首页 理论教育 某国有航空公司的数据资产治理实践

某国有航空公司的数据资产治理实践

时间:2023-05-30 理论教育 版权反馈
【摘要】:大数据时代,某大型国有航空公司也希望盘活企业数据资产,让数据驱动业务创新和发展,从而争取在激烈的市场竞争中取得先机。这些问题的存在,给航空公司内部数据资产相关人员都带来的困扰。在面临如此多的数据管理问题之时,该航空公司希望走数据资产治理之路,来实现企业数据资产创新之举。在此情况下,该航空公司根据其自身特点,重新构建了一套数据治理体系和端到端的数据管理平台,以确保数据治理的成功。

某国有航空公司的数据资产治理实践

曾几何时,民用航空一直是一个光环笼罩的行业,广阔的客源、垄断的经营模式、高额的利润铸就了民航业璀璨的金身。但利润丰厚的领域必然会产生激烈的竞争,民航当然也不例外

时至今日,随着市场的进一步开放和政策的放宽,在我国民航市场参与运营的航空公司已超过130家,除了老牌的国有航空公司,各大民营航空公司以及来自国外的强大对手也跻身其中,竞争早已白热化。并且压力远不止于业内,比如高铁的不断拓展也从另一个角度冲击着民航的根基。因此,如何在这激烈的环境中求得生存并破茧成蝶,是摆在每一家民航公司面前必答的课题。

大数据时代,某大型国有航空公司也希望盘活企业数据资产,让数据驱动业务创新和发展,从而争取在激烈的市场竞争中取得先机。然而当其准备付诸行动之时,发现自己其实并未准备好。虽然长期业务发展过程中积累了大量的数据资源,但是这些数据却无法直接发挥其价值。

该航空公司在数据资产管理上存在以下一些问题,导致数据资源无法发挥真正价值:

●数据源不规范导致数据质量下降,错误、低劣的数据最终会导致决策失误,降低企业运营质量。

●数据生产过程管控缺失,流程不透明,企业内协作困难,数据处理效率低,风险难以把控。

●系统数据割裂,形成多个信息孤岛,缺乏统一的数据标准,数据难以融合。

这些问题的存在,给航空公司内部数据资产相关人员都带来的困扰。

●业务人员:仓库放了哪些数据,这些数据价值何在,都支撑哪些具体的应用不得而知,犹如“黑匣子”。

●开发人员:仓库放了这么多数据,都有哪些数据?我要的数据在哪里?它们都有什么意思?犹如“大海捞针”。

●运维人员:不同的运维人员负责不同的应用、数据表空间或者分区,只了解自己负责部分的数据,而对仓库其他的数据基本不了解。只了解“冰山一角”。

●规划人员:仓库放了哪些数据,它们都有多少?占多少存储?增长情况如何?

那为什么会有这么多的数据管理问题呢?

经调研后发现,该公司从开发人员到系统维护人员普遍存在建表、开发程序缺乏统一规范和管理的问题,导致整个系统的标准、流程完全不统一,比如上线审批流程形同虚设、同一个字段名或表名在不用程序中代表着不同的含义,又或者是某一张大表直接关联了多个程序、导致一旦出错多个程序都会受影响,等等。(www.xing528.com)

另一个重要的原因是,整个系统中多个子系统或应用是由不同团队开发的,这些团队几乎都是各自为政,整个系统缺乏一个统一的标准和管控机制,导致不少系统间无法互通,形成了多个信息孤岛,带来运维监管以及二次开发方面的诸多难题。

造成这些问题的原因还有很多,但究其症结还是数据资产缺乏治理,导致企业数据资产难以使用。

因此数据资产治理缺失、数据质量低劣的问题已经成为该航空公司进一步发展的破茧之痛。如何解决这些问题,让企业数据资产发挥价值成为该公司各层面领导最为关心的事情。

在面临如此多的数据管理问题之时,该航空公司希望走数据资产治理之路,来实现企业数据资产创新之举。企业希望通过开展数据治理,达成以下三大目标:

●帮助企业发现数据质量问题,全面提高整体数据质量,实现数据资产的可信、可用。

●建立覆盖数据资产全生命周期的开发、管控体系,提升业务响应效率,为企业业务发展提供有力的保障。

●加强数据中心系统运维监控能力,以IT化的方式简化企业员工运维工作,提升运维效率,降低企业投入成本。

通往成功的路上从来都不可能是一蹴而就,对于企业来讲,数据治理是一个基础性的、漫长的、需要分步前行的工作。企业即使是通过短暂的数据治理取得了一定的成效,但如果没有后续的持之以恒,前面的所有努力都将付之一炬。

从目前业界的现状来看,还没有一个公允的数据治理标准,特别是各个企业的数据都带有自己企业的特殊性,数据质量问题也千差万别。因此数据治理成功的关键是构建一套适合本企业实际情况的数据管理系统。在此情况下,该航空公司根据其自身特点,重新构建了一套数据治理体系和端到端的数据管理平台,以确保数据治理的成功。

该数据治理体系以质量为核心,构建了一整套端到端的数据资产治理平台,形成端到端的标准管控、开发管控、元数据管理、质量核查预警清洗、运维监控和知识沉淀体系。

该体系贯穿了CRM、EDW等多个系统数据处理流程的每一个环节,实现从数据源到最终展现的数据资产管理问题监控的全覆盖,从而保证数据处理过程中数据的完整性、正确性和一致性。同时,建立数据质量知识库,收集核查过程中所发现的数据质量问题,利用统计学方法对其进行有效归纳和沉淀并应用于数据质量预警体系,辅助系统有效地规避数据质量问题的发生,做到“防患于未然”。

基于以上情况,该企业建立了符合自身特点的数据治理体系,从而在本质上改变了其数据资产管理领域只能被动等待不能主动管控的问题。

从该企业数据治理的实现路径来看,主要包括:数据标准体系、元数据管理、数据开发管理、数据质量管理和运维监控。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈