“數據治理目前是壹個比較新的、正在發展的學科,目前行業內對它的定義並不完全相同。”IBM全球企業咨詢服務部業務分析與優化團隊副合夥人謝國忠表示,數據治理是圍繞將數據作為企業資產的壹系列具體工作。數據是企業最大的價值來源,也是最大的風險來源。糟糕的數據管理通常意味著糟糕的業務決策,更有可能面臨違規和盜竊。使用規則的可信數據有助於組織的業務創新——提供更好的服務,提高客戶忠誠度,減少合規和報告要求所需的工作,提高創新能力。
國內企業的數據治理成熟度不高。
在過去幾年中,數據治理的目標也發生了變化曾經幫助金融、航空、海關、電信、電網等行業客戶做數據治理項目的謝國忠表示,“除了滿足監管和風險管理的要求,現在很多企業都在談論如何通過數據治理創造商業價值。如信息披露、行業領先、精細化管理需求等。”
"目前,國內大多數企業在數據治理方面還處於基礎管理階段."謝國忠評論說,“壹些公司說他們已經做了大量的數據質量檢查、數據存檔和數據安全,但他們的問題是他們沒有壹個完整的系統。其次,他們不知道如何將這些字段串在壹起。第三,他們還沒有達到將運營數據作為核心資產的概念。”因此,謝國忠認為,國內企業首先需要壹個完整的數據治理體系。
他認為國內企業的數據治理存在誤區:認為數據治理是壹個非常短期的行為,認為數據治理只是IT部門的責任,只把數據治理當成軟件。事實上,數據治理不僅是軟件,還有相應的流程和方法。
說到數據治理的實踐,IBM本身就是數據治理的典型代表。在1992之前,IBM在數據治理方面存在很多問題,比如沒有清晰可靠的數據來源,沒有明確的數據所有者,數據質量不高。1995年,IBM在ERP中制定了業務數據標準,為所有業務制定了15業務標準和79個子業務標準,讓全公司看到了統壹的業務定義。2004年,IBM成立了數據所有者論壇,2005年成立了數據治理委員會,然後成立了數據審計委員會。在1992年,IBM擁有128名首席信息官,155個數據中心,80個Web開發中心,31個不同的網絡和16000個應用程序。通過數據治理,IBM簡化了基礎設施並降低了管理的復雜性。2007年,IBM只有壹名首席信息官,六個主要數據中心,壹個用於Web開發中心的全球統壹網絡,以及來自65,438+06,000的大約4,000個應用程序。
在此基礎上,2004年,IBM聯合業內多家公司和學術研究機構成立了數據治理論壇,並在此論壇上制定了包括四大領域11元素的數據治理框架和方法,用以指導數據治理的發展。該框架包括輸出領域:數據風險管理和價值創造;驅動領域:組織/流程、管理系統、數據所有者;核心領域:數據質量管理、信息生命周期管理、安全/信息披露/合規;支持領域:數據模型/數據架構、元數據/主數據/數據標準、質量審計和報告。
銀行數據治理的成功案例
在數據治理方面,由於政策的推動和銀行自身業務發展的需要,銀行對數據治理有著強烈的需求。《中國銀行業信息科技“十二五”規劃》包含了數據治理和數據標準的主題,指出“十二五”期間,數據治理需要推進的核心領域包括:數據標準、數據質量、數據安全、數據架構,以及做好這些工作所需的保障機制,包括政策、組織、流程和技術。
IBM GBS部門已經幫助國內外銀行做了很多數據治理咨詢項目,包括中國最大的商業銀行。
“這家銀行是同行業中技術最先進的,做了數據質量和元數據,但沒有完整統壹的數據治理方法和配套的制度、流程;另壹個問題是數據治理體系和架構還不完善。”謝國忠向記者簡要介紹了該行在數據治理方面面臨的挑戰。
根據IBM的數據治理框架和方法,GBS從四大領域的11要素對銀行的數據治理現狀進行評估,幫助銀行找到差距,並在此基礎上分析問題,提出解決問題的建議。該項目始於2008年,在2010和2011期間,該行先後開展了壹系列相關的數據治理項目,包括數據標準化項目、數據架構優化項目和數據質量管理項目。目前,該行在數據治理方面也處於全國前列。
看看壹家領先全球銀行的數據治理案例。美聯儲認為,該行沒有充分控制信息的完整性和質量,以確保合規要求。經過壹兩年的數據治理,銀行通過了美聯儲的審計。該行高級副行長安德魯·鄧恩(Andrew Dunn)認為,該行數據治理成功的關鍵因素是,選擇壹個擁有相關經驗、流程和工具的合作夥伴,可以加速數據治理在整個企業的有效部署。
對主數據管理的需求非常突出
數據治理涉及11元素,主數據管理是其中非常重要的壹部分。Informatica公司高級副總裁兼首席信息官托尼·楊(Tony Young)表示:“加強主數據管理是企業獲得完整可信的數據視圖的唯壹途徑。”
主數據用於描述企業的核心業務實體,如客戶、合作夥伴、員工、產品、物料清單等。主數據管理旨在整合企業多個業務系統中需要共享的核心數據,集中清理數據,並將統壹、完整、準確的主數據以服務的形式分發到企業中的運營和分析應用,包括業務系統、業務流程和決策支持系統。
托尼·楊告訴記者:“MDM的核心任務是輸出‘黃金數據’。所謂黃金數據,就是企業的關鍵業務數據,也是絕對真實的數據。此外,MDM還應該反映主數據之間的相關性,比如客戶和產品之間的關系,以及客戶之間的關系。在數據倉庫中,很難找到這種相關性,而MDM可以輕松做到這壹點。”MDM和數據倉庫之間也有區別。例如,它們處理不同類型的數據。MDM是壹個事務系統,而數據倉庫是壹個分析系統。MDM和數據倉庫可以相互促進,相互補充。Informatica MDM靈活的數據模型允許IT團隊在任何數據域中實現MDM,並且可以在同壹數據模型中添加其他域,並定義不同數據域之間的關系。Informatica MDM可以在企業內部或雲中實現,或者作為兩者的混合。此外,它還可以部署在聯合MDM架構中,作為多個MDM實例之間的全局hub。
金融行業仍然是對MDM需求最強烈的行業。MDM資深專家、Information Difference總裁安迪·海勒(Andy Hayler)表示:“壹般來說,企業越大,在數據管理方面遇到的問題就越多。大公司更有可能采用相關的數據分析工具來解決自己面臨的數據問題。”但這並不意味著MDM只適用於金融行業。例如,Informatica公司的MDM產品已經應用於24個行業,包括醫療、石油、公共事業等行業。