1

大数据时代的数据治理

随着移动互联网、云计算、超速互联网等基础设施的高速发展,海量的数据已经以爆炸的方式呈现在我们面前,成为对数据拥有的企业而言实实在在的看的见摸的着的一项资产。越来越多创新专家们正挑灯夜战,希望将这些资产转化成有价值的东西,进而改变整个商业世界。

然而价值在实现前是有管理投入的,由价值的驱动而带来的管理问题也不断的促使着CEO和CIO们思考一些数据治理领域的基本问题:

  • 谁在企业中对这些大数据的全生命周期负责?
  • 这些大数据技术与公司的IT基础架构有什么关系?
  • 不同于财务信息的钩稽关系的校验,谁来保证大数据的信息质量?
  • 大数据使用是否符合地区内的法律法规?

业内的咨询公司、研究机构也提出了各种治理框架、参考模型。下图是IBM提出的一个参考框架:

data-management-01

这个框架分成4个层面和11个纬度,分别探讨了数据治理框架应该考虑的要点。

  • 数据风险管理及合规:是否有专门人员评估数据风险及合规性要求
  • 价值创造:是否确认关键价值创造点,是否已对财务模型进行量化
  • 组织结构和认知:是否有为大数据的应用提供了明确的组织架构的保障和范围
  • 管理人员:是否对管理人员如何解决管理问题进行了确认及定位
  • 政策:各项大数据治理要求是否形成了明确有序的策略,这些策略是否转化为可控制的政策
  • 数据质量管理:通过什么样的策略保障数据的质量要求
  • 信息生命周期管理:大数据的存储量、存储周期、法律要求的应对
  • 信息安全及隐私:自身的数据的安全及对敏感信息的识别和控制
  • 数据架构:原始数据是否需要通过恰当的、经规划的数据结构整理,从而实现数据存储、利用的最优化
  • 分类及元数据:业务及IT部分如何形成业务及元数据的协同
  • 审计可控性:独立第三方机构对于整个治理过程可追溯和监测

基于以上的自我分析,初步可以分类并得出企业所处的治理管控阶段,如下图所示:

data-management-02

企业可以根据这个路线图进一步规划大数据的治理及应用。

 



戴 毅辉

One Comment

  1. 很多公司都在看企业信息管理这方面,不过主要的产品仍然停留在Supporting和Core层面技术相对成熟,虽然Power BI慢慢在向上面的Enabler层面渗透体现了Data Stewardship和Policy这样的元素,不过真正的掌握价值和洞察力仍然需要假以时日。

发表评论

电子邮件地址不会被公开。 必填项已用*标注