數據作為新時代重要生產要素和戰略資源的地位已然確立，數據治理作為激活數據要素價值的基礎工程，已成為各行各業搶抓數字化發展先機的焦點和主戰場。

數據治理是一個囊括了頂層設計、數據治理體系建設、數據服務和數據洞察多個模塊，并不斷循環改進的閉環體系。本文從數據治理實施的流程體系出發，梳理了數據從戰略到應用的治理過程，以期給廣大政企提供方法論與思路參考。

01、數據治理頂層設計

1、規劃數據戰略
數據戰略是企業為了實現其長期目標在數據方面所做的方向性的選擇和資源的聚焦。它是一個以終為始的路徑，企業要做好數據戰略的規劃，就得在明確自身定位的前提下，找準目標和方向，然后再做出相應的路線規劃。

數據戰略來自對業務戰略固有數據需求的理解：組織需要什么數據，如何獲取數據，如何管理數據并確保其可靠性以及如何利用數據。一般來說，數據戰略有以下三種基本類型：

（1）決策領先型數據戰略：了解市場；識別趨勢
（2）運營領先型數據戰略：提升效率；促進轉型
（3）數據變現型數據戰略：成為資產；數據變現

詳見：做好數據戰略規劃，激活數據價值

2、成立數據治理委員會
數據治理項目的實施絕非是一個部門的事情，必須由上往下統籌，建立專業的數據治理組織體系，確定對數據進行管理的責權利，即數據的產生者、使用者、擁有者和管理者。

在數據治理建設初期，需先成立數據治理管理委員會，從上至下由決策層、管理層、執行層構成。決策層決策、管理層制定方案、執行層實施，從而進行層級管理、統一協調。

3、確定數據治理評價與考核指標
一套獎懲有序的數據治理績效考核體系，能幫助企業規范數據管理流程，落實數據治理相關方的職責，從而提升整體數據質量，實現數據戰略。考核指標包括兩個方面內容：一方面是對數據的生產、管理和應用等過程的評估和考核指標；另一方面是數據質量的評測指標。

數據治理的績效考核6大基礎維度：數據治理人員、數據質量問題、數據標準貫徹、治理策略執行、技術達成、業務價值實現。

數據治理的績效考核4大方式：日常考核、定期考核、系統自動考核、人工考核。

02、數據治理技術體系

1、元數據管理
元數據是企業數據的DNA。元數據管理則是對元數據的創建、存儲、整合、控制的一整套流程，是數據治理過程的一部分。

基于業務需求，元數據管理系統建設可分為以下4大模塊：

(1)? 元數據獲取：各階段元數據的統一收集、存儲和輸出。包括自動獲取和手工獲取兩部分。
(2)? 元數據存儲：包括存儲元數據以及元模型。
(3)? 元數據功能：包括元數據基礎操作（查詢、新增、修改和刪除等管理操作）、元數據分析（包括業務指標一致性分析、數據血統分析、數據影響分析等）、元數據權限管理以及元數據服務封裝等。
(4)? 元數據應用：包括元數據基礎能力開放、報表指標優化清理應用、指標運算關系分析應用等。

詳見：什么是元數據，元數據管理平臺該如何搭建

2、主數據管理
主數據是數據之源。圍繞主數據需求開展的數據治理工作，往往成為各類組織推進業務數字化的首要任務。

主數據項目實施的標準流程，分為咨詢規劃和實施落地兩大部分，主要是4大步驟，分別是現狀分析評估、體系規劃、實施規劃、平臺搭建與落地。

(1)? 現狀分析與評估：了解企業現狀，識別企業當前問題以及數據管理成熟度。
(2)? 體系規劃階段：就要去設計企業內部的一個組織架構、企業的主數據管理制度、考核辦法標準規范以及主數據運營怎么去設計。
(3)? 主數據實施：有了一個頂層設計規劃之后，就要去落地主數據實施，制定編碼分類、屬性、字段、審批流程、整合清洗分發、集成切換策略等，主數據實施的過程中是根據這些策略去執行的。
(4)? 平臺落地：將主數據實施內容了解清楚之后就到主數據管理平臺上去進行落地了，包括主數據模型、主數據維護以及主數據治理相關的內容落地。

詳見：如何通過主數據管理開啟數據治理

3、數據標準管理
數據標準化是企業進行數字化轉型的根基。數據標準與企業數據管理的每個域都相關，是數據治理工作的最基礎內容。

數據標準的建立通常有5個步驟，包括標準分類規劃、標準體系建設、標準評審發布、標準落地執行、標準運營維護。

（1）標準規劃：構建數據標準分類框架，并制定開展數據標準管理的實施路線。
（2）標準制定：在完成標準分類規劃的基礎上，定義數據標準及相關規則。
（3）標準發布：征詢意見，在完成意見分析和標準修訂后，進行標準發布。
（4）標準執行：把企業已經發布的數據標準應用于信息建設， 消除數據不一致。
（5）標準維護：根據業務的發展變化以及數據標準執行效果不斷更新和完善數據標準。

詳見：數據標準的5大建設步驟及實施分享

4、數據質量管理
數據質量管理是對數據從計劃、獲取、共享、維護、應用、消亡生命周期的每個階段里可能引發的各類數據質量問題，進行識別、度量、監控、預警等一系列管理活動，并通過改善和提高組織的管理水平使得數據質量獲得進一步提高。

全國信息技術標準化技術委員會提出了數據質量評價指標（GB/T36344-2018 ICS 35.24.01），它包含以下幾個方面，分別是完整性，一致性，準確性，時效性，唯一性和可訪問性。

提升數據質量，可參考以下7大步驟實施：

（1）定義高質量數據：對數據質量改進的目標和優先級事項達成一致。
（2）定義數據質量戰略：數據質量優先級必須與業務戰略一致
（3）識別關鍵業務和質量規則：確定關鍵數據后，識別梳理數據質量特征要求的業務規則。
（4）執行初始數據質量評估：執行初始數據質量評估，定義可操作的改進計劃。
（5）識別改進方向并確定優先級：分析問題的業務影響，最終討論確定優先順序。
（6）定義數據質量改進目標：量化業務價值，設定具體的、可實現的目標。
（7）開發和部署數據質量操作：圍繞數據質量方案制定實施計劃，管理數據質量規則和標準、監控數據與規則的執行一致性，識別和管理數據質量問題，并報告質量水平。

詳見：數據質量問題根源剖析及應對措施

5、數據交換共享
當數據從一個系統跨授權邊界訪問或傳遞到另一個系統時，就需要使用一個或多個協議來指定每個組織的責任、要訪問或交換的數據類型和影響界別、如何使用交換數據，以及在交換系統的兩端處理、存儲或傳輸數據時如何保證數據安全。數據交換主要用于實現不同機構不同系統之間進行數據或者文件的傳輸和共享，可以幫助消除數據孤島，提高信息資源的利用率。

數據資源交換共享與開發應用平臺按數據的流向自下而上分為5層，分別為外部數據資源層、數據匯聚層、數據融合層、服務管理層和服務門戶層。

（1）外部數據資源層：即源數據庫，為系統外部數據的來源。

（2）數據匯聚層：根據獲取數據的特性采用相應采集方案整合外部數據源。

（3）數據融合層：為工程數據提供持久化存儲和訪問的場所。

（4）服務管理層：主要包括目錄管理、資源管理、服務管理、交換管理等功能。

（5）服務門戶層：通過服務門戶和接口支持，提供標準化服務給應用系統調用。

6、數據安全治理
數據安全管理是用來實現和維護數據保密性、完整性、可用性、可核查性、真實性和可靠性的過程。

數據安全問題貫穿數據全生命周期的各個環節。在新形勢下，要做好數據安全治理，就要做好企業的數據安全防護能力建設，建立起一個強保障且動態化的安全保護機制。這個機制的攻堅點主要是三個方面：完善數據安全治理規劃，提高數據安全技術防護能力和加強數據安全審計。

（1）完善數據安全治理規劃：評估數據安全現狀，識別數據安全需求，完善數據安全治理組織規劃和制度保障體系
（2）提高數據安全技術防護能力：主要包括自動化數據分級分類和精細化數據權限管控，并從防御風險、識別風險、預測風險、解決風險四個方面，來提升組織的抗風險能力。
（3）做好數據安全監控審計：除日常審計外，還需進行以業務線為單位的專項審計。

7、數據生命周期管理
數據生命周期管理是一種基于策略的方法，包括數據的創建、使用、歸檔和銷毀的策略和過程。

（1）數據創建：利用數據模型保證數據完整、執行數據標準保證數據準確、加入數據質量檢查創建準確、保證數據在合理的系統生成。
（2）數據使用：利用元數據監控數據使用、利用數據標準保證數據準確、利用數據質量檢查加工準確、確保數據在合理的系統使用、控制數據的派生。
（3）數據歸檔：利用評估手段保證歸檔時機、分數據類型歸檔數據。
（4）數據銷毀：利用評估手段保證數據銷毀時機，分數據類型銷毀數據。

03、數據服務和數據洞察

1、數據資產管理與運營
數據作為企業一種“特殊資產”，已被列入企業的資產負債表。怎樣識別數據資產、有效管理和運營數據資產，利用現有的數據資產創造價值，也是數據治理中的一項重要工作和目標。

從技術上拆解數據要素價值的生成路徑，企業數據要素與資產運營的建設路徑可分為三個關鍵階段：數據資源化、資源產品化和產品價值化。

（1）數據資源化：把不同來源的數據經過必要的加工、整合和處理，在物理上按照一定的邏輯歸集后達到“一定規模”，形成可重用、可應用、可獲取的數據集合。這個階段需要數據戰略規劃方法、構建數據能力體系、建立企業數據治理體系。
（2）數據產品化：企業通過自己組織或有效授權給外部機構，以數據使用方需求為導向進行數據產品的研發。 這一階段包括建立數據資源可能的應用價值圖譜、分析目標客戶的數據需求及應用場景，選擇合適的測試客戶、聯合共同組織數據產品及其技術開發。
（3）產品價值化：數據產品已經可以放在數據要素交易市場上進行買賣了，能夠帶來持續的收益。這一階段需要建立數據資產化戰略、構建數據資產管理體系、實現數據資產的經營管理。

詳見：如何把數據變成資產，企業數據資產化實施路徑解析

2、數據服務
數據服務是指為用戶提供數據相關的各種服務和支持的一種業務模式，包括數據收集和整理、數據分析和洞察、數據可視化、數據安全和隱私、數據應用和功能這5方面。

（1）數據收集和整理：收集各類來源的數據，并對其進行整理和組織，使其更易于理解和使用。
（2）數據分析和洞察：對收集的數據進行分析和挖掘，找出其中的模式、趨勢和關聯性，實現智慧決策。
（3）數據可視化：數據服務可以將復雜的數據以圖表、圖像或其他形式進行可視化展示，使用戶更容易理解和解釋數據。
（4）數據安全和隱私：采取安全措施，確保用戶的數據在處理和存儲過程中安全可靠；同時也會尊重用戶的隱私權，保護用戶的個人信息不被濫用或泄露。
（5）數據應用和功能：為用戶提供各種應用和功能，滿足不同領域和行業的需求。

憑借多年的技術積累和服務經驗，億信華辰充分整合資源，為企業夯實數據基礎，釋放數據要素價值，能夠為客戶提供從數據采集、數據加工、數據存儲、數據治理、數據安全、數據分析到數據應用的數據全生命周期的全棧解決方案。未來，在現有的產品服務基礎上，億信華辰將深度發揮科技潛在優勢，不斷挖掘構建數字化時代背景下所必需的數據智能服務生態，助力數字經濟高質量發展。