【《国内数据治理典型行业案例分析》4100字】

第第页国内数据治理典型行业案例分析目录TOC\o"1-3"\h\u17811国内数据治理典型行业案例分析 125351.1工商银行数据治理分析 1249321.1.1工商银行概况 1225171.1.2工商银行的启示 3322151.2国家电网数据治理分析 3116131.2.1国家电网数据治理概况 3167591.2.2国家电网数据治理启示 4190911.3华为数据治理分析 558091.3.1华为数据治理概况 553631.3.2华为公司数据治理启示 6265071.4启示与借鉴 6工商银行数据治理分析工商银行概况工商银行是一家资金雄厚国际知名的股份制商业银行，经过21年的发展，多项指标均位居国内业界第一位。工商银行作为我国最早布局数字化转型的大型银行之一，始终坚持数据和技术双要素驱动创新发展，围绕“做实、做强、做活”数据资产，全面推动数据管理工作和数据平台建设升级转型，促进数据与业务的全面深度融合，优化数字化布局，加快传统金融模式的数字化重构，努力打造面向未来、更加适应高质量发展要求的“数字工行”，在数据战略、数据治理、数据架构、数据标准、数据质量、数据安全、数据应用、数据生存周期等领域取得了丰硕成果。工商银行认为企业级的数据治理要建立符合自身的数据治理体系，并从包含三方面的内容开展数据治理，第一是组织保障，第二数据架构，第三是价值实现。工商银行从治理角度成立金融科技发展委员会统一领导数据治理的工作，为公司级数据治理的落地提供了指导。工商银行构建了大数据平台并以数据管理为主要核心工作，建立了企业级数据治理流程，通过公司级大数据平台建设，实现三大核心业务领域的数据采集，开发并实现了统一数据存储模型来存储数据，并通过数据API接口提供对公司数据的共享访问。工商银行数据治理工作落地通过妥善处理组织机构的设置、数据治理服务和数据治理平台三个关系，依次以渐进的方式推进数据治理改革如图4-1所示。图4-1工商银行数据治理Figure4-1ThedatagovernanceofICBC在组织架构方面，工商银行成立了金融科技发展委员会，统一领导数据治理的工作;金融科技发展委员会下辖管理信息部、金融科技部两个综合管理部门，负责企业数据治理工作的综合管理；各业务管理部门、经营机构作为数据治理的第一道防线，负责本业务线、本机构的数据治理，通过金融科技发展委员会协调解决重大数据治理相关事项。内控合规部承担第二道防线的职能，组织开展数据治理评估、监测、控制等工作，监督数据治理执行情况；内部审计部门承担第三道防线的职能，负责制定审计制度和流程，组织开展数据治理审计工作。在数据架构方面，工商银行定义了数据治理的四个层次，分别为数据模型、数据布局、数据管控、数据服务。数据模型是对数据资产进行规范与标准化，是支撑数据架构的重要基石；数据布局重点描述业务场景相关的业务对象在整体数据架构中的集成、流转、分布情况；数据管控是围绕数据分布与数据模型，从数据质量、数据安全、信息标准、数据生命周期四个角度对全行数据进行管控；数据服务则提供标准化数据服务，同时实施数据安全访问控制。在价值实现方面，工商银行通过构建数据湖、数据仓库，支持数据多维度分类、索引和可视化展现，较好的解决了“数据在哪儿”的问题；通过提供标准化的数据服务、构建分析师队伍，打造一支“懂数据”的队伍，切实用好数据资产，发挥数据价值。工商银行的启示在企业的实际经营中，很少有企业数据治理体系存在问题，主要是在相同的企业在数据治理体系落地实施的时候，企业和企业之间拉开了差距。通过深入分析工商银行数据治理相关案例，我们可以看出正是得益于强有力的数据治理体系促使工商银行走在了国内企业的前列。首先，工商银行制定了清晰的数据管理体系，确保数据价值得到真正发挥。其次，工商银行建立了组织架构，明确了数据治理的组织和职责分工。再次工商银行构建了属于自身特点的数据治理架构，为工商银行数据应用方面提供支撑，最终实现了数据资产变现。国家电网数据治理分析国家电网数据治理概况国家电网公司是国家批准的投资机构，是国务院批准的国家控股公司试点单位。国家电网是典型的大数据所有者。随着信息水平的提高，数据收集的粒度在减小，收集的数据类型在增加，数据细化程度也在提高，电力数据将继续呈爆炸式增长趋势。2019年，国家电网公司建立了大数据中心。国家电网公司新成立的大数据中心是针对数据进行管理职能部门，先后开发了数据共享平台、数据服务平台和数字创新平台。专门负责公司数据的专业管理，实现数据资源的统一运营，促进数据资源的高效利用，为公司“三型两网”建设，实现全球能源互联网公司提供数字化支撑。国家电网对数据生命周期的各阶段进行分析，结合国家电网信息化系统建设及数据应用情况建立了数据管理的组织架构，明确了大数据中心的组织和职责分工。提出了大数据中心的规划，从三个方向分别以平台、组织和技术进行人、财、物的投入，以确保大数据中心的建设需要，大数据中心承担着助力公司战略转型的重要使命，通过数据治理促进线上运营服务能力提升、实现对客户的精准感知，针对性提出营销和服务、不断提升客户体验。国家电网要向管理精细化转型，通过数据治理不断提高国家电网管理精细化水平，精确营销能力，精准服务能力，最后要向全业务发展转型，通过数据治理，实现面向全业务的融合能力、产品设计、服务过程的闭环管理如图4-2所示。图4-2国家电网数据治理Figure4-2Thedatagovernanceofstategrid国家电网坚持以数据为主线，从业务系统、数据交换、数据中心、分析应用等不同层面分析数据，设计一套适合国家电网的数据管控体系，建立数据生命周期各阶段的管理机制，加强数据全生命周期各阶段的执行力度。利用元数据对数据资产进行规范化定义，针对不同来源、存储类型、数据形态特点的数据进行统一归集；利用主数据形成统一的数据标准，并对主数据的管理工作制定出管控流程、标准规范等内容。国家电网为更好地评估数据治理建设工作成效，确定是否达到预期建设目标和标准，整体提升国家电网数据管理及应用水平，国家电网构建了数据治理评估指标。当通过数据治理评估后，国家电网明确了数据治理方面的强项和弱项，同时也为规划将来的数据治理实施项目奠定了基础。国家电网数据治理启示国家电网通过建立数据治理体系，结合实际情况，设计了适合国家电网现状和发展的数据治理总体框架，明确了数据治理的核心工作内容，并基于元数据和主数据管理系统的深化应用、建立了数据治理的组织架构，促使数据质量、数据安全得到加强。数据生命周期和数据架构的管理丰富了数据应用的内容。华为数据治理分析华为数据治理概况华为技术有限公司为全球领先的信息与通信技术解决方案供应商，华为从2007年开始启动数据治理，历经两个阶段的持续变革，系统地建立了华为数据管理体系。近十年的持续投入为华为在2017年开始的数字化转型打下了坚实的基础如图4-3所示。图4-3华为数据治理Figure4-3Thedatagovernanceofstategrid华为公司建立起一套企业级的数据综合治理体系。首先定义了数据管理的总纲，明确了华为数据治理的最基本原则。制定了三大政策，包括信息架构管理政策、数据质量管理政策和数据源管理政策。其次搭建了数据治理组织，在华为旗下每一个业务部门配备一个数据管理部，数据管理部的责任帮助每个部门的业务主管从专业的视角，按规范去定义数据。公司设立管控组织，由各个领域的首席专家组成的委员会，在每周的会议上专门对数据架构进行评审，单个业务部门确定不了的事情，可以通过委员会讨论确定下来。华为公司的每一个数据，必须由对应的业务部门承担管理责任，且必须有唯一的数据Owner。业务负责制的数据管理责任体系，各领域数据Owner要负责所辖领域的数据管理体系的建设和优化，包括负责信息架构建设，确保关键数据被识别、分类、定义及标准化；负责保障所辖领域的数据质量，持续度量与改进；负责所辖领域数据入湖，建设数据服务，满足公司各个部门对本领域数据的需求。华为提出数据质量把控需要从设计与执行两个维度开展评估的方法，设计即从信息架构的四个角度（数据资产目录、数据标准、数据模型、数据分布）来评估，比如数据分类是否完整、业务定义是否准确等，执行则从数据质量六性（一致性、完整性、及时性、唯一性、有效性、准确性）来评估。华为公司所有的数据管理规则，都要求在统一治理平台落地，即通过IT平台进行强制约束。华为公司数据治理启示通过分析华为公司数据治理，只有构筑一套企业级的数据综合治理体系，才能确保关键数据资产有清晰的业务管理责任，IT建设有稳定的原则和依据，作业人员有规范的流程和指导；当面临争议时，有裁决机构和升级处理机制；治理过程所需的人才、组织、预算有充足的保障。政策指引是为了形成数据文化的共识，数据架构管理是为了确保数据资产清晰可见，基于主业务流的业务对象识别加流程管理是为了确保数据资产被准确发现，组织保障是为了确保有正确的足够的人来运营这些数据资产，数据质量管理是为了确保数据资产始终可用，而IT则是为了确保数据资产运营的标准化和规范化。启示与借鉴通过工商银行、国家电网、华为公司数据治理体系实践进行分析总结，三家企业从不同的角度进行数据治理。从数据治理价值实现方面，数据治理是一个长期持续的过程，需不断完善大数据治理体系和数据保护机制，持续改善数据质量，完善数据保护措施，才能充分发挥数据价值，有效利用数据的价值将成为提升自身核心竞争力的重要手段。从数据管控方面，通过建立评估机制，强化生命周期各环节合规管控，深化基于数据平台工具应用，推动数据治理技术在数据业务场景的应用。从组织保障方面，各数据负责人承担保障所辖数据的质量，承接公司设定的数据质量目标，制定数据质量标准及测评指标，持续度量与改进，确保每个环节的数据治理质量。数据管理的目的是提高数据质量，包括数据的准确性、及时性、完整性、唯一性、一致性和可用性，来保障数据的安全性、机密性、完整性和可访问性。通过在组织和部门之间交换数据来支撑数据的集成、维护和共享，以提高组织的智能化发展并优化其资产的使用。通过实施数据管理工具来提高数据质量，通过研究数据源充分挖