数据治理 | 基本认识

• 建立数据治理组织架构：如成立由研发部门、生产部门、IT部门、法务部门等 组成的数据治理委员会，统筹制定数据标准及使用规范等。
• 制定数据战略规划：如规划 MDM主数据管理平台，统一组织内的物料编码规则，消除因编码不一致导致的研、产、采、供、销等数据混乱。
• 数据合规与风险管理：如大型跨国企业编制跨境数据传输方案，企业通过如设立数据中心以满足不同国家对数据隐私保护的要求。
• 数据驱动的业务目标设定：如规划供应链数据协同，与供应商共享实时库存数据，降低供应链中断风险。
• 数据文化培育：如建立用数据说话、用数据决策、用数据闭环等的数据文化。

2、业务层面

• 主数据管理：如通过MDM系统统一主数据的定义和编码规则，实现物料编码标准化、供应商主数据标准化、客户主数据标准化等。
• 业务术语统一：如通过明确业务指标的定义，建立业务术语表，避免部门间因术语歧义引发决策偏差。
• 数据访问与权限管理：如建立基于岗位角色的数据访问控制，每个人只能看与自己职责相关的数据、指标、报表等。

• 数据集成交换：如建立ETL工具平台整合多平台的数据，实现护具的统一调度，并进行数据的清洗。
• 统一数据存储：如利用数据湖技术存储多来源所有类型的数据，实现大数据场景下的数据存储、分析与加工等。
• 数据可视化与自助分析：建立数据展示平台或者BI分析平台，实现数据指标的可视、易读等。

• 分歧：数据/指标等定义的不标准、不易读，缺少共识；
• 分散：数据分散在各处，没有统一的存、管、用；
• 分寸：特定的数据只能在特定的范围使用，不能超出范围，使用要有分寸、要合规。

2、给组织带来价值：

• 赋能决策：通过提升数据、指标、报表等的质量和效率，让管理决策更可靠更高效；
• 降低成本：一致性的数据环境让数据的存、管、用更加自动化与集约化，减少软硬件及人力成本；同时标准化的数据、指标等定义，让沟通成本有效降低；
• 控制风险：建立起完善的风险管理机制，可以通过数据可以及时掌握内外部信息、洞察风险产生的可能性等。