-
-
wuyingchun 数据达人Lv4
发表于2019-3-4 11:52
楼主
大数据时代的到来为各行业带来基于数据资产进行业务创新，管理创新的契机以及大数据技术建设需求，面向大数据环境和传统IT环境融合的趋势下，数据治理体系。方法，标准将产生新的思考和实践。
数据治理具体内容包括但不局限于：
（1）数据资源资产化；
（2）数据确权与合规；
（3）价值创造与人才培养。
第一、数据资源资产化。数据不等于数据资产，数据就是电子化记录，仅此而已。数据并不天生具备资产属性。资产需要能够给企业带来预期收益。因此，只有满足一系列必要条件的数据资源，才可能成为数据资产。
第二、数据确权与合规。隐私保护问题越来越受重视。所谓隐私保护就是对隐私数据的保护。最理想的情况是，能够在产权层面，确立相关个人作为隐私数据的合法的唯一拥有者。这就需要一个法律基础：对数据产权（包括但不局限于隐私数据）的确定，也就是数据确权。如果暂时做不到数据确权，那么至少要做到，对数据实际控制者的行为严加管束，做到合法合规。
第三、价值创造与人才培养。对价值创造而言，数据治理不应该关注太过具体的业务问题，因为业务形态千变万化，具有极强的不确定性，不可能通过一成不变的规章制度去治理。相反，数据治理应该关注人才团队的建立与培养，这才是价值创造的沃土。只要精通数据思维的人才沃土在，就一定会开出鲜艳的花朵，结出丰硕的果实。
最佳实践
提升数据质量是数据治理的关键任务。高质量的数据不应仅满足于高准确性，而应转变为一个包含丰富内涵、具有多种维度的综合性概念；而且，随着统计的服务外延从数据服务向决策服务转变，数据质量还需要满足用户的需求和期望。同时，结合全面质量管理理论，如果将数据视为产品，那么数据质量不仅包含数据本身的质量，还应包括数据产生和形成过程的质量。
综上所述，数据质量PWS是在数据收集、处理和加工、生成和应用等数据产生和形成的整个过程中，影响数据满足用户需求的一组特性。一般情况下，数据质量包括数据收集过程的准确性、真实性、适用性等，数据加工和处理过程中的可比性、方法健全性、可衔接性等，数据生成和应用过程中的及时性、完整性、可获得性等，及整个过程的成本有效性等。
未来发展趋势
当前全球的数据治理是“在矛盾中前行，在混沌中探索”，面临着三对主要矛盾——限制与促进的矛盾、保护与流动的矛盾(数据本地化问题)、域内与域外的矛盾(域外管辖的问题)。从数据治理的制度设计来看，目前比较明显的三个探索点是数据权属规则、数据跨境框架和公私合作范式。
总结
数据治理，提升数据质量离不开一个好的数据治理方案，我们该怎么选呢？亿信一站式数据治理管理平台 — 睿治：从元数据、主数据、数据标准、数据质量再到数据处理、数据资产、数据交换和数据安全，为企业提供一站式解决方案，打通数据治理全流程。
特色：全生命周期管理、产品技术开发先进、数据治理规划咨询、项目实践经验丰富
选好一个数据治理方案很重要！
