工业大数据分析与治理（工业数据治理02）

工业数据治理的项目范围和重点（DAMA International）

       数据治理职能是指导所有其他数据管理领域的活动。数据治理的目的是确保根据数据管理制度和最佳实践正确地管理数据。而数据管理的整体驱动力是确保组织可以从其数据中获得价值，数据治理聚焦于如何制定有关数据的决策，以及人员和流程在数据方面的行为方式。数据治理项目的范围和焦点依赖于组织需求，但多数项目都包含如下内容：

1）战略（Strategy）。定义、交流和驱动数据战略和数据治理战略的执行。

2）制度（Policy）。设置与数据、元数据管理、访问、使用、安全和质量有关的制度。

3）标准和质量（Standards and Quality）。设置和强化数据质量、数据架构标准。

4）监督（Oversight）。在质量、制度和数据管理的关键领域提供观察、审计和纠正等措施（通常称为管理职责Stewardship）。

5）合规（Compliance）。确保组织可以达到数据相关的监管合规性要求。

6）问题管理（Issue Management）。识别、定义、升级和处理问题，针对如下领域：

数据安全、数据访问、数据质量、合规、数据所有权、制度、标准、术语或者数据治理程序等。

7）数据管理项目（Data Management Projects）。增强提升数据管理实践的努力。

8）数据资产估值（Data Asset Valuation）。设置标准和流程，以一致的方式定义数据资产的业务价值。

       为了实现这些目标，数据治理时将制定制度和实施细则，在组织内多个层次上实践数据管理，并参与组织变革管理工作，积极向组织传达改进数据治理的好处以及成功地将数据作为资产管理所必需的行为。

       产生和分享数据、信息的能力改变了个人及经济的互动。在充满活力的市场环境中，随着将数据作为差异化竞争优势的意识提升，促使组织调整数据管理职责。各个组织都在努力成为数据驱动型组织，主动将数据需求作为战略发展、项目规划和技术实施的一部分。

       要从作为企业资产的数据中受益，组织必须学会衡量数据和数据管理活动的价值并愿意接受并进行管理变革。