东软数据治理解决方案发布!

对企业而言,业务发展加快了数据膨胀的速度,带来了数据不一致等问题,业务部门的频繁加和剥离同样也会对数据治理提出挑战。

数据治理不仅需要完善的保障机制,还需要理解具体的治理内容,比如我们的数据该怎么进行规范,元数据又该怎么来管理,每个过程需要哪些系统或者工具来进行配合呢?这些问题都是数据治理过程中最实际的问题,也是最复杂的问题。今天,东软集团发布东软数据治理解决方案,专注推动数据治理,解决数据乱象,让数据产生更高的价值。

数据治理提升企业核心竞争力

数据已成为企业的重要资产,企业业务的成功,需要及时、完整和准确的数据提供支持。推动数据治理,使数据能够资产化、规范化、流程化。解决数据乱象,让数据产生更高的价值,提升企业竞争力。

1、数据治理解决企业数据乱象问题,提高企业数据质量,减少数据管理、使用成本,降低可能存在的数据风险。

2、企业每一次经营决策都必须基于准确的数据分析和判断,良好的数据能够帮助企业准确获取先机,在激烈的市场竞争中取得优势。

3、企业的业务创新需要建立在对业务数据有效利用的基础上,良好的数据为企业业务创新提供强大动力。

量身定制数据治理计划

1、成熟度评估

对企业数据成熟度评估可以让数据治理的目标更明确,借助数据成熟度评估,可以做到:

了解企业数据现状,所处的成熟度等级;

企业数据建设同行业先进之间的差距,找到数据建设现阶段的不足;

正视企业数据乱象问题,坚定数据治理的理念。

东软数据治理成熟度评估模型

通过 1 级到 5 级的成熟度的模型级别的升级,风险和消耗会逐渐降低,投资回报率和整体质量会得到提升。

2、找到差距,制定实施计划

根据企业现况,结合行业内先进数据治理案例,制定短期、中期、长期的战略计划。根据治理计划制定数据治理路线图,定义数据治理的阶段性目标和成果,为组织实施数据治理提供具体的指导。

保障数据治理按计划落地

1、组织及角色职责分配

根据业界先进的数据治理经验,数据治理的最优组织结构是一种 3 层结构。

数据治理委员会:由数据治理计划的高层支持者组成,负责做数据治理决策;

数据治理中心:是数据治理委员会的下一个级别,由数据治理领导组成,负责落实数据治理计划;

数据业务部门:解决具体数据问题。人员组成可以分配专职人员,也可以由各部门抽调兼职人员。

2、制定数据治理章程

数据治理章程是数据管理者、数据所有者针对数据治理制定的规范和准则,涉及数据治理相关的规章制度、管控办法、考核机制、技术规范等。

实施数据治理活动

东软数据治理解决方案融合元数据管理、数据标准管理、数据质量管理、数据交换管理、主数据管理、数据模型管理、数据生命周期管理、数据安全管理八大模块,打通数据治理各个环节。

技术架构图

1、元数据管理

元数据管理用来做“企业数据盘点”,针对数据的盘点需要梳理:数据分类、数据位置、表示含义、数据链路等。需要注意梳理的这些内容并不是实际数据内容,而是描述数据的基本信息,即为“元数据”。借助元数据管理可以了解企业中有什么数据、在哪里、代表什么含义、数据之间有什么关系等。

数据治理要秉承“先理而后治”的原则。有效的数据治理的基础,是针对数据进行全面的盘点。将元数据做集中式管理,梳理元数据树,翻译、标注、补充元数据内容,方便使用者查找数据、理解数据、追踪溯源以及规范专业知识。

2、数据标准管理

数据标准是企业内针对数据一致性和准确性,制定的具有行业特点的一种规范性约束。数据标准可以以业务数据为出发点,经过详细的数据调研、设计、发布、评审等流程下定义,其遵从“循序渐进、不断完善”的规则。

数据标准属于“数据治理章程”中的“技术规范”,仅存在纸质文档中并不能最大化的发挥其价值,需要将数据标准信息化处理,并添加符合企业管理规则的审批工作流。审批通过的数据标准会配置作用范围应用到具体的数据库表,结合数据质量校验,保证数据标准的有效落地,作到“书同文,车同轨”。

3、数据质量管理

数据质量管理是指针对生命周期内的数据,进行识别、度量、监控、预警等一系列管理活动,并通过改善和提高组织的管理水平使得数据质量获得进一步提高。

只要有数据存在就会有数据质量问题存在,数据质量的改进是一个持续不断的进程。数据质量的提升是企业数据治理的核心目标。
在东软数据治理解决方案中,先进性的协调:

元数据管理

数据标准管理

数据质量管理

强强联手,保证标准有效落地,规范化数据,助力解决企业数据质量问题。

数据治理闭环结构:随数据治理进行,企业数据质量稳步提升

4、主数据管理

主数据管理可以帮助我们创建并维护整个企业内主数据的单一视图,保证单一视图的准确性、一致性以及完整性,从而提高数据质量,统一业务实体定义,简化改进业务流程并提高业务的响应速度。

实施主数据管理,需要:

从多个业务系统中整合最核心的、需要共享并保持一致的主数据,即创建主数据的单一视图;

以服务的方式把统一、完整、准确的主数据发布给企业范围内需要使用这些数据的业务系统、业务流程和决策支持系统;

集中、定期进行主数据的清洗和丰富。

5、数据模型管理

数据模型是指用实体、属性及其关系对企业运营和管理过程中涉及的所有业务概念和逻辑规则进行统一定义、命名和编码。数据模型是业务人员、IT 人员和开发商之间进行沟通的一套语言。数据模型管理涉及:

概念数据模型:高层次数据模型,定义了重要的业务概念和彼此的关系;

逻辑数据模型:对概念数据模型的进一步分解和细化,描述实体、属性以及实体关系;

物理数据模型:描述模型实体的细节,对数据冗余与性能进行平衡,需要考虑所使用的数据库产品、字段类型、长度、索引等因素。

数据模型解决的问题

6、数据安全管理

数据安全管理贯穿于数据治理的全过程,在生命周期内的数据都应该进行数据安全管控。

数据安全管理需要抓住重点,从企业数据湖中寻找“敏感数据”,标记敏感属性,记录使用轨迹,有的放矢的进行安全管理。

当涉及到数据共享,需要针对敏感数据按照敏感等级和使用需求进行数据脱敏或数据加密。

严控数据库访问权限,提供统一数据库用户维护入口,禁止私建用户和权限分配。

监控异常的数据、系统操作行为,记录行动轨迹,具备告警能力。

7、数据生命周期管理
数据生命周期记录数据从创建和初始存储,到它过时被删除的整个流动过程。数据生命周期管理将数据组织成各个不同的层,并基于那些关键条件自动地将数据从一个层移动到另一个层。较新的数据和那些很可能被更加频繁访问的数据,应该存储在更快的,并且更昂贵的存储媒介上,而那些不是很重要的数据则存储在比较便宜的,稍微慢些的媒介上。

我们的优势

1、完整性

东软数据治理解决方案的最大优势在于完整性。东软丰富数据产品线基本覆盖了所有数据操作,这几乎是其他供应商所无法提供的。

2、各行业丰富的数据经验

东软集团数据产品线具备15年的项目管理经验,已服务于国家工商总局、公安部、国家发改委等诸多客户。在政府、教育、医疗、金融、交通、环保等各个行业积累了大量的经验。凭借如此丰富的经验积累确保了数据治理的最佳实践。

3、先进性和广泛适配性

东软集团数据产品线在吸收国外先进数据产品设计思想后,结合项目本身特点适配研发,积累了大量的功能需求特性,具备先进性的同时,保证广泛的适配性。不仅支持常用的数据存储,如 MySQL、Oracle、HBase 等,针对国产数据库如达梦、GBase、华为 Gauss 系列等,均能良好适配,尽可能满足客户数据处理需求。

相关产品

2020-03-24T14:31:28+00:00