当前位置：首页 > article >正文

主数据驱动的数据治理框架

article 2025/1/5 7:00:24

数据资产分类

数据治理的重要性

数据质量框架的4个方面

数据治理的核心是加强对数据资产的管控,通过深化数据服务,持续创造价值。数据治理是在数据资产价值创造的过程中,治理团队对数据资产管理的评价、指导、控制,如下图所示。

数据资产分类

数据资产划分成为主数据、业务数据、分析数据三个主要部分。主数据包含元数据、引用数据、企业结构数据、业务结构数据;

业务数据是在交易和企业活动过程中动态产生的,通常具有实时性的要求;

分析数据是对业务数据梳理和加工的产物, 相对业务数据而言,实时性要求较低,通常按照分析的主题进行组织和管理。

主数据和业务数据支撑起企业的业务流程,而主数据和分析数据则是企业商务智能的基础。其中,主数据会出现在所有重要的业务流程和分析任务中,是企业数据资产中的黄金部分,如下图所示。

数据治理的重要性

为确保企业可进行跨业务领域、跨职能部门、跨信息系统的业务协作和整体分析,需对主数据、业务数据、分析数据进行数据治理,保证其一致性,提升数据质量和数据安全水平。

主数据、业务数据和分析数据构成了企业数据治理中三个核心的治理域。每个治理域都包含数据标准管理、元数据/数据模型管理、数据质量管理、数据安全管理、数据生命周期管理5个基本的管理组件。

主数据治理是业务数据治理和分析数据治理的前提,为业务系统和分析系统提供基础性的数据服务。而后续业务数据治理更关注改善数据流通,分析数据治理更关注改善数据洞察。

数据资产来源丰富,可拷贝、可重用,这将导致数据搜集、存储、使用都具有特殊性。同时,数据还涉及个人隐私、运行安全等问题。当跨业务、跨部门、跨系统进行协作时,更需要数据的一致性。这些都是数据治理要解决的关键问题。因此,数据治理不但与数据标准、数据产生过程的业务规范相关,也涉及企业战略、管理决策架构等因素, 是战略问题、管理问题、技术问题的综合。