大数据治理实施的关键要素

目前，全球的众多企业和机构都认识到大数据资产的重要性和价值。但是高层管理人员并未充分利用这些资产，原因在于数据缺乏准确性、一致性、相关性和实时性。因此，大数据治理被推到了前线，许多公司正在竭尽全力地研究如何有效设计和实现大数据治理。在大数据治理实施过程中，需要重点关注：实施目标、企业文化、组织架构和岗位责任、标准规范、合规管理和控制，如图11-20所示。

图3-155　圆周阵列后效果

图11-20　大数据治理实施的关键要素

1）实施目标

根据业务发展需求，设立合理的实施目标，以指导大数据治理实施的顺利完成。从长远发展的角度，大数据治理的实施目标需要与大数据治理价值实现蓝图相关联。大数据治理价值实现蓝图指明了大数据治理工作的前景和作用，是大数据治理实施的重要前提。只有从价值实现的角度思考大数据治理，才能够充分发挥大数据治理实施的价值。以传统的银行业为例，在商业银行的转型过程中，发展模式将会从规模驱动转变成为更加注重集约式、内涵式、以效益和质量为核心的新模式，这就是通过业务优化的方式，实现大数据治理的价值，就必须借助于管理提升和内部挖潜，而大数据治理正是提供了这一转型利器。

大数据价值实现蓝图是一个循序渐进的过程，从支持企业战略转型、业务模式创新的战略层面制定大数据治理的目标，规划中长期的治理蓝图，将会促进大数据治理项目实施目标与企业大数据治理的长期目标保持一致。

2）企业文化

企业文化是在一定的条件下，企业生产经营和管理活动中所创造的具有该企业特色的精神财富和物质形态。包括文化观念、价值观念、企业精神、道德规范、行为准则、历史传统等，其中价值观是企业文化的核心。为了促进大数据治理的成功实施，企业管理者应该努力营造一种重视数据资产，充分挖掘数据价值的企业价值观，可以称之为“数据文化”。这种“数据文化”体现在以下三个方面：

（1）培养一种“数据即资产”的价值观。最初，数据纯粹是数据，报表提交给管理者之后，就没有其他作用了。但当多种数据融合时，能够让企业的管理者重新认识产品、了解客户需求，优化营销，因此数据就变得有价值了，成了一种资产，甚至可以交易、合作、变现。大数据治理从发挥价值的角度，让企业重新审视自身的数据资源。培养“数据即资产”的企业价值观，不断发现新的大数据治理需求，引导大数据治理实施工作的开展。

（2）倡导一种创新跨界的企业文化。以往的企业经营，注重发挥人力、物力、财力资源的价值，而大数据治理则启发充分发挥数据的价值，推动新业务的产生和发展。因此在实施大数据治理时，应倡导创新跨界的企业文化，启发员工和管理者从创新跨界的角度，发挥数据资产的价值，触发产品和服务创新。

（3）倡导建立“基于数据分析开展决策”的企业文化。对企业的决策者和管理者而言，大数据治理需要建立一种“基于数据开展决策”的管理规范，而这种企业文化的倡导，能够引导、号召企业的决策者和管理者有意识地建立这样的管理规范，促进大数据治理实施活动。

3）组织架构和岗位职责(www.xing528.com)

实施大数据治理同样需要建立相应的组织架构，明确相应的岗位职责。一般大数据治理的组织架构应包括：定义大数据治理规章和制度、定义大数据治理的岗位责任职责、建立大数据治理委员会、建立大数据治理工作组、确定大数据责任人等内容。组织架构在大数据治理实施过程中的重要性逐渐被企业所认知，并成为大数据治理的关键。

大数据治理组织架构要实现由无组织向临时组织，由临时组织向实体与虚拟结合的组织，最终发展到专业的实体组织。企业必须建立大数据治理的组织机构，设立各类职能部门，加强大数据治理的专业化管理，并建立专业化的大数据治理实施团队。在顶层成立由高层管理人员、信息管理部门和业务部门主要负责人组成的大数据治理委员会；中间层成立大数据治理工作组，主要由各业务部门业务专家、信息部门技术专家、数据库管理专家组成；最底层成立大数据治理实施小组，主要由各信息系统项目组成员、大数据治理项目组成员组成。

伴随着组织架构的发展，岗位专业化是大数据治理发展的必然趋势。在大数据治理的要素之中，人是大数据治理工作的执行者，即使组织架构设立再合理，如果人的岗位职责不明确，那么也会造成职责混乱，执行者无所适从，工作效率低下。大数据治理需要整个治理团队的协同工作，每个岗位既要完成自己职责范围内的工作，又需要与其他岗位进行良好的沟通和配合。

4）标准和规范

大数据标准和规范的制定是实现大数据治理标准化、规范化，以及实现数据整合的前提条件，也是保证大数据治理质量的前提条件。大数据标准包括数据标准和度量标准两类。其中，数据标准是度量标准的基础，是大数据标准化和规范化工作的核心，通常情况下，企业在进行大数据治理时都是从大数据标准管理入手，按照既定的目标，根据数据标准化、规范化的要求，整合离散的数据，定义数据标准；度量标准是用来检查实施过程是否偏离既定目标，用来度量治理的成本及进度。度量标准的制定是大数据治理过程中评估原有数据价值，监控大数据治理执行，度量大数据治理效果的关键因素。原有数据的价值如何，企业需要花费多大的成本实施大数据治理，这些问题都需要有能够度量大数据价值的标准，按照度量后的原有数据价值，确定数据的重要性优先级，以确定对大数据治理的投入。同时，大数据治理效果也需要度量标准来检验。通过对治理效果的度量、分析，主动的采取措施纠正、改善大数据治理的工作。

标准不是一成不变的，会因为企业管理要求、业务需求的变化而变化，也会因为社会的发展、科学的进步而不断变化，这就要求企业对标准和规范进行持续地改进和维护。

5）合规管理和控制

在大数据治理实施的过程中，企业应该有意识的建立大数据治理实施的合规管理和控制。大数据治理实施过程有其通用性，逐步总结其中的共性问题，并逐步建立实施过程的合规管理和控制体系，可以保证实施过程效率更高、结果更好，逐步形成多重控制相互作用、共同管控的治理状况。大数据治理的控制方式主要有：

（1）流程化控制：是最普遍的控制方式，发展至今，它已演变成了多元化的流程控制。为了加强大数据治理的流程化管控，不仅有数据业务上的控制，也要有数据技术上的控制，而且还有数据逻辑上的控制。

（2）工具化控制：随着大数据治理实施工具不断涌现，通过软件工具进行控制也是大数据控制的一种方法，这种控制方法能够严格执行既定的控制要求。大数据治理实施的软件工具是对大数据治理的有效支撑和辅助，采用成熟、先进、科学的大数据治理软件工具可以高效、规范的实施大数据治理，成为治理工作成功的关键。