数据资产目录
2023-03-10 09:50:44 0 举报
AI智能生成
数据资产目录
作者其他创作
大纲/内容
定义
数据目录是关于企业数据资产的一个有序清单。使用元数据来帮助企业管理数据,帮助数据专业人员收集、组织、访问和充实元数据,从而为数据发现和治理提供支持。
背景
1、 政策支持:国家银保监会发布相关政策,明确数据是生产要素,并给出了数据治理建设指引。
2、企业需求:从数字化转型路线的思考框架上,从行业解析、战略愿景、明确措施、规划方案自上而下,明晰数据资产是整个数字化转型及数字化运营的坚实基础。
3、便于治理:从数仓构建的角度上,可以简化大量时间和精力查找和访问数据、便于评估数据来源、质量和可靠;以数据资产为导向的数据管理工作可以串联元数据、数据标准、数据模型、数据质量、数据安全等各项管理工作,引导数据价值在业务端的发挥。
范围
系统库、表、元数据、指标、模型、业务规则、接口、文件等一切能够给企业带来效益和价值的数据资产。
建设步骤
1、数据资产梳理
梳理范围
数据盘点(甄别出有价值的、能促进再生产或存储的核心数据)、业务信息补充、数据管理信息补充、元数据模板梳理、数据认责等。
质量保障
资产盘点是一个长效工作,持续实现数据盘点和调整经营战略相辅相成。
制定相关的数据资产管理办法和准则。
先由专业人员主导资产盘点工作的开展,在有一定成效和价值后,让业务人员逐步参与进来。
充分做好调研,从数据治理的角度搜集和数据资产盘点相关的实际问题,因地制宜的解决实际问题。
2、数据资产目录框架设计
数据资产目录视角
从元数据出发
用数据字典来梳理数据资源,从而得出数据资源目录。其好处是总是可为,缺点是从技术到业务的路很难走。
从数据模型出发
用数据模型的结构来推导数据资源目录。优点是思路清晰、简单易行,其缺点是需要企业有数据仓库来承载数据模型,对于没有数据仓库的企业来说很困难。
从业务架构出发
用业务架构来对接数据资源目录。优点是业务驱动,且具有相当灵活性和前瞻性, 缺点是企业很可能没有清晰的业务架构,或者业务架构太空洞或抽象,不能落地到数据资源。
数据资产目录框架设计方法
参考对象
行业数据模型、数据仓库主题、业务中台主题、数据中台主题、业务流程标准、数据分类分级标准。
数据分析
业务场景、业务事项、业务流程、数据服务、数据安全。
设计路线
遵循企业发展的数据战略路线、重点数据资产优先、支撑企业数据及业务运营。
3、数据标签体系
标签价值
精细运营的基础,有效提高流量精准和效率。
帮助产品快速定位需求数据,进行精准分析;
能帮助客户更快切入到市场周期中;
深入的预测分析数据并作出及时反应;
基于标签的开发智能推荐系统;
基于某类下的数据分析,洞察行业特征;
标签分类
按用途分类,可分为基础信息、用户行为、业务偏好、场景标签;
按统计方式分类,可分为事实类标签、规则类标签、预测类标签;
按时效分类,可分为静态标签、动态标签;
标签分级
标签在建设初期就需要进行分级分类的管理,分类清晰的标签更便于查询使用,避免后续标签增多引发的查询困难问题。
4、资产与目录关联
数据资产目录需要安全管理规范,不仅需要指定目录维护的角色,也需要按照规范对相关角色分配目录数据的查询及使用权限。
5、数据资产标签化
结合数据标签与数据资产目录梳理数据资产,形成数据资产的网络检索体系,提高数据资产的使用效果。
6、利用数据资产管理平台管理数据资产目录
数据资产管理平台为数据资产管理体系的落地提供有效支撑。可持续进行数据资产目录管理、元数据管理、数据标准管理、数据质量管理、数据共享交换服务等数据治理工作,夯实企业数据治理成果,提升数据质量,推动企业数字化转型。
0 条评论
下一页