论企业数据管理体系建设样本

论企业数据管理体系建设
数据是企业在持续经营活动中积累下来的宝贵资产, 数据本身以及围绕数据所进行的活动必须得到管控, 以确保在合理的成本范围内数据价值充分发挥并进一步增值, 实现投资回报最大化。

本文分析企业数据管理存在的突出问题和挑战, 对数据管理体系构成、建设原则、建设关键点、演进策略提出一些建议, 力图为企业建立或完善本企业的数据管理体系提供一些参考。

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的有效支撑手段, 多年来, 国内外各行各业分别建设了适合本企业的信息系统, 如生产支撑型、业务支撑型、管理支撑型, 以及分析决策型系统等; 与此同时, 随着全球经济发展、市场竞争加剧、新技术的推陈出新和逐渐商用, 信息系统所承载的业务内涵、系统规模和数量和复杂性也在不断攀升。

林林总总的这些信息系统, 在长期使用中积累、沉淀了大量的核心业务数据, 如客户资料、营销策划内容、产品资料、合作伙伴、合同契约、企业资源、进销存、生产、工程建设、财务数据等, 这些既是企业的关键信息, 也是企业的核心资产, 如果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, 例如:
数据安全问题: 数据的不恰当使用可能泄漏企业机密, 导致企业在竞争中失利, 危及企业生存和发展; 另外国内外对上市企业也有相关法律要求, 例如美国《Sarbanes-Oxley法案》和中国《企业内部控制基本规范》, 均提出上市公司的内控管理必须切实做到保护财务数据、维护系统安全、保护客户数据免遭盗窃与破坏, 以提高公司披露的准确性和可靠性等。

价值发挥问题: 面对众多信息系统, 如果缺乏完整、一致的企业数据视图, 业务部门将不知道企业内哪些系统拥有自己所需的数据; 用户在不知道数据质量状况或明知数据不可靠的情况下, 不可能放心使用数据, 无从根据数据作出正确判断、决策和快速响应。

这些都将遏制数据价值的完整释放。

数据升值问题: 在数据质量有保障的前提下, 对企业的大量历史数据采用商业智能、数据挖掘、预测能技术手段, 能从数据中发现事物发展的深层次规律, 例如客户偏好、收入预测、客户流失倾向预测等, 为企业提供经验总结和预见性的业务支撑; 另一方面, 良好的数据管理机制将在企业内形成良好的知识共享和传承体系, 促进企业的人才培养和组织进步, 实现数据增值。

反之, 数据的零散分布、数据歧义、低劣的数据质量, 以及制度和平台的缺乏, 将严重遏制数据价值的进一步发挥和增值。

成本效率问题:
如果缺乏对数据的一致理解, 将影响跨系统、跨部门、跨专业的需求沟通和信息共享, 提高企业的沟通成本和建设成本; 如
果对贯穿企业的错综复杂的数据流缺乏直观、完整认识, 那么系统故障、数据问题的快定位难以实现; 数据权责的不明确, 将导致问题解决中系统之间、部门之间的相互推诿和扯皮。

所有这些, 都最终体现为信息系统对业务的支撑不力, 业务部门将越来越质
疑企业对信息化的投入……
综上所述, 企业数据从产生、加工、传递到使用、销毁的全过程, 应得到专门管控, 获得组织和制度保障, 明确数据生命周
期过程的相关权责, 实施体系化、制度化、流程化、规范化、标准化管理, 确保数据生产、使用的全过程受控。

而这些, 都是企业数据管理体系的范畴, 其目的是最终实现数据对企业的投资回报最大化。

企业数据管理面临的挑战
中国各行各业( 特别是大型企业) 近年来逐渐意识数据管理的重要性和意义, 开始或正在建设企业数据管理体系, 不约而同都
面临一些重大挑战, 如:
管理方面: 缺乏覆盖全企业、跨业务线条、跨部门、跨系统的统一数据管控体系, 信息在创立、传输、加工、使用过程中
的角色、职权分工不清晰, 需要建立明确的信息责任人制度、有效的措施及配套的考核办法;
流程方面: 对于需求响应、问题处理和日常运行维护工作的推进, 缺乏跨部门、跨团队的流程定义, 将难以高效整合相关资源形成系统建设的合力;
规范方面: 缺乏跨部门、跨系统的统一的业务规则、数据标准, 不同业务部门之间、业务部门与技术部门之间、技术团队之间, 存在沟通和理解的歧义, 需求从提出到实现存在前后不一致的风险;
技术方面: 数据管控工作缺乏有效的平台支撑, 事件类型众多、处理复杂, 人工处理效率低下, 而且难以跟踪和评估。

企业数据管理体系建设
数据管理体系构成
根据国际数据管理组织提出的数据管控框架, 数据管控体系由规范、组织职责、流程三大模块组成。

经过多年来为客户实施数据管理的项目实践, 我们认识到, 成熟的信息化技术有能力、有必要为管控工作的高效开展提供能力支撑, 我们建议对国际组织提出的数据管控框架进行扩展, 将平台支撑作为其中不可缺少的一部分。

扩展后的数据管理体系构成如下图:
数据管理体系图
首先, 数据管理体系的框架是稳定的, 自上而下由管控目标、
管控对象、管控措施、组织/规范/流程和管控平台构成; 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、持续演进, 是动态变化的。

管控目标: 服务于企业战略和业务目标, 因此随着战略和业务
的发展, 数据管控, 不同时期的数据管控目标将有变化、关注点不同。

一般, 管控目标将提出建立统一的企业数据管理中心, 明确数据职责和流程, 以数据价值最大化为己任。

管控对象: 随着管控目标演变, 各时期关注的管控也相应调整, 分阶段纳入不同类型、不同范围的管控对象。

例如, 在初期重点
管理企业数据中心的元数据和基本的数据质量, 之后管理业务指
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, 最后管控范围从企业数据中心扩展至企业其它信息
系统。

管控措施: 对不同管控对象在不同阶段采取进化的管控措施, 如与需求流程结合的元数据变更管理、自检与第三方检查结合的数据质量监控、基于数据实时性需求的主数据同步、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、周期评估、总结报告等。

组织/规范/流程/制度: 建立可适应管控目标演进、责权明确的组织架构; 结合企业实际情况及未来发展需要, 制定相关管控制度、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, 梳理相关流程, 如元数据管理流程、数据模型管理流程、数据质量管理流程等。

IT支撑: 即采用信息技术手段建设数据管控平台, 承载数据管理的相关能力, 形成企业统一信息视图, 承载相关管理流程, 对各管控对象进行监控预警, 支撑故障处理、知识总结、评估优化等管控工作。

IT支撑平台的建设, 首先应提高管控效率、降低管控成本, 在此基础上帮助数据增值。

数据管理体系建设原则
企业数据管理体系建设是系统工程, 不可能一蹴而就, 建设过程需遵循相关原则, 以下是一些关键原则:
总体规划、分步实施: 数据管理工作是长期的, 应立足长远做总体规划, 同时结合实际分布实施, 避免不切实际的一步到位。

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, 体现对企业的实用价值,
避免片面求大求全或激进。

目标指引、整体带动: 应始终围绕管控目标, 完善组织、制度、规范、流程和支撑平台, 实现目标驱动的整体上升效应; 管控体系是演变的。

借鉴和定制化: 借鉴业界先进经验, 采用成熟的实施方法, 与
本企业实际需求融合, 确保先进性和实用性。

先固化再优化: 各种制度、规范、流程, 形成后应先固化有
个适应期, 在执行过程中积累经验、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
企业数据管控涉及大量跨业务、跨部门、跨系统的工作, 实
施过程需着重保障以下关键点落实到位:
高层领导的重视和支持是数据管控体系建设的重要保障
从企业高层到基层, 需要清晰认识到数据管控工作开展涉及到
方方面面, 并不但仅是技术层面的问题; 数据管理是长期过程,
不可能一步到位, 需持续完善。

因此, 必须将其上升到企业战略管理层面, 获得企业高层领导的重视与支持, 确保数据管控目标和。