工业大数据分析与治理（工业数据治理08）
2023-03-25 06:16 浏览量：527
主流数据治理标准及框架
一、国际标准
2015年，国际标准化组织IT服务管理和IT治理分技术委员会制定了ISO/IEC 38500系列标准，提出了IT治理的通用模型和方法论。
SO/IEC 38505标准中，阐述了基于原则驱动的数据治理方法论，提出了通过评估现在和将来的数据利用情况，指导数据治理的准备及实施，并监督数据治理实施的符合性等。
二、国内标准
1、 数据管理能力成熟度评估模型（DCMM）
DCMM（Data Management Capability Maturity Model，数据管理能力成熟度评估模型）是在工信部、国家标准化管理委员会的指导下，由全国信息技术标准化技术委员会大数据标准工作组组织编写的国家标准，也是我国首个数据管理领域国家标准。DCMM借鉴了国内外数据管理的相关理论思想，并充分结合了我国大数据行业的发展趋势，创造性地提出了符合我国企业的数据管理框架。该框架将组织数据管理能力划分为8个能力域：数据战略、数据治理、数据架构、数据标准、数据质量、数据安全、数据应用和数据生存周期，如图所示。
DCMM新增了数据生存周期管理功能域，这是一个进步，它考虑到了原始数据转化为可用于行动的知识的整个过程，包括数据需求、数据设计与开发、数据运维直至数据退役。只有让数据治理工作贯穿数据的整个生存周期，才能彻底将数据治理到位。
DCMM的优点在于它不只是理论和知识体系，而是可以直接应用的。而且DCMM已经在工业企业中有过很多应用案例。为了推进DCMM国家标准的落地实施，指导相关组织提升数据管理能力，全国信息技术标准化技术委员会大数据标准工作组在全国范围内组织开展了数据管理能力成熟度评估试点示范工作，涵盖金融、能源、互联网和工业等多个领域的30余家企事业单位，其中就包括7家工业企业。DCMM的缺点也很突出：通过数据管理能力成熟度评估只能了解组织数据管理现状，包括已取得的成果和不足，但是并不提供能力提升的方法，还需要数据管理专家给出提升建议、方法论和实施路线图。
2. GB/T 34960数据治理规范
GB/T 34960《信息技术服务 治理 第5部分：数据治理规范》（以下简称《数据治理规范》）是我国信息技术服务标准（ITSS）体系中的服务管控领域标准，该标准根据GB/T 34960.1-2017《信息技术服务 治理 第1部分：通用要求》中的治理理念，在数据治理领域进行了细化，提出了数据治理的总则、框架，明确了数据治理的顶层设计、数据治理环境、数据治理域及数据治理的过程，可对组织数据治理现状进行评估，指导组织建立数据治理体系，并监督其运行和完善。
《数据治理规范》将数据治理划分为顶层设计、数据治理环境、数据治理域和数据治理过程4大部分，如图所示。
顶层设计包括制定数据战略规划、建立组织机构和机制、建立数据架构等，是数据治理实施的基础。
数据治理环境包括分析业务、市场和利益相关方需求，适应内外部环境变化，营造企业内部数据治理文化，评估自身数据治理能力及驱动因素等，是数据治理实施的保障。
数据治理域包括数据管理体系和数据价值体系，是数据治理实施的对象。
数据治理过程包括统筹和规划、构建和运行、监控和评价、改进和优化，是数据治理实施的方法。
《数据治理规范》开创性地把数据价值实现作为数据治理的核心目标，并通过数据价值体系明确了数据价值实现的方式，帮助企业实现数据驱动业务的战略转型。
在《数据治理规范》附录中对数据治理涉及的核心治理域提出了明确的管理要求，为数据治理实施提供参考，为评估数据治理成效提供评价依据，通过正文和附录的结合，有利于数据治理的落地实施。
来源：合规一本通
- 分享：
