没有数据治理思维，数字化转型就是“白忙活”

　　当前这个时代，人人都知道数据，或多或少也知道数据是资产，治理好了很有用，毕竟企业数字化转型的始终离不开“数据”，始于数据，最终也是为了数据。

　　BUT，数据资产能怎么用？为什么无数据可用，或无可用数据？怎样开展数据治理？则是一头雾水。这也导致很多企业的数字化转型“白忙活一场”、“从头再来”的重要原因。

　　《报告》依据数据治理及管理组织各层级所关注的侧重点，图谱将工具划分为三层——战略层、管理层、操作层。

　　

　　01/战略层工具为提供数据质量战略规划、评估、知道、监控的工具或功能，主要包括五大过程域：组织与职责、体系与制度、团队与文化、计划与监控、成本与评估。1. 组织与职责对数据治理组织及其职责进行规划、管理。

　　

　　2. 体系与制度对数据治理相关体系、制度、流程进行管理、发布。

　　

　　3. 团队与文化提供数据治理文化发布、查询、学习培训等。

　　

　　4. 计划与监控

　　提供数据治理项目管理及监控。

　　

　　5.成效与评估

　　对治理成效提供评估依据及评估行为。

　　

　　02/

　　管理层工具

　　为应落实数据治理战略而进行的数据管理活动的工具或功能。主要包括八大过程域:

　　数据架构管理、元数据管理、数据标准管理、主数据管理、数据质量管理、数据资产管理、数据安全管理、数据生存周期管理。

　　1.数据架构管理提供数据架构规划、设计相关工具及功能，包括数据层次、数据模型和数据流向设计。

　　2.元数据管理提供统一的企业元数据存储库，支持相关血缘、影响分析及变更管理的监控。

　　

　　3.数据标准管理提供统一的指标数据技术标准、 业务标准、管理标准的视图，具备基本的增删改查及废止功能，可进行标准符合性检测。

　　

　　4.主数据管理提供对*敏*感*词*数据、参考数据统一管理， 支持主数据模型定义、数据约束及分发策略的管理。

　　

　　5.数据质量管理支持对数据质量建立质量规则，支持数据治理评估，并生成质量报告，提供质量整改机制。

　　

　　6.数据资产管理提供企业以资产价值视角的数据管理功能，包括资产索引、资产开发、资产服务等功能。

　　

　　7.数据安全管理支持对数据进行安全分级分类，定期监督和执行数据安全策略执行情况。

　　

　　8.数据生存周期管理对数据进行生存周期管理，定期监督和检查数据归档和销毁策略执行情况。

　　

　　03/

　　操作层工具

　　数据操作层主要包括六大过程域:数据存储工具、数据采集工具、数据处理工具、数据共享交换工具、AI计算支撑工具、数据分析应用工具。

　　1.数据存储工具

　　基于数据治理战略及数据架构、数据标准、元数据、质量等管理要求，对数据进行存储。包括分布式存储、传统关系型存储、文件存储及图数据库存储。

　　

　　2.数据采集工具基于数据治理战略要求，完成相关数据采集工作。支持不同采集方式及频率，包括实时采集、离线采集、报表填报采集、API采集等。

　　

　　3.数据处理工具基于数据质量、标准、数据架构等要求，对数据进行加工、转换、清洗、集中等工作。

　　

　　4.数据共享交换工具

　　基于业务与之间的数据共享需求，对不同异构数据执行交换或服务。包括文件、库表、接口、实时流等。

　　

　　5.Al计算支撑工具将人工智能技术运用到数据采集、处理、共享、评估、度量等活动中。

　　

　　6.数据分析应用工具通过数据可视化、报表等工具完成数据治理的报告、诊断分析、监控图表等的开发制作。

　　

　　《数据治理工具图谱研究报告》对上述工具能力图谱进行了详细解释，除全景图外，报告对每层工具能力要素进行了更细一步的绘制，并收录了部分行业案例采用的工具架构图。

　　报告共研制、收录了26个图谱，其中研制了20个通用工具能力图谱，收录了6个数据治理案例工具能力图谱。