【《F铁路公司数据治理现状及问题分析案例》11000字】

F铁路公司数据治理现状及问题分析案例目录TOC\o"1-3"\h\u32403F铁路公司数据治理现状及问题分析案例 页表3-3F铁路公司成熟度评分表Table3-3ThematurityratingformofFrailwayCompany一级指标权重

（%）二级指标权重

（%）专家评分二级指标得分

（满分为5分）二级指标得分一级指标得分综合得分分值

（科信部）分值

（客运部）分值

（信息所）分值

（大数据）数据战略12数据战略规划3823222.250.862.262.17数据战略实施3833322.751.05战略实施评估2421211.50.36数据治理13数据治理组织3712111.250.461.65数据制度建设31111110.31数据治理沟通3233322.750.88数据架构11数据模型24111110.242.38数据分布14222220.28数据集成与共享30333330.90元数据管理32333330.96数据标准16业务术语2012111.250.251.83参考数据/主数据标准2232222.250.50数据元标准2922211.750.51指标数据标准29222220.58数据生命周期6.5数据需求2123332.750.582.19数据设计和开发3122332.50.78数据运维2921221.750.51数据退役1921221.750.33数据应用9.5数据分析36333331.082.76数据开发共享3233322.750.88数据服务3223232.50.80数据质量16数据质量需求2522111.50.381.39数据质量检查2622111.50.39数据质量分析2722111.50.41数据质量提升22111110.22数据安全16数据安全策略36333331.083.27数据安全管理3644433.751.35数据安全审计28333330.84通过上述表中得出得二级指标分数和所占权重，运用公式（3.1）计算后得出F铁路公司综合分值是2.17分。从F铁路公司的综合得分表明，就目前来看，F铁路公司的数据治理程度处于数据治理成熟度的受管理级阶段（2级），这也说明F铁路公司在数据治理上有了一定的治理理念，但在数据全生命周期治理的整个过程依然存在很多的问题。数据治理主要问题及分析从3.2.3章节中F铁路公司数据治理能力成熟度评分综合得分及各项指标的评分分析得出，在数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准、数据生命周期都存在数据治理的问题，但数据治理、数据标准、数据质量是F铁路公司数据治理的薄弱环节，迫切需要解决，因为这三方面的问题是数据治理的基础问题，问题的解决可以为其他方面提供保障。针对数据治理、数据标准、数据质量三个方面总结出F铁路公司在数据治理存在以下主要问题：数据治理组织架构不健全，有待完善F铁路公司虽然成立了大数据中心部门，但没有形成一套持续治理的机制。一是高层管理者关注不足。大数据中心部门不能被完全赋权，认为数据治理就是信息技术部门或者是大数据中心的事，不需要高层领导过多的参与和关注。二是缺乏明确的目标，数据治理目标没有与业务目标挂钩，只从技术角度考虑怎么治，没有考虑为什么治，为了治理而治理。三是分工混乱、权责不明。谁有数据的拥有权，谁有数据的使用权，谁有数据的管理权等职责没有清晰的定义，真正出现问题后相互推诿，没有人愿意负责。四是缺乏数据治理专家。单纯的业务人员和孤立的技术人员都不具备交付数据治理的完整能力，五是数据治理职能分散。很多情况下，生产数据、使用数据、分析数据的工作人员分布在不同的职能部门，角色不同，立场也不同，这些客观存在的影响因素都会影响整个数据治理的最终结果。数据标准不统一，数据整合困难F铁路公司虽然在一些系统或业务领域内有一些标准，但是标准不统一。主要根因包括：一是系统建设标准不一。信息化系统的建设绝大多数在不同时期、不同的外部厂商研发完成，各系统内的数据需求、数据标准、数据质量、数据安全都是随着系统建设或改造的项目开展，由各专业自行落实或执行自己的数据管理制度，建立了数据标准但不进行数据贯标，新建系统也不参考数据标准，数据标准被束之高阁，成为一纸空文。二是指标口径不一。经常会面临部门之间、系统之间数据不一致、统计口径和加工方法不一致而导致数据可信度大幅降低，难以保证各系统形成统一标准。三是缺乏统一的主数据管理。不同的系统各自维护用到的主数据，然后在数据汇聚或数据分析时，经常遇到主数据不一致，数据难以融合，影响了数据应用时的数据质量。数据质量管理不到位，有待管控F铁路公司在数据质量管理上只是停留在一个项目或单个业务部门内，数据质量的检查主要由业务部门在使用中完成，数据质量需求和数据质量报告模板不统一且不规范，只有系统出现数据错误时，业务人员才通知研发人员进行校正处理，存在大量重复性工作。一是数据质量和数据流程单一。数据质量和数据治理流程都是单一的一次性活动，将当前的发现的数据问题处理了就可以了，数据质量处理措施不需要和相关部门达成一致，没有形成质量规则相关文档。二是只关注业务流程、不关注数据质量。数据质量只有在导致决策失误时，才会意识到数据质量的问题。三是不考虑主动建立数据治理的策略。没有统一