【技术实现步骤摘要】
本专利技术涉及数据治理，具体为一种基于工程实践的数据治理评估模型。
技术介绍
1、目前学术界出现不少数据治理评估模型，以指导企业数据治理工作的实践，但往往这些数据治理评估模型虽具一定指导意义，但实践性不足，导致数据治理工作推进不顺利；究其原由，大多是因为其目标性不突出，治理项目工程实践性不强，导致实施关系人不认可，治理效果不明显。
2、因此建立一个具有实践意义的数据治理评估模型，用于指导企业数据治理活动具有重大意义；数据治理评估模型需具有如下特点，其一，与治理关系人达成一致的治理规范与流程；其二，确立数据治理体系，明确数据治理目标与内容；其三，制定数据治理评估体系，有效衡量数据治理效果，以评估数据治理能力，促进数据治理水平提升。
3、数据治理工程实践性的目标是降本增效，即提升数据效率、控制数据成本；另外因数据治理的特殊性，另一方面的目标离不开提高数据质量、保障数据安全；围绕着数据治理这四大目标，制定完善的数据治理制度、规范与流程，用于指导数据治理体系的建设；完善数据治理评估指标体系的建设，衡量数据治理效果，以评估指导数据治理水平的提升。
技术实现思路
1、本专利技术的目的在于提供一种基于工程实践的数据治理评估模型，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种基于工程实践的数据治理评估模型，包括如下步骤：
3、步骤s1：制定数据治理制度规范流程：根据数据治理制度体系，完善数据治理规范与流程，指标
4、步骤s2：针对治理目标开展数据治理工作：提高数据质量、提升数据效率、控制数据成本和保障数据安全；
5、步骤s3：制定数据治理评估指标体系。
6、优选的，所述步骤s1数据治理制度规范包括：管理类规范和工程类规范；
7、管理类规范：用于规范数据管理相关的工作规范，包括数据标准管理规范、数据质量管理规范、元数据管理规范、数据安全管理规范以及数据分级分类管理规范；
8、工程类规范：用于从数据工程环节指导数据工作开展，包括数据集成管理规范、数据需求管理规范、数据架构与模型设计管理规范、数据开发与运维管理规范。
9、优选的，所述步骤s2提高数据质量：通过完善数据质量治理工具，从质量规则建立、规则配置稽核、问题预警分派、问题分析解决以及质量确认总结这五个环节打通数据质量闭环管理，从业务数据资产、主数据以及数据分析项目三位一体加强对数据质量的管控，满足重使用的数据质量诉求。
10、优选的，所述步骤s2提升数据效率：通过对数据开发基本流程的痛点梳理，完善数据探查、数据建模、数据开发以及数据使用的效率，提高整体数据开发使用效率，具体包括提升：查找数据效率、理解数据效率、开发数据效率和使用数据效率。
11、优选的，提升查找数据效率：通过对元数据注册、对元注释缺失进行预警，提高数据注释率，以完善数据资产信息，提高数据查找效率；
12、提升理解数据效率：通过对组织能力模型的梳理，理解核心业务流程、对业务领域间进行建模，形成领域数据模型，最终产生系统数据模型，以便更好理解数据，提高数据理解效率；
13、提升开发数据效率：完善数据平台能力，并对数据开发人员进行培训与推广应用，提高数据开发效率。
14、提升使用数据效率：结合指标管理方法与系统提高指标数据管理能力水平，形成统一指标数据体系，对指标数据应用与监控，提高数据使用效率。
15、优选的，所述步骤s2控制数据成本：通过数据成本管理工具，强化对数据平台的治理能力，对任务调度以及数据设计等方面进行治理优化，以优化资源利用达到降本增效使用，其中计算资源管理从无效任务、超长任务、波动任务、出错任务以及无效调度进行治理；存储资源管理从碎片化文件、重复入湖表、待清理数据、待压缩存储以及异常增长表进行治理。
16、优选的，所述步骤s2保障数据安全：制定并发布个人隐私数据以及企业敏感数据的分级分类，并强化对敏感数据的安全检查，开展数据安全专项治理工作，从数据安全环境以及数据安全加固两方面对数据安全进行保障。
17、优选的，所述步骤s3制定数据治理评估指标体系：对业务过程做精细化的分析，衡量业务目标的达成情况和行动的执行程度，通过制定体系化的数据衡量指标体系，来及时监测数据治理过程中哪些部分做的好，哪些部分还有问题，以指导数据治理工作的改进与提升。
18、与现有技术相比，本专利技术的有益效果是：
19、1、强调数据管理制度与管理办法，形成包括管理类、工程类的规范与流程，与数据治理关系人达成一致的意见，用于指导数据治理工作与活动；
20、2、以提升数据效率、降低数据成本、提高数据质量和保障数据安全为目标的数据治理体系，数据治理目的针对性强、工程实践可落地性突出；
21、3、评估模型按照数据治理关注的问题和目标，把评估指标体系分成质量、成本、效率和安全这四大类；从数据流环节，分别从数据的采集、生产、存储、指标管理、应用和销毁等环节监控关注的指标，根据pdca原则，将数据治理作为日常的运营项目做起来，底层依赖数据指标体系进行监控，之上从发现问题到提出优化方案，然后跟进处理，再到日常监控，构成一个完整的循环，不断衡量评估及提升数据治理水平。
本文档来自技高网...【技术保护点】
1.一种基于工程实践的数据治理评估模型，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于工程实践的数据治理评估模型，其特征在于：所述步骤S1数据治理制度规范包括：管理类规范和工程类规范；
3.根据权利要求1所述的一种基于工程实践的数据治理评估模型，其特征在于：所述步骤S2提高数据质量：通过完善数据质量治理工具，从质量规则建立、规则配置稽核、问题预警分派、问题分析解决以及质量确认总结这五个环节打通数据质量闭环管理，从业务数据资产、主数据以及数据分析项目三位一体加强对数据质量的管控，满足重使用的数据质量诉求。
4.根据权利要求1所述的一种基于工程实践的数据治理评估模型，其特征在于：所述步骤S2提升数据效率：通过对数据开发基本流程的痛点梳理，完善数据探查、数据建模、数据开发以及数据使用的效率，提高整体数据开发使用效率，具体包括提升：查找数据效率、理解数据效率、开发数据效率和使用数据效率。
5.根据权利要求4所述的一种基于工程实践的数据治理评估模型，其特征在于：提升查找数据效率：通过对元数据注册、对元注释缺失进行预警，提高数据注
6.根据权利要求1所述的一种基于工程实践的数据治理评估模型，其特征在于：所述步骤S2控制数据成本：通过数据成本管理工具，强化对数据平台的治理能力，对任务调度以及数据设计等方面进行治理优化，以优化资源利用达到降本增效使用，其中计算资源管理从无效任务、超长任务、波动任务、出错任务以及无效调度进行治理；存储资源管理从碎片化文件、重复入湖表、待清理数据、待压缩存储以及异常增长表进行治理。
7.根据权利要求1所述的一种基于工程实践的数据治理评估模型，其特征在于：所述步骤S2保障数据安全：制定并发布个人隐私数据以及企业敏感数据的分级分类，并强化对敏感数据的安全检查，开展数据安全专项治理工作，从数据安全环境以及数据安全加固两方面对数据安全进行保障。
8.根据权利要求1所述的一种基于工程实践的数据治理评估模型，其特征在于：所述步骤S3制定数据治理评估指标体系：对业务过程做精细化的分析，衡量业务目标的达成情况和行动的执行程度，通过制定体系化的数据衡量指标体系，来及时监测数据治理过程中哪些部分做的好，哪些部分还有问题，以指导数据治理工作的改进与提升。
...【技术特征摘要】
1.一种基于工程实践的数据治理评估模型，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于工程实践的数据治理评估模型，其特征在于：所述步骤s1数据治理制度规范包括：管理类规范和工程类规范；
3.根据权利要求1所述的一种基于工程实践的数据治理评估模型，其特征在于：所述步骤s2提高数据质量：通过完善数据质量治理工具，从质量规则建立、规则配置稽核、问题预警分派、问题分析解决以及质量确认总结这五个环节打通数据质量闭环管理，从业务数据资产、主数据以及数据分析项目三位一体加强对数据质量的管控，满足重使用的数据质量诉求。
4.根据权利要求1所述的一种基于工程实践的数据治理评估模型，其特征在于：所述步骤s2提升数据效率：通过对数据开发基本流程的痛点梳理，完善数据探查、数据建模、数据开发以及数据使用的效率，提高整体数据开发使用效率，具体包括提升：查找数据效率、理解数据效率、开发数据效率和使用数据效率。
5.根据权利要求4所述的一种基于工程实践的数据治理评估模型，其特征在于：提升查找数据效率：通过对元数据注册、对元注释缺失进行预警，提高数据注释率，以完善数据...
【专利技术属性】
技术研发人员：彭华养，彭海涛，李顿，
申请(专利权)人：珠海华发集团科技研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。