|
2020年《中共中央 国务院关于构建更加完善的要素市场化配置体制机制的意见》指出，“加快培育数据要素市场”。当前，数据已被视作与土地、劳动力、资本、技术并列的五种生产要素之一。大数据不仅是重要的生产资源，更是和“枪杆子”“笔杆子”一样重要的执政资源，对国家长治久安和综合国力竞争具有极端重要性，因此要不断提高党管数据能力水平。党管数据是“管”和“促”，只有“党管数据”的强力介入和行政力量强制打通数据壁垒，才能形成数据开放共享的大平台，而开放共享正是发展大数据的必然基础。数据时代，需要不同于以往的治理模式和规则，需要建立起符合互联网发展规律、适应大数据发展趋势的法律和规则体系。立法、立规、行业自律、企业自律，都必须依靠“党管数据”来指导、来监督、来实现。安全是一种基础的公共产品，数据安全只能依靠党和政府来保障。这种安全既包括涉及个人利益的数据安全，也包括与社会稳定、国家安全相关的数据安全。我们要瞄准世界科技前沿，集中优势资源突破大数据核心技术，加快构建自主可控的大数据产业链、价值链和生态系统。要加强关键信息基础设施安全保护，强化国家关键数据资源保护能力，增强数据安全预警和溯源能力。要加大对技术专利、数字版权、数字内容产品及个人隐私等的保护力度，维护广大人民群众利益、社会稳定、国家安全。在任何企业，数据治理都是系统性的整体工作，尤其是大型企业。从最佳实践看，中央企业、大型集团、国资企业，但凡数据管理工作成效好，数据应用水平高的，均成了了数据治理组织，当然组织的名字有所差异，有的叫数据治理委员会、有的叫数据资产委员会、有的叫网络和信息化领导小组等等，这就充分说明没有强力统一的组织管理，数据治理这项工作就不容易开展。数据管理、数据治理不是传统的信息化管理工作，信息部门一家是很难开展的。
既然谈到战略，那就是要涉及公司领导层要决策的，以前谈一把手、总经理，以后还要涉及党书记。数据战略是一个企业把数据作为战略资产管理，数据治理的愿景。数据如何对企业发挥战略性价值，如何支持和引领数字化转型这是一个战略问题。有些企业喊着要制定数据战略，要么是信息部们模仿其他企业编篡一段话，别人的战略不是你的战略；要么就是数据治理咨询时依赖咨询公司编篡一段话，项目结束了这段话谁也不记得。要我说，这段话就是屁话。数据战略应该是每个重要领导、每个核心骨干、每个产生数据的人、每个应用数据的人、数据所有者、数据管家都应熟稔于心的，这才叫数据战略。数据战略还没能很好在企业发挥作用的，信息部门需要认真的思考一下。由于很多企业在建设信息化的过程中采用的是分散建设模式，大量的系统和数据部署在下属企业，现在集团需要把数据集中起来进行打通，进行综合应用，这才发现，下面的数据很难要到。集团和下属单位、下属单位之间的数据都是很难在整体层面共享的。这是很多企业在数据管理过程中遇到的尴尬之处，下面的企业根本不听集团信息部的，这是为什么呢？你们为什么可以直接向下属单位要数据，数据到底是谁的，信息部门需要认真的思考一下。现实情况就是很多企业的数据标准做完基本就是一叠叠文件而已，放在文件柜无人问津，虽然叫数据标准，但是基本没有落实执行。大多数情况是这些标准也就是信息部门的个别人相对清楚，业务部门根本不知道。也就是说，数据标准走不出信息部门，更别说下级单位的贯彻和执行了。这是为什么呢？信息部门在做数据标准的时候有没有将标准的业务属性和技术属性找业务部门沟通确认过呢？有没有带着人家一起玩，甚至一些关键数据标准由业务部门主导实施。信息部门需要认真思考一下。为什么叫数据治理组织，组织就是起到了管理和协调的重要作用。党组织是世界上最科学的组织，从抗日战争、国家建设到现在抵抗新冠疫情，我们发现只要党在管理，执行力就强、执行速度就快、执行质量就高。这就是组织的重要性，数据治理也是一样，没有组织的数据治理就是碎片化的、孤立的、不成体系的。因此，一个企业如果真正开展数据治理工作，成立数据治理组织就是第一见大事，不成立数据治理组织就谈数据治理是空谈，就像打仗不组建军队，还不如不谈，不要自欺欺人。也就是说要做数据治理这件事必须先成立数据治理组织，而且要覆盖到决策层。
组织是开展数据治理的基础，数据战略和数据标准要由组织进行发布、数据安全和数据共享要由组织进行协调。没有数据治理组织这个基础，数据治理工作是无法开展的，信息部们想一个部门就把公司数据治理工作开展好就像蚍蜉撼树，太难了，太难了，太难了！只有组织承认的数据战略才是公司的数据战略，数据战略要走出信息部门的屋子，这就需要数据治理组织的力量，领导层的参与和支持，才能真正形成公司整体的数据战略，也就才能在公司广泛进行宣传和落地，尤其是数据战略要和企业战略对齐。数据标准难就难在业务属性和管理属性的界定和执行，和业务相关的术语定义、计算逻辑都要由业务部门来确定的，谁去管理和认责数据也是和业务部门息息相关的，技术属性就是在系统中实现用的，比起业务属性和管理属性复杂性要小的多。经验证明，业务部门牵头数据标准制定，成功概率更大些。数据质量是数据使用者对数据的满意程度，因此数据是否符合应用是判定数据质量是否合格的重要依据，这就需要业务的参与。我们经常从技术角度讲数据的完整性，数据的完整性需要付出更大代价，数据质量也要有度，满足应用，持续提升。因此，数据质量的管理就需要业务部门尤其数据使用者的深度参与，这就需要组织的领导和协调。数据安全就是要对数据分类分级，识别敏感数据，合规使用数据，这离不开组织各级的参与。数据的合规性靠法律法规的约束，数据的重要性和敏感性是和业务紧密关联的，仅靠信息部门是难以识别数据的重要性和敏感性的，这就需要组织发动群众的力量，才能把数据安全工作做好。组织最重要的职责之一就是协调跨组织、跨部门的数据共享和应用。在企业中，可以说所有数据或者大部分数据是企业所有，为了发挥数据资产的价值，就是要在合规的情况下最大程度共享，不能共享的要说明理由。谁来在企业中协调这个工作呢，只有数据治理组织中的决策层领导。数据治理涉及组织中与数据相关的决策、管理和责任。通常，建立数据治理团队的目的是确保数据得到平稳有效的处理，并逐步提高数据质量。数据治理程序旨在为组织准备规章制度，并处理可能出现的与数据有关的任何问题。它们还确保遵循政策。它们告诉公司谁是数据的所有者，谁可以用它执行某些功能。
确定组织中拥有有效数据治理的策略是建立数据治理组织的第一步，可以通过编写数据治理章程来启动该策略。章程将包括使命陈述和对数据治理愿景和目标的描述。在正式开始实施之前，可能需要高层管理人员在章程上签字。为数据治理组织制定的框架要包含在章程中，并解释谁有权对数据做什么，还要解释数据治理的范围。有许多数据治理模型可供选择，并不是所有模型都适合每个组织。采用三层方法的常见模式包括一组高级管理人员，通常称为指导委员会，负责制定高级决策;提供指导的中层管理小组数据治理办公室(Data Governance Office);数据治理工作组负责大部分的管理工作，工作组包含业务和信息技术(IT)领域的专家。步骤3:为组织选择正确的层次结构 
公司治理通常如上图表所示。“层次结构A”具有从金字塔的公司治理点开始的策略，首先到IT治理，然后到数据仓库治理，最后到数据治理以及与数据治理相关的任何事物和任何人。在“层次B”中，数据治理驱动所有决策。在这种类型的框架中，数据的治理得到了优先处理。数据治理结构包括业务规则和策略、数据的质量和完整性、数据的安全性以及对规则和法规的遵从性、审计和控制等等。那些为其组织选择最佳层次结构的人必须决定他们是要关注公司治理还是数据治理。在两个层次结构中的IT治理功能中，IT治理组确保整个公司的数据策略和策略在其系统和数据库中执行。指导委员会由高级管理人员和利益相关者组成，他们通常是数据被治理的业务线的高级副总裁和副总经理，例如营销、财务、采购等。指导委员会的负责人应该是一名高级执行人员，向首席执行官报告，首席执行官有权批准项目预算，并将项目列入优先级列表。指导委员会的执行人员负责他们各自的业务。指导委员会还包括业务和IT领域的执行发起人，以及数据治理办公室的主任。执行发起人是公司的高级管理人员，他们能够在整个组织中推动数据治理。发起人应该是公认的了解自己业务的领导者，并且能够处理与治理相关的各种职能。指导委员会指导整个组织的数据治理过程，并确保遵循为数据制定的政策和程序，如数据质量政策和程序。该委员会还批准数据项目的章程和策略，批准并修改建议，批准资金，并建议项目。此外，委员会还就商业战略提供指导，并处理冲突的解决。这个小组必须愿意参与组织中所有与数据治理相关的事情，并向数据治理办公室和数据治理工作组报告信息。数据治理办公室(也称为数据委员会)负责实施数据治理。角色包括数据治理领导(DGL)、IT代表和协调者。DGL通常是一个比副总裁低一级的人，作为全职的工作。他们与所有业务单元和IT部门合作，以便数据治理和策略在整个组织中都是通用的。DGL还强制执行政策，建议在哪些数据治理项目上投资，协调业务和技术小组，建立成功指标，监视和报告数据质量和数据治理指标，并与业务领导和IT资源合作，确定优先级并解决问题。DGL必须是一个领导者，具有政治敏锐性，知道谁是关键的影响者。他们还应该精通数据治理和行业实践。DGL应该是在公司工作多年，并且已经知道公司的目标和战略的人。数据治理协调员安排会议和电话会议，记录会议记录，更新问题日志，并执行管理职责。数据治理工作组(Data Governance Working Group)的成员是经理级或更高级别的人员，负责联络业务部门和IT部门。他们推动特定主题领域的数据管理和数据质量，并拥有业务和IT问题的主题专业知识。工作组可以根据数据的使用情况推荐项目。成员应该是领导者，能够作为一个团队做出决定。这个组中的角色可以包括数据质量主管、数据管理人员、元数据主管和数据架构师。工作组中的IT资源需要对数据建模、数据分析和迁移具有技术上的理解和知识。必须选择更多指定的角色来支持数据治理工作，并成为数据治理组织的成员。这些包括:数据所有者:创建策略，是数据域数据质量的所有者;数据所有者是与数据有关的任何问题的联系人。数据管理专员:创建策略，将其放置到位，并实施它们，以及纠正数据质量问题。每个业务单元都有一个数据管理专员。他们在自己的组织内工作，为用户进行有关政策和程序的培训。数据管理专员的主要职责之一是确保不同部门中不存在相同的数据，以免产生不必要的重复。数据管理专员还协调数据的收集并管理其可访问性。数据架构师:设计、结构、组织和维护数据。数据架构师为业务功能绘制相关数据的结构和组织。这个角色通常是一种“中间人”，他理解业务小组的数据需求，并将这些需求转换为在组织的数据策略中工作的数据结构。数据分析师:为数据所有者发现和研究问题，并根据记录和案例彻底审查数据质量。“提高数据质量和避免不良数据相关成本的最有效方法是制定更好的数据管理实践。实施一个与管理层支持相关联的数据质量团队可以创建可执行的政策、流程和标准，从而提高企业范围内的数据质量。数据治理工作组的成员根据章程中的项目目标创建策略。这些策略可以与许多与数据相关的内容相关联，例如命名规则、冲突解决、安全性等等。政策必须得到指导委员会的批准，并必须得到执行。确保组织中的每个人都遵守制度是很重要的，特别是在涉及数据质量时。如果不遵循制度和流程，可能会导致相同数据质量错误。可以通过使制度易于理解和文档化来执行，以便每个人都能方便地访问它们。不容易获得的制度很少被读取。它们应该包含具有实际价值的度量标准，以便显示遵守制度如何对业务产生重大影响。制度和流程应该是一个活的文件，并随着公司战略和目标的变化而更新。数据治理需要业务专家和IT专家。业务专家向其他人传达与数据相关的业务需求。他们必须知道数据是如何收集的，以及CEO等决策者将如何使用这些数据。业务团队而不是IT团队处理数据所有权，其成员是主题问题专家。他们知道企业的目标是什么，以及数据如何帮助实现这些目标。他们还需要有足够的技术知识来有效地向IT团队解释IT需求。业务人员必须有来自上层管理的权限来执行有关数据质量的标准和策略。他们还必须了解不良数据是如何进入系统的，并找出纠正问题的方法。他们有权对企业和部门级别的不良数据进行更改，并能够审核和衡量数据质量解决方案的成功程度。IT团队成员需要具有高度的技术技能。它们为业务团队中的人员提供处理数据的工具。它们支持公司数据所使用的应用程序，并且必须能够理解业务策略并将其合并到IT中。他们必须把工具的数量控制在最低限度;越简单越好。IT团队成员必须能够编写数据移动和存储的代码，并且了解数据模型和数据库。他们需要了解如何将业务模型转换为数据模型，并在错误普遍存在时确定清理数据的规则。IT专家必须与企业中的各个部门合作，了解每个部门的数据需求以及需要哪些应用程序。当业务端处理策略开发时，IT端将处理实际的数据遵从性和安全性特性。IT还可以提供度量标准来帮助业务专家评估数据质量和策略遵守情况，并确定是否需要进行任何更改。为了有效地处理数据并在整个组织中提高数据质量，数据治理是必要的。为一个组织选择最好的模型，选择正确的团队成员，并确保持续遵守制度和流程是构建有效和成功的项目的基础。每个组织都需要解决自己独特的情况和组织的挑战，但所有组织都将发现这里介绍的十个步骤是有效建立数据治理组织的基础。
|
