企业数据质量管理如何高效落地？
2023-05-12 17:36:00
次
企业在数字化转型浪潮中，数据治理是必不可少的一部分。但是在数据治理的过程中呢，却常常遇到数据质量管理的问题，这些问题影响到了我们的技术决策、经营管控、业务流程以及管理决策等。甚至它制约了我们企业数字化转型的一个进程。那么这些挑战是什么呢？
首先，我们的数据质量问题需要去结合业务。比如说我们的数据是否准确呢，是要业务去进行定义的，比如说我们在年会的过程中如果你获得了一件礼物，我们要去给你寄这件礼物的时候，在人员信息表里边你的地址信息呢，这条数据是不能为空的，是比较完整的。但是我再给你去发工资的时候呢，你的人员地址信息呢，对我来说是可有可无的，所以我们的质量问题呢，需要去结合具体的业务去定义。
其次，我们数据质量问题的类型众多，数据存在比如说唯一性、完整性、有效性、及时性等要求，那么我们在发现数据质量问题的时候就容易出现，只发现了部分比较片面的数据质量问题，难以全面的去发现数据质量问题。
最后，我们数据质量贯穿于，数据的整体生命周期从数据的采集、定义、分析、应用等过程中都会出现数据质量问题，那么这些问题我们经常会容易，进行一个治标不治本的一个情况，也就是我们数据治理问题，非常难以根治的一个挑战
针对这些挑战呢，我们倡导三个解决思路：
首先第一点，我们希望将数据质量的管理呢，去进行业务化、场景化，以业务为驱动。
其次，我们希望能够去增强技术的智能性。
最后我们希望能够闭环去进行，业务的一个数据质量管理。
基于此，我们打造了美林数据Tempo数据质量管理的能力，它具备业务驱动场景治理，AI赋能增强治理管理闭环全面治理的特性，有效地应对了企业在数据质量管理上，面临的困境，那基于这些特性呢我们如何去将数据质量管理能力，在应用中去进行落地呢。
首先我们引入了PDCA循环的数据质量管理能力，将我们数据质量管理过程呢，为计划、执行、检查、处理的全面循环的数据质量管理能力，我们以数据质量的管理办法制定为基础，以业务为驱动，去执行业务需求问题的解决，针对不同问题去构建不同的应用场景，针对质量问题呢，去匹配完善的问题改进流程，并对成功的经验去加以肯定，予以标准化，去打造持续的、优化的、良性的循环。
最终为我们的企业去落地，长效久安的数据质量管理体系，那么接下来呢，我会为大家介绍一个数据质量管理体系，实际落地的一个项目。首先这是客户场景，该企业在近些年来它的业务发展非常迅速，但是呢没有成套的、体系化的信息化的规划与之相匹配，所以呢它存在了大量的数据质量问题，虽然说已经做过了部分的数据质量管理工作了，但是还是没有解决业务会遇到的这样一些难题。美林数据的项目组呢，针对企业的一些现状去发现他们存在数据质量管理体系不闭环、缺少管理组织、缺少业务支撑等问题，基于这些问题为企业去量身定制了相关的数据质量管理体系、管理流程、质量的知识库等等。通过我们刚才提到的PDCA，这样一个循环的管理办法呢，去为企业逐步提升它的数据质量管理。最终达到了年度它的单一业务线节省了约百万的成本，它的业务流程呢缩短了约40%的一个时间，这样的一个成效真正的为企业达到了，降本增效的这样一个目标。
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
