数据治理方法论
2022-04-11 14:47:48 0 举报AI智能生成
数据治理是数字化转型的牛鼻子，是实现数字化转型的必须经由的实践策略。该图给出完整的数据治理方法论体系，数据治理章程原则制订、数据治理组织、数据治理文化培训等
作者其他创作
大纲/内容
4. 职能设计
4.1 确定核心信息原则
制订备选原则清单
输出：信息原则的初始列表
应用通用信息准则（GAIP）
确认通用信息准则中的原则
和企业当前的原则和政策保持一致
调整和优化当前已有的原则
分析每个原则的原理和影响
输出：企业信息原则的初稿
提交数据治理委员会并通过审批
输出：审批后的信息原则
4.2 确定以业务为导向的数据治理政策和流程基线
以原则为基础起草政策初稿
输出：数据治理政策初稿
识别数据治理流程
识别能够支持关键业务指标或者度量模型的流程
输出：度量指标和业务信息需求的管理流程
收集信息管理方面已有的政策
输出：当前信息管理的政策
识别能够支撑标准、控制和政策方面的流程
输出：标准和控制方面的管理流程
识别支撑主数据和ERP项目方面的流程
输出：主数据和ERP方面的数据治理流程
定义/支持合规需求
输出：合规方面的数据治理流程
识别规划和管理相关的职能
输出：数据治理规划和管理流程
识别企业数据模型标准和管理方面的需求和流程
识别参考数据政策和管理相关的需求和流程
输出：参考数据或代码方面的数据治理流程
识别政策和标准管理的流程
输出：数据治理管理流程
确保流程和政策不相互冲突
输出：政策和流程的相互关系
可选：和财务、合规等部门一起开展“信息风险”方面的分析
输出：信息风险分析
识别当前数据管理中存在的问题
输出：能够弥补当前数据治理缺陷的流程
明确适当的控制点
数据控制
明确隐私和安全的关注点
隐私和安全方面的控制
明确监督、合规的需求
监督和合规方面的数据治理流程
明确关键数据治理流程
问题处理流程
输出：数据治理问题处理流程
数据治理政策、标准变更流程
输出：政策和标准维护流程
数据治理和项目的交互
输出：项目的数据治理流程
制定部门数据管理的绩效目标
输出：业务领域的数据治理绩效目标
识别其他的数据治理流程
识别SDLC变更流程
输出：SDLC变更需求
设计SDLC协同管控方面的数据治理流程的细节、交付物和文档
SDLC变更
根据修订的政策和流程制订协同计划（审阅、修改数据治理和企业信息管理方面的既有政策和流程
输出：和数据治理相关政策的修订
4.3 识别和细化信息管理职能和流程
识别信息管理流程
输出：修订后的信息管理流程（不是数据治理的）
从数据治理中分离信息管理的职能
输出：信息管理和数据治理各自的职能列表
4.4 识别初步的职责和所有权模型
分析需要数据治理认责的流程
输出：认责流程
分析数据治理职能和业务领域的结合点
输出：数据治理接触点
定义数据治理初步的执行机制
输出：数据治理执行的机制设计
4.5 向业务领导展示企业数据治理职能模型
数据治理职能模型汇报的准备
数据治理职能汇报
原则上获得对于数据治理流程的认可
输出：批准的功能列表
5. 治理架构设计
5.1 设计数据治理组织框架
从职能设计的视角进行数据治理的RACI分析
输出：数据治理RACI矩阵
定义组织联邦的层级
输出：数据治理联邦层级
数据治理联邦架构建议
输出：数据治理联邦模型
基于RACI分析识别管理层
数据治理管理层
制订组织模型
输出：数据治理的组织架构图
确定潜在的人员配置
输出：数据治理组织人员清单
明确各层级的管理者
输出：数据治理组织的汇报关系
定义数据治理组织主要层级的章程
输出：数据治理组织章程
5.2 识别角色和责任
定义数据管理专员的角色和职责
输出：数据管理专员、数据所有者的角色和职责
定义数据管理专员/职责的识别方法
输出：数据治理职责的定义
协同HR部门和已识别的数据管理专员一起制订并修改数据管理专员绩效考核目标
输出：修订后的数据管理专员绩效目标
识别数据治理的监督主体
输出：数据治理的监管框架
识别委员会成员、执行层和管理层成员
识别特别的沟通点和沟通方式
5.3 评审和批准数据治理组织框架
高层领导审阅并批准数据管理专员识别方法
数据管理专员识别方法的批准
开发数据管理专员识别模板
输出：数据管理专员模板
根据数据主题域识别数据管理专员，并明确各主题域的优先级（如客户）
输出：数据管理专员的监督范围
识别管理专员和所有人
输出：数据管理专员和所有人列表
获得对数据管理专员和所有人名单的审批
输出：批准后的名单
5.4 启动数据治理宣贯
开展数据治理管理专员的培训
完成培训
和委员会成员、数据管理专员一起审阅信息管理和数据治理原则
原则评审活动
6. 演进路线图
6.1 整合数据治理和其他相关的工作
识别需要遵循标准和治理的项目和利益干系人
输出：需要治理的项目和利益关系人列表
细化治理的主体和委员会（如果是EIM的一部分）
提升治理的监管能力
细化数据治理章程（如果是EIM的一部分）
输出：调整后的企业信息管理/数据治理章程
如果需要，则确认数据管理专员和所有者模型
输出：确认后的人员和模型
定义数据治理的实施计划支持企业信息管理计划或者其他识别的项目
输出：企业信息管理/数据治理演进路线图
数据治理实施任务和时间点列表
输出：数据治理实施计划
6.2 定义持续运营需求
开展/审阅利益相关者分析（或者同时开展）
利益相关者的持续运营需求分析
审阅信息管理的相关评估报告
输出：变革能力报告
开展变革能力评估（如果没有做）
输出：变革能力报告
识别变革管理需要的资源
输出：变革管理资源清单
交叉检查点、变革能力和利益相关者分析
输出：变革管理领域
结合信息管理能力成熟度评估结果进行变革能力分析
输出：变革能力和成熟度目标
开展利益相关者分析（如果需要）
识别数据治理的利益相关者
输出：数据治理利益相关者列表
开展SWOT分析（所有利益相关者）
输出：SWOT分析报告
完成利益相关者分析
输出：SWOT分析总结
数据治理领导审批
SWOT分析结果审批
评估主要利益相关者的参与程度
输出：利益相关者类别的划分
领导层（数据治理指导委员会成员或者支持者）审阅评估主要利益相关者的影响分析报告
SWOT分析结果审批
制订行动计划，提升利益相关者的参与程度
输出：SWOT分析的行动清单（可以是持续运营需求的一部分）
开展领导层协同能力的初始评估
确定变革的本质、范围
输出：影响范围
描述数据治理支持者推动变革的能力
输出：支持者能力报告
制订计划加强支持者的参与（如果需要）
确保支持者持续参与的方法
定义培训需求
输出：数据治理持续培训需求
定义沟通需求
输出：数据治理沟通需求
准备变革能力报告
变革能力汇报
满足数据治理持续运营需求
数据治理变革管理和持续运营需求
6.3 定义变革管理计划
定义数据治理可持续性成功的条件
输出：数据治理持续运营评价标准
定义和设计持续性的度量指标
输出：数据治理持续运营的度量指标
识别组织变革管理团队成员
输出：数据治理变革管理团队
识别各种类型的阻力
数据治理阻力分析
制订阻力的应对方法
输出：数据治理阻力的应对方法
制订阻力管理的计划
输出：数据治理阻力管理计划
审批和批准阻力管理计划
阻力管理计划的审批
定义并调整员工绩效目标和奖励机制，以适应新的工作要求
WIIFM（对我有什么好处）的描述
开发数据治理持续性运营的检查表
输出：持续运营检查表
识别和设计变革评价指标
输出：数据治理变革管理成功的评价指标
制订员工岗位调整方法（如果需要，可以请HR参与）
输出：员工调整方法
制订沟通和培训计划
输出：沟通和培训计划
制订数据治理沟通计划
识别受众
输出：数据治理沟通的目标
制订沟通内容和主题
输出：沟通内容和主题
定义沟通渠道
输出：沟通渠道
定义时间、频率和交付方式
输出：沟通计划
审阅和批准沟通计划
沟通计划的审批
制订数据治理培训计划
识别受众
输出：数据治理培训的目标
定义培训的深度和广度；入职培训、教育、深度培训
输出：数据治理培训大纲
定义培训方式
输出：数据治理培训方式
定义时间、频率和交付方式
输出：数据治理培训计划
审阅和批准培训计划
培训计划的审批
6.4 定义数据治理运营实施计划
制订数据治理管理需求
输出：数据治理每日管理清单
如果需要，则修订数据治理章程、愿景
输出：修订后的数据治理章程
定义和细化数据治理组织的定位
输出：修订后的数据治理组织
识别需要立刻执行的数据治理任务
短期数据治理活动
定义数据治理演进路线图
输出：演进路线图
7. 推广和运营
7.1 数据治理运营实施
完成新的数据治理团队成员的识别和教育
确认数据治理团队的接受程度
数据治理职能和管控领域的宣贯
输出：外部对数据治理团队的理解
为新的数据治理管理者提供培训
高效运转的数据治理组织
审阅数据治理章程
输出：数据治理章程
为新的数据治理成员介绍数据治理的章程和原则
入职培训
向数据治理团队介绍持续性的治理活动和利益相关分析报告
入职培训
向管理层介绍数据治理组织（如果之前没有开展）
管理层启动培训
制订数据治理团队、委员会和管理层的介绍、培训和教育方面的计划
输出：培训角色职责的描述
协同数据治理团队职能和演进路线图中的项目
输出：应该受治理的项目
确保评估能够被理解、项目管理实践已经准备好
输出：应该受治理的项目
首次推出数据治理相关职能
数据管理专员和相关管控项目的启动
数据治理的启动
数据治理组织的启动
数据治理的启动
开始数据治理的路演
数据治理的路演
发布指导手册和原则列表
输出：数据治理原则和政策
开展数据治理政策和流程的宣贯和培训
数据治理培训
发布、实施数据治理和SDLC的集成文档
输出：SDLC的变更
制订和实施数据治理审计流程培训
数据治理审计流程培训
启动数据治理审计
数据治理审计流程已启动
识别和定义持续运营阶段其他的活动
其他所有的活动
开展数据治理效果度量
数据治理度量指标设计
数据治理指标和持续运营指标对比
度量指标汇报
指标收集机制
能够评价数据治理实施效果的、已投入应用的一系列指标
数据治理工具和技术的实施
数据治理工具
数据治理运营
提升变革管理并加强与其的互动
数据治理运营
开展审计和服务水平的检查
数据治理运营
和监管主体、数据治理委员会、管理层的互动
数据治理运营
数据治理框架的实施：数据治理委员会和管理层
数据治理运营
执行数据治理变革计划
沟通计划的执行
沟通事件
培训材料的制订和实施
培训事件
员工转岗到新的角色（如果需要）
员工角色转变
收集反馈意见并分析结果
数据治理持续运营的反馈
开展领导层协同能力评估
领导协同能力评估
开展组织影响分析
数据治理对组织的影响分析
监测并管理遇到的阻力
输出：阻力应对
数据治理持续运营检查清单的实施
输出：数据治理检查清单
细化数据治理培训、入门培训和路演的材料
输出：细化材料
如果需要，则发展其他的支持者
输出：支持者列表修订
速赢沟通
速赢沟通
与领导力相关的沟通状态和进展监测
数据治理进展记分卡
积极解决遇到的问题
问题处理记录
数据治理项目管理
主要项目委员会成员的培训
了解正在进行的数据治理工作
在数据治理工作开展过程中借鉴IT管理方面的最佳实践
数据治理/IT最佳实践的整合
制订项目治理相关模板
输出：数据治理项目模板
选定数据治理项目评估工具
输出：数据治理评估工具
制订数据治理跟踪和审计IT项目的程序
数据治理跟踪
预估数据治理项目的资源
输出：数据治理资源
修订后SDLC的实施
输出：数据治理加强实施办法
和企业PMO进行交互（如果存在）
数据治理和PMO之间的交互
数据治理运营及效率
评估组织架构
组织架构的确认
确认相关工作和人员的效率
角色转变的确认
验证政策和流程
流程的确认
审阅激励机制
激励机制的确认
监测和汇总数据治理持续运营度量方面的指标
输出：数据治理记分卡
执行数据治理监测方面的调研（如果已经设计）
数据治理调研
举办分组讨论/访谈收集反馈
数据治理分组讨论
执行变革集成方面的检查
变革采纳程度评估
受影响的政策/实践和程序之间的重新协同
数据治理政策的重新协同
修订员工绩效目标和奖励机制
数据治理激励机制的修订
0. 范围和启动
0.1 识别数据治理的组织范围
列出可能受数据治理影响的业务单元/部门
输出：数据治理的候选业务领域列表
识别业务单元下的关键部门
输出：数据治理相关的关键业务部门列表
理解战略的核心以及相关举措
输出：驱动数据治理的高阶业务战略
判断不同的部门是否需要不同的数据治理模式
输出：数据治理驱动力的范围
制定数据治理范围中的组织部门列表
输出：数据治理工作范围
0.2 数据治理定义和实施的建议范围和初始计划
定义具体的数据治理任务
输出：数据治理任务
定义当前治理范围内已知的约束
输出：已知的约束
市场
时间
合规
定义必须开展的评估
输出：必须的评估任务
定义标准的启动任务
输出：标准的企业项目启动任务
0.3 制定数据治理运营团队架构
识别数据治理团队成员和关键利益相关者
输出：数据治理团队成员和利益相关者列表
识别数据治理指导委员会成员
输出：数据治理指导委员会成员列表
开展数据治理工作参与者的SWOT分析
输出：SWOT分析结果
获得关于数据治理团队和指导委员会架构的批准和支持
输出：批准的数据治理参与者列表
0.4 批准范围和约束
和建议的指导委员会成员一起审阅范围
输出：建议的数据治理范围
基于反馈进行调整
输出：反馈和调整
制定最终的数据治理范围
输出：最终的数据治理范围
1. 评估
1.1 信息成熟度
确定调研工作的范围
输出：调研的对象或者区域
选择或者开发成熟度等级
成熟度等级调研
按照名称或组织识别所有的参与者
调研参与者
使参与者了解调研的重要性并需要匿名
调研的引导
调研方式的定义
输出：调研方式
在线
问卷
分组讨论
检查和修改成熟度模板
输出：批准的调研内容
定义最终交付的样式
输出：最终的调研
部署调研工具
输出：可用的调研
监控在线调研过程
管理调研数据的采集
分发问卷并监控反馈情况
管理调研数据的采集
准备和启动分组讨论
管理调研数据的采集
收集和分析数据
输出：调研数据库
基于成熟度等级定义计算成熟度得分
输出：信息成熟度结果建议
收集信息管理、应用、优先级管理和控制等方面已有的标准、制度和策略
并和信息成熟度等级进行映射
并和信息成熟度等级进行映射
输出：映射当前状态到信息成熟度等级，差距分析
1.2 变革能力
确定评估的方式，是采用正式会议，还是全面的调研工具
输出：变革能力调研方式
确定目标群体
输出：变革能力目标对象
定义调研对象或受访者
输出：调研对象或区域
定义调研方法
输出：调研方法
正式的会议
问卷
在线工具
管理调研或者召开会议
调研管理
分析和汇总关键发现
输出：调研数据库
分析是否需要进一步调查
输出：需要确认的业务领导列表
高层的支持
访谈关键用户
高层的承诺
访谈关键用户
确定哪些内容需要立刻报告或者仅发送给EIM团队支持后续的工作
输出：“必须了解”的发现
准备变革能力报告
输出：变革能力报告
1.3 协作意识
分析评估范围是否包含以下内容
协作意识评估范围
网站和内容
文档和协作平台
寻找和识别关于共同经验和兴趣的团队
工作流
协作产品
即时通信，短信/Twitter/Facebook等
分析调研范围
输出：调研范围
确定评估方法
输出：评估方法
访谈
文档评审
调研
联合方法
收集关于文档分享、工作流、内部wiki、博客等方面已有的标准、制度、策略
输出：评估资料
收集SharePoint、Notes或其他分享工具相关的清单
输出：评估资料
如果需要，以名字或者组的方式识别所有的参与者
输出：调研对象
告知参与者调研的重要性并需要匿名
调研的引导
如果需要，根据兴趣进行分组讨论
输出：兴趣组列表
定义最终交付的样式
最终的调研
部署调研工具
执行调研
监控在线调研
执行调研
分发问卷并监控反馈情况
执行调研
准备并开展分组讨论
执行调研
收集并评估采集到的调研数据、文档、会议资料
输出：调研数据库
基于定义好的标准评价协作意识
输出：协作意识得分
分析关键发现并准备汇报材料
输出：协作意识汇报
2. 愿景
2.1 定义组织的数据治理
明确组织信息资产管理的定义（如果其他地方没有定义）
输出：数据治理或者数据资产概念的定义，关于影响、关键点等方面的初始定义
数据治理相关的度量指标列表
输出：数据治理评价指标列表草稿
定义组织数据治理的使命和价值描述
输出：数据治理的使命和价值描述
细化并汇报数据治理的使命和愿景
输出：细化的数据治理使命和愿景
获得数据治理愿景和价值描述的审批
输出：审批后的数据治理愿景和价值描述
整理数据治理的初始定义
输出：数据治理的概念定义
制定数据治理电梯演讲资料
输出：数据治理电梯演讲
2.2 初步定义数据治理需求
收集并分析数据治理需要支持的组织目标、战略
输出：数据治理相关的业务目标
收集已经存在的交付物：数据、流程模型或者数据质量调研
输出：数据治理相关的数据资料
分析积压的各类工作：报表开发需求、网站更新、外部数据需求、数据问题和奇怪的数据治理需求
输出：直接或间接的数据治理需求
识别数据质量提升的关键目标或者外部监督的数据范围
输出：数据治理中的数据质量管理目标
分析重要的业务事件、影响风险的相关活动，如安全、合股产品、费率文件等
输出：数据治理在风险领域的价值
2.3 制定数据治理的蓝图
制定数据治理蓝图的一页纸简要描述
输出：数据治理蓝图描述
识别数据治理引见的控制点
输出：数据治理业务价值主张
制定“每日工作清单”
输出：每日工作清单
3. 一致性和业务价值
3.1 利用当前企业信息管理已有的业务案例
检查业务文档和之前工作中的发现
输出：业务目标、目的和之前工作的关键发现
确认组织的愿景、目的、目标和数据治理的相关性
确认数据治理和业务目标之间的相关性
确认业务目的、目标的度量指标
输出：业务目标的度量指标
明确支撑业务目标需要的数据治理角色
输出：支撑业务目标需要的数据治理角色
确保每个目标或目的都是可测量的
确认度量指标
3.2 一致性业务需求和数据治理
收集和分析业务目的和目标
输出：组织的目的、目标
整理已知的业务挑战、问题和潜在机会的列表
输出：业务目标相关的机会、挑战和问题分类
把挑战和机会与业务方向相关联
输出：业务机会
确保每个目的或者目标都是可测量的
确认度量指标
分析业务目的和战略相关的数据需求
输出：企业数据需求
收集度量、指标和其他的业务数据需求
输出：整合的度量指标和业务数据需求列表
收集业界评价指标（如果没有）
输出：标准或行业评价指标
把BIR（业务数据需求）和相关度量与数据治理机会相关联，验证两者的相关性
输出：业务需求/评价指标和数据治理模型的相关性
可选的：把相关措施和数据质量很重要的源系统进行关联
输出：指标/业务信息需求和数据质量的交叉关联
关联业务信息需求和数据问题
输出：企业数据治理管控点
如果需要，则整理数据使用/价值的表格
输出：应用价值和信息支撑表格
分析数据治理在业务中的价值
输出：企业价值环境
安排和业务领导、业务专家之间讨论的时间
输出：业务价值讨论会议安排
根据讨论分析相关业务价值，或者对之前的结果进行修订
输出：会议讨论结果
确认将来数据治理和业务目的、目标之间的结合点
确认数据治理和业务目标的关联性
确认目标和目的的度量
输出：业务目标的度量
明确达成业务目的所需的数据治理角色
输出：实现业务目标中的数据治理角色
3.3 识别数据治理的业务价值
把数据问题和业务需求相关联
输出：每个业务需求相关的数据问题
使数据治理机会与业务收益保持一致
输出：数据治理机会和业务需求相关数据问题的关联
识别与业务目的相关的潜在资金流
输出：有影响的业务需求相关的现金流
分析数据和信息使用过程中的机会
识别受管理的数据和内容在支撑、提升业务过程中的接触点
输出：新流程中可能的价值点
把能够创造价值或者实现业务目标的流程从原业务活动中分离出来
输出：业务流程中能够通过受管理数据实现目标的具体活动
通过当前使用的收益分析模型对各种财务收益和成本进行分析
输出：数据治理财务收益模型
描述实现业务目标中数据体现的价值
输出：数据治理价值描述
在数据治理团队或者委员会中发布结果报告
数据治理价值报告发布
使数据治理的价值收益和业务数据需求协同一致（体现业务目标、数据和数据治理活动之间的关系）
输出：数据治理业务价值
0 条评论
下一页
