论企业数据管理标准体系建设.docx

论企业数据管理体系建设
数据是企业在连续经营活动中积累下来宝贵资产，数据本身和围绕数据所进行活动必需得到管控，以确保在合理成本范围内数据价值充足发挥并深入增值，实现投资回报最大化。
本文分析企业数据管理存在突出问题和挑战，对数据管理体系组成、建设标准、建设关键点、演进策略提出部分提议，力图为企业建立或完善本企业数据管理体系提供部分参考。
背景和问题
信息技术进步使信息化成为企业发展和快速扩张有效支撑手段，多年来，中国外各行各业分别建设了适合本企业信息系统，如生产支撑型、业务支撑型、管理支撑型，和分析决议型系统等；和此同时，伴随全球经济发展、市场竞争加剧、新技术推陈出新和逐步商用，信息系统所承载业务内涵、系统规模和数量和复杂性也在不停攀升。
林林总总这些信息系统，在长久使用中积累、沉淀了大量关键业务数据，如用户资料、营销策划内容、产品资料、合作伙伴、协议契约、企业资源、进销存、生产、工程建设、财务数据等，这些既是企业关键信息，也是企业关键资产，假如不对数据生命周期全过程加以管治，将可能带来多方面问题，比如：
数据安全问题：数据不合适使用可能泄漏企业机密，造成企业在竞争中失利，危及企业生存和发展；另外中国外对上市企业也有相关法律要求，比如美国《Sarbanes-Oxley法案》和中国《企业内部控制基础规范》，均提出上市企业内控管理必需切实做到保护财务数据、维护系统安全、保护用户数据免遭偷窃和破坏，以提升企业披露正确性和可靠性等。
价值发挥问题：面对众多信息系统，假如缺乏完整、一致企业数据视图，业务部门将不知道企业内哪些系统拥有自己所需数据；用户在不知道数据质量情况或明知数据不可靠情况下，不可能放心使用数据，无从依据数据作出正确判定、决议和快速响应。这些全部将遏制数据价值完整释放。
数据升值问题：在数据质量有保障前提下，对企业大量历史数据采取商业智能、数据挖掘、估计能技术手段，能从数据中发觉事物发展深层次规律，比如用户偏好、收入估计、用户流失倾向估计等，为企业提供经验总结和预见性业务支撑；其次，良好数据管理机制将在企业内形成良好知识共享和传承体系，促进企业人才培养和组织进步，实现数据增值。反之，数据零碎分布、数据歧义、低劣数据质量，和制度和平台缺乏，将严重遏制数据价值深入发挥和增值。
成本效率问题：
假如缺乏对数据一致了解，将影响跨系统、跨部门、跨专业需求沟通和信息共享，提升企业沟通成本和建设成本；假如对贯穿企业错综复杂数据流缺乏直观、完整认识，那么系统故障、数据问题快定位难以实现；数据权责不明确，将造成问题处理中系统之间、部门之间相互推诿和扯皮。全部这些，全部最终表现为信息系统对业务支撑不力，业务部门将越来越质疑企业对信息化投入……
总而言之，企业数据从产生、加工、传输到使用、销毁全过程，应得到专门管控，取得组织和制度保障，明确数据生命周期过程相关权责，实施体系化、制度化、步骤化、规范化、标准化管理，确保数据生产、使用全过程受控。
而这些，全部是企业数据管理体系范围，其目标是最终实现数据对企业投资回报最大化。
企业数据管理面临挑战
中国各行各业（尤其是大型企业）多年来逐步意识数据管理关键性和意义，开始或正在建设企业数据管理体系，不约而同全部面临部分重大挑战，如：
管理方面：缺乏覆盖全企业、跨业务线条、跨部门、跨系统统一数据管控体系，信息在创建、传输、加工、使用过程中角色、职权分工不清楚，需要建立明确信息责任人制度、有效方法及配套考评措施；
步骤方面：对于需求响应、问题处理和日常运行维护工作推进，缺乏跨部门、跨团体步骤定义，将难以高效整合相关资源形成系统建设协力；
规范方面：缺乏跨部门、跨系统统一业务规则、数据标准，不一样业务部门之间、业务部门和技术部门之间、技术团体之间，存在沟通和了解歧义，需求从提出到实现存在前后不一致风险；
技术方面：数据管控工作缺乏有效平台支撑，事件类型众多、处理复杂，人工处理效率低下，而且难以跟踪和评定。
企业数据管理体系建设
数据管理体系组成
依据国际数据管理组织提出数据管控框架，数据管控体系由规范、组织职责、步骤三大模块组成。
经过多年来为用户实施数据管理项目实践，我们认识到，成熟信息化技术有能力、有必需为管控工作高效开展提供能力支撑，我们提议对国际组织提出数据管控框架进行扩展，将平台支撑作为其中不可缺乏一部分。扩展后数据管理体系组成以下图：

数据管理体系图
首先，数据管理体系框架是稳定，自上而下由管控目标、管控对象、管控方法、组织/规范/步骤和管控平台组成；同时，整个管控体系应适应企业战略和总体业务目标需要，呈螺旋式上升、连续演进，是动态改变。
管控目标：服务于企业战略和业务目标，所以伴随战略和业务发展，数据管控，不一样时期数据管控目标将有改变、关注点不一样。通常，管控目标将提出建立统一企业数据管理中心，明确数据职责和步骤，以数据价值最大化为己任。
管控对象：伴随管控目标演变，各时期关注管控也对应调整，分阶段纳入不一样类型、不一样范围管控对象。比如，在早期关键管理企业数据中心元数据和基础数据质量，以后管理业务指标体系、业务需求和完善数据质量，后续将主数据、数据生命周期纳入管理，最终管控范围从企业数据中心扩展至企业其它信息系统。
管控方法：对不一样管控对象在不一样阶段采取进化管控方法，如和需求步骤结合元数据变更管理、自检和第三方检验结合数据质量监控、基于数据实时性需求主数据同时、应用生命周期管理、数据生命周期管理、数据安全保障、数据审计、周期评定、总结汇报等。
组织/规范/步骤/制度：建立可适应管控目标演进、责权明确组织架构；结合企业实际情况及未来发展需要，制订相关管控制度、规范，如数据保密制度、元数据管理规范、数据质量管理规范、主数据管理规范；以规范为框架，梳理相关步骤，如元数据管理步骤、数据模型管理步骤、数据质量管理步骤等。
IT支撑：即采取信息技术手段建设数据管控平台，承载数据管理相关能力，形成企业统一信息视图，承载相关管理步骤，对各管控对象进行监控预警，支撑故障处理、知识总结、评定优化等管控工作。IT支撑平台建设，首先应提升管控效率、降低管控成本，在此基础上帮助数据增值。
数据管理体系建设标准
企业数据管理体系建设是系统工程，不可能一蹴而就，建设过程需遵照相关标准，以下是部分关键标准：
总体计划、分步实施：数据管理工作是长久，应立足长远做总体计划，同时结合实际分布实施，避免不切实际一步到位。
需求驱动、价值优先：各阶段管控目标应结合本阶段实际需要，合理安排资源，优先满足最迫切需求，表现对企业实用价值，避免片面求大求全或激进。
目标指导、整体带动：应一直围绕管控目标，完善组织、制度、规范、步骤和支撑平台，实现目标驱动整体上升效应；管控体系是演变。
借鉴和定制化：借鉴业界优异经验，采取成熟实施方法，和本企业实际需求融合，确保优异性和实用性。
先固化再优化：多种制度、规范、步骤，形成后应先固化有个适应期，在实施过程中积累经验、总结教训后再阶段性优化，避免随意调整。
数据管理体系建设关键点
企业数据管控包含大量跨业务、跨部门、跨系统工作，实施过程需着重保障以下关键点落实到位：
高层领导重视和支持是数据管控体系建设关键保障
从企业高层到基层，需要清楚认识到数据管控工作开展包含到方方面面，并不仅仅是技术层面问题；数据管理是长久过程，不可能一步到位，需连续完善。所以，必需将其上升到企业战略管理层面，取得企业高层领导重视和支持，确保数据管控目标和方向正确性、相关资源能立即到位、重大冲突或问题能有效协调。
职能集中化数据管控组织是确保数据管控体系正常运转关键
在业界数据管控最好实践中，无一例外含有一支专门、稳定团体，负责企业内数据处理和管理工作。该团体一部分分布在业务条线上，实时支持业务线管理和经营；一部分集中在后台负责管理企业级数据整合，两部分人员紧密沟通，统一行动。从数据管控发展趋势来看，该团体必需深入转型为固定权责明确、职能集中数据管控组织机构，给予实施多种数据管理活动和数据增值服务责任和权力，以支撑业务发展战略和运行管理两方面目标。
数据管控工作需和企业业务步骤结合
数据管控和企业业务目标实现亲密关联，企业必需建立融合于业务步骤数据管控步骤。为了实现业务目标，业务部门、支撑部门全部对数据负责，职责清楚，业务方面确保需求质量、指标口径清楚，支撑部门进行响应需求和申告/投诉、整合数据、监控应用和数据质量。
数据管控需要企业文化层面支持
数据质量确保和产品质量确保一样，需要企业文化支撑；在数据管控建设早期，能够考虑将数据质量纳入绩效考评关键内容，以促进数据质量意识和控制文化培育。
数据管理体系演进策略
如上文所述，企业数据管理体系在框架稳定基础上不停迭代完善，下面提供了一个演进路线案例供参考。具体企业演进阶段划分、演进路线设计，应结合本企业实际需要来制订。

数据管理体系演进路线参考图
结束语
企业数据管理体系建设是系统化工程，包含于众多源系统交互和大量协调工作，必需有数据管控平台来有效支撑这些工作，保障数据管控可行、高效。
同时，平台建设不等同于整个体系就建设好了，企业还需成立对应组织，制订相关步骤、制度、规范，并将管控工作落到实处、经过平台运转起来。
也就是说，数据管理体系在投入运作前，必需进行需求分析、计划、设计、平台开发。对于这些工作，提议企业引入含有实际实施经验专业咨询企业，能够经过行业标杆、业界经验引入开拓视野、确保高度，又能确保所设计管理体系是切实可行、能落地实施。