不影响业务运行、避免系统改造、降低历史数据影响，美林采用统一接入、映射关联的方案，满足跨业务应用的需求，解决一物多码的问题。针对新系统，自动执行标准，依靠自动化方式进行数据核查，为数据标准化工作开展提供抓手，持续支撑数据标准化工作。
（3）AI赋能、增强治理：数据规模的指数级增长给数据治理工作带来巨大压力，传统人工方式做数据的清洗、分辨与调优使治理工作耗时冗长，带来高昂的人力成本，且愈发难以满足智能应用对数据在规模量与质量的高要求，传统的人工数据治理工作已变得捉襟见肘。美林数据依托自身人工智能等新技术，应用于数据治理的模型管理、元数据管理、主数据管理、数据质量管理等模块，还具备算法中心，可以兼容企业已有算法和第三方算法，最终实现数据治理的“自治与自我进化”。
4、数据门户：解决数据怎么用、怎么找数据。对于数据专业人员
通过数据地图，可以通过数据地图来寻找自己需要的数据集，组装自己需要的宽表。对于技术专业人员，可以通过共享服务来寻找应用开发所需要的数据API，支撑业务应用的数据服务需求。对于企业全部人员，可以通过企业知识库统一管理和检索企业文档数据。
5、智能应用：通过前面的数据规划、湖仓建设、数据治理等工作，可靠、可用的数据要素已经被创造出来，数据的消费者和应用的开发者能够更好地使用数据，让数据要素的价值真正体现在业务上。
Tempo商业智能平台
Tempo人工智能平台
Tempo数据工厂平台
Tempo指标平台
Tempo数据治理平台
Tempo主数据管理平台
首页
陕公网安备 61019002000171号
