企业数据治理那些事

《企业数据治理那些事》全面探讨了企业数据治理的方向、策略、总体架构、治理机制、运维管理等内容。首先介绍企业数据治理的发展方向，提出了企业数据治
理的“八步走”策略。然后从项目层面对企业如何进行数据治理进行了深入分析，分别对数据治理项目的前期准备、项目实施方法论及调研分析、构建数据管理体系、存量数据清洗、完善数据交换架构、优化增量数据质量、企业数据治理项目的管理，以及数据治理项目后的数据运维工作、风险监控进行了探讨，并分享了大量数据治理项目实际案例。
《企业数据治理那些事》是一部完整的企业数据治理实战读物，内容主要面向企业信息总监、企业架构师和数据管理人员等，能够帮助读者系统地掌握企业数据治理的策略、方法。

段效亮，中国企业数据治理联盟秘书长，国际数据管理协会中国分会（DAMA China）成员，国家工信部数据治理培训组织者、核心讲师，中翰软件创始人之一。拥有15年以上数据治理实战经验，曾主导几十家大型企业集团数据治理项目的咨询、实施落地。自2006年以来，从主数据管理平台研发开始，陆续提出数据多级维护、多维度管理、静态数据中心、数据保养等理念，推出从咨询到运维管理的知识转移新模式以及指导、组织制定了数据能力成熟度评估指标体系。

前 言
国际上最早开展数据治理工作的应该是金融和电信行业，但是行业的特殊性决定了治理范围基本局限在客户数据层面，因此国外数据治理厂商大部分是以客户主数据治理为范本的数据治理厂商，当然还有小部分是由PDM延伸而来以BOM为核心的数据治理厂商。
近年来数据治理越来越被企业、政府所重视，国内从事数据治理的专业厂商日益增多，这些厂商大体分为如下八类：
? 一是从编码管理到主数据管理，再到全静态数据治理的厂商；
? 二是仍然以编码管理为核心的主数据管理的厂商；
? 三是由PDM延伸而来以BOM为核心的主数据管理的厂商；
? 四是由ERP拓展而来以编码管理为核心的主数据管理的厂商；
? 五是由实施国外ERP项目延伸出来的项目级主数据管理的厂商；
? 六是由元数据管理延伸而来的主数据管理的厂商；
? 七是由报表、BI厂商延伸而来的主数据管理的厂商；
? 八是学习了国外客户数据治理的理念、方案后，服务过金融行业数据治理的厂商。
可以看出，目前活跃在一线的大部分数据治理厂商是主数据管理或者主数据管理延伸而来的数据治理厂商，只有小部分是金融行业数据治理转行而来的厂商。目前各厂商相互“厮杀”于企业和政府行业的各个数据治理项目的招标过程中，“五花八门”的方案导致甲方的选择纠结难耐。
甲方的痛点在于，一是厂商的类型较多，再就是甲方自身对于数据治理的认知还比较初级，对数据治理项目实施的过程及后继开展的数据运维工作并不了解，甚至认为主数据管理就是数据治理的全部，并且所有的平台都类似，选哪个都行。
解答企业在实施数据治理中面临的种种困惑，让甲方对数据治理项目有更清晰的认识，是写作本书的初衷。本书共分3篇12章内容。
第一篇，概念及方法篇。本篇旨在明确数据治理的相关概念，指明企业数据治理的未来发展方向。包括企业数据治理概述和企业数据治理的“八步走”两章内容。
第二篇，项目篇。本篇旨在帮助读者了解数据治理项目实施的全过程，以便更好地抓住数据治理工作开展的时机，选择理想的数据治理方案，有效规避各种风险，科学高效地成功实施数据治理项目。包括5个角度自查数据管理现状、启动数据治理项目前的3个关键点、项目启动—项目实施方法论及调研分析、重塑标准—构建数据管理体系、解决已有数据质量问题—彻底清洗存量数据、完善数据交换架构—彻底打通数据孤岛、行为约束—优化增量数据质量、确保顺利—企业数据治理项目的管理、以终为始—顺畅开展数据运维工作、拒绝失败—数据治理项目的风险管控10章内容。
第三篇，经验篇。本书特意邀请部分甲方数据治理专家著文（共计19篇文章）分享企业数据治理项目实践心得体会，现身说法。这些内容对于准备开展数据治理工作的企业和读者而言非常有借鉴意义。
全书最后的附录：数据治理平台功能标准，介绍了数据治理行业中专业数据治理平台应该具备的功能，供广大读者朋友参考。
本书中的内容、方法等不代表行业标准，也无意去树立行业标准，我们相信未来会有更好的方案、产品出现。数据治理行业需要日新月异的技术及方案的更新，否则我们（甲方、乙方）谁都“伤不起”。
本书主要由段效亮编写，参与编写工作的还有30多位行业专家，不再一一提及，在此一并表示感谢！另外特别感谢王斌编辑，我们就本书的细节进行了多次细致而又高效的交流，他给予了非常多的中肯建议和帮助。
希望本书的出版，能够为改变企业对数据治理的认识，促进企业数据质量的持续改善产生积极的影响。
段效亮
2019年11月10日

目 录
序言1
序言2
序言3
前言
概念及方法篇
第1章 企业数据治理概述／2
1.1 数据治理的相关概念／3
1.1.1 什么是数据？／3
1.1.2 什么是元数据？／4
1.1.3 什么是主数据、静态数据（中心）／4
1.1.4 什么是企业数据治理？／5
1.1.5 企业数据治理的价值有哪些？／7
1.1.6 企业数据治理的源、末端模式／9
1.1.7 企业的二次数据治理／11
1.2 主数据管理的局限／12
1.2.1 主数据的动态性问题／13
1.2.2 主数据管理无法满足业务场景需求／14
1.2.3 主数据管理项目实施后运维难以保障／15
1.2.4 主数据管理项目实施后数据质量并未改善／16
1.3 企业数据治理该走向何方／17
1.3.1 构建数据治理整体架构确保数据治理的整体性／18
1.3.2 全方位重构数据标准体系彻底改善数据环境／19
1.3.3 构建全视角管控的静态数据中心全面保障数据质量／20
1.3.4 通过技术+行为的手段深层次保障数据质量／21
1.3.5 构建日常数据质量监测体系持续确保数据质量／23
1.3.6 构建基于场景的数据服务体系推进数据资产化管理／24
1.3.7 构建基于过程的知识体系确保全面的数据治理能力／26
第2章 “八步走”实施企业数据治理／28
2.1 现状自查—摸清数据管理现状／28
2.2 精心筹备—做好数据治理项目的启动工作／30
2.3 全面排查—开展项目调研分析／32
2.4 构建数据管理体系—重塑数据管理标准／33
2.5 存量数据改造—解决已有质量问题／33
2.6 构建数据交换架构—彻底打通数据孤岛／34
2.7 行为管控—优化增量数据质量／35
2.8 能力转移—保障高效的数据运维管理／36
项 目 篇
第3章 5个角度自查数据管理现状／38
3.1 自查数据环境／40
3.2 自查数据质量／41
3.3 自查数据安全／53
3.4 自查数据交换／55
3.5 自查数据运维／57
第4章 启动数据治理项目前的3个关键点／58
4.1 把握数据治理项目的启动时机／58
4.2 明确数据治理项目的原则和目标／62
4.3 合理搭建项目团队、选择治理工具及厂商／63
第5章 项目启动—项目实施方法论及调研分析／68
5.1 项目实施方法论／68
5.1.1 确定数据治理项目方法论／68
5.1.2 明确数据治理项目路线图／69
5.1.3 确定数据治理项目里程碑／71
5.2 项目调研分析／78
5.2.1 明确调研原则／78
5.2.2 框定调研范围／79
5.2.3 收集整理相关资料／79
5.2.4 针对调研结果进行集中讨论／80
5.2.5 进行全面翔实的差距分析／80
5.2.6 明确数据治理项目实施策略／83
第6章 重塑标准—构建数据管理体系／85
6.1 构建数据标准体系／86
6.1.1 构建数据管理组织、制度和流程／86
6.1.2 构建数据模型体系／88
6.1.3 构建数据质量标准体系／92
6.1.4 构建数据安全标准体系／94
6.1.5 构建数据交换标准体系／97

6.2 技术实现—数据管理体系落地／97
6.2.1 数据治理平台（中翰EDG）功能概述／98
6.2.2 实现数据管理体系的落地／99
第7章 解决已有数据质量问题—彻底清洗存量数据／103
7.1 分析存量数据质量／104
7.2 制定清洗策略／105
7.3 制定清洗规则／106
7.3.1 数据清洗的背景／107
7.3.2 数据质量现状分析／108
7.3.3 确定数据清洗流程／110
7.4 技术实现—实施存量数据清洗／115
7.5 数据清洗后的业务系统处理／119
第8章 完善数据交换架构—彻底打通数据孤岛／121
8.1 企业数据交换管理现状／122
8.2 构建基于静态数据中心的数据交换架构／125
8.3 企业数据交换架构的技术实现／127
8.3.1 定义数据交换规则／127
8.3.2 接入数据治理平台／129
第9章 行为约束—优化增量数据质量／131
9.1 数据采集阶段的行为管控／131
9.2 数据生成后的行为管控／135
第10章 确保顺利—企业数据治理项目的管理／138
10.1 项目文档的管理／138
10.2 项目实施过程的管理／139
10.2.1 项目咨询阶段的过程管理／139
10.2.2 项目实施阶段的过程管理／141
10.3 项目进度的管理／143
10.4 针对性地开展项目培训／144
第11章 以终为始—顺畅开展数据运维工作／148
11.1 建立完备的数据运维架构／148
11.2 用好数据运维管理工具／150
11.3 注重数据治理知识的收集和转移／151
第12章 拒绝失败—数据治理项目的风险管控／154
12.1 数据治理项目中的风险及管控／154
12.1.1 数据管理体系面临的风险／155
12.1.2 数据建模面临的风险／155
12.1.3 存量数据清洗面临的风险／157
12.1.4 数据交换治理面临的风险／157
12.1.5 数据治理知识转移面临的风险／158
12.2 数据治理项目后的风险及管控／158
12.2.1 数据日常管控治理面临的风险／158
12.2.2 数据体系拓展面临的风险／159
12.2.3 数据日常检测面临的风险／160
经 验 篇
经验1 数据治理三步走—天保控股集团踏上智慧化转型之路／162
经验2 聚焦核心，点滴做起—数据治理支撑山航集团数字化管理／164
经验3 从构建数据治理体系开始—山东能源集团的物供管理
大数据战略／167
经验4 搭建数据运维管理平台—国内某钢铁集团实现高效数据
质量管控／171
经验5 基础数据和接口数据的有效治理—突破广电行业发展的
瓶颈／173
经验6 内外兼治—数据治理提高国内制药企业核心竞争力／182
经验7 构建静态数据中心—国家电投山东院有效提升数据分析
精确度／184
经验8 持续治理—康尼集团构建稳固的数据管理架构／187
经验9 构建数据治理平台—国内某工程机械集团实现各业务
系统的整体联动／190
经验10 夯实信息化基石—国内某离散加工企业成功实施数据
治理项目／192
经验11 数据治理—开启国内某电器集团的蜕变之门／198
经验12 任重道远—国内某酒业集团实施数据治理项目的4个
感悟／206
经验13 数据治理—建筑行业实现智慧建造的必由之路／208
经验14 数据治理—高效支撑医疗行业各场景／211
经验15 精细化数据治理—新的思路让某科技集团拒绝MDM／215
经验16 数据资产管理—为京东数科赋能／219
经验17 宏观+微观—构建水利行业新的数据治理模式／227
经验18 数据治理—确保军政部门信息安全／232
经验19 数据治理—支撑政务大数据建设／237
附 录 A
附录A 数据治理平台功能标准／241