工业大数据分析与治理（工业数据治理06）

       工业数据治理的管理者视图可以概括为：管控域、过程域、治理域、技术域、价值域的“五域模型”。

（1）管控域：在数据治理战略指导下制定企业数据治理组织，明确组织的责、权、利、岗位编制及技能要求。一般在大中型企业中会设立由企业高层领导及相关专家组成的数据治理委员会，审批数据治理相关的重大决策，并制定数据治理的相关制度、流程，建立数据认责及绩效考核机制，以支撑数据治理活动。

（2）治理域：是数据治理的主体，明确数据治理的对象和目标。根据数据资产的构成，企业数据治理又分为主数据治理、交易数据治理和数据指标治理。

（3）技术域：数据治理的支撑手段，提供数据治理所需的数据架构、治理工具平台，包括元数据管理、主数据管理、数据指标管理、数据模型管理、数据质量管理、数据安全管理等功能模块。

（4）过程域：是数据治理的方法论。数据治理过程包括评估与分析、规划与设计、实施的PDCA循环（即Plan、Do、Check和Action循环，也称戴明环）。在评估与分析阶段，要评价现有数据治理的成熟度、风险及合规性，业务对数据治理的需求。在规划和设计阶段，要明确数据治理的目标和任务，制定数据治理的相关制度和流程，设计数据标准、数据模型、数据架构及数据治理的实施路径。在实施阶段，要制定数据治理的相关制度、流程细节，选择合适的数据治理工具并通过定制化开发来满足数据治理要求。

（5）价值域：数据治理的目标就是通过对数据资产的管控，挖掘数据资产的价值，并通过数据的流动、共享、交易，实现数据资产的变现。

数据价值：对数据价值进行财务建模及数据价值评估的过程。

数据共享：通过实现信息整合和分发机制，支持跨业务、跨部门、跨行业、跨企业的信息流通和共享。

数据变现：通过数据的共享和交易，将数据转变成财务意义上的资产。

来源：合规一本通