2019中国金融科技产业峰会丨方伟：广发证券的数据治理实践与思考
|
充分利用起内外部资源，除了专家咨询，还和内部一些专家的经验互相结合起来，也就是说我们请咨询顾问的同时，咨询和实施能够互相结合起来。我知道很多企业的同行在做数据治理时，也请了很多外部咨询顾问作为专家咨询，这些专家咨询的优势在于行业案例丰富等，但往往过于高屋建瓴，对于企业实际情况并不是十分了解，所以这种情况下，建议把咨询工作和实施工作能够结合起来，一方面能够最大化发挥专家的智慧，另一方面也可以和企业实际情况结合起来，产生实实在在的效果。 三、关于数据治理的思考 目前数据资产化是比较热门的概念，数据资产化是不是等于数据治理+数据服务，数据资产管理划分为三个层次：面向业务和用户数据服务的层次；内容层是在数据建设和应用当中建立起来的数据集、主数据应用，以及各种数据指标和标签库等等；数据资产管理层是传统数据治理的各项领域，如数据质量、数据标准。如果实现数据资产化的话，是否能够更加有效地把数据治理各个内容和模块整合起来，解决数据治理的一些阶段化产出问题。通过数据的服务化，让用户对于数据有更好的感知，就能够更好地把数据价值通过数据服务体现出来，直接触达到用户和应用方。这跟目前技术比较流行的数据中台概念比较接近，也可能促进我们数据架构的转变。 如何构建数据资产？ 所谓数据资产的构建主要是构建两张地图： 第一张，数据资产分类地图。 第二张，数据资产分布地图。 数据资产分类地图，就是说传统数据以各个来源、分析主题堆积在一起，造成业务人员在使用方面有很大的不便，我们希望数据资产能够以业务的视角对数据资产做分类，构建一个业务概念的地图，就能够解决业务人员到底要什么数据或者整个数据平台当中有什么数据，或数据到底是什么的一些问题，帮助他们做一些数据上的探索。 建立数据资产分布地图，可以解决数据在哪里和数据怎么用的问题。 这两张地图结合起来，再进一步梳理数据之间的一些关系，把数据和业务的关系，数据和流程的关系都梳理好，建设起来，形成一个相对比较完整的企业的数据资产图谱，就能够让业务人员在数据使用过程中更加方便、更加灵活、更加简便，促进数据的使用。 数据资产如何积累？ 我们提出一个观点，即数据资产的常态化积累是通过数据的需求管理过程得到的。我们对数据需求管理分三个阶段：需求应对阶段，即来了数据需求，能很快进行应对，解决业务部门提出的各种数据问题，这是最初始的阶段，能够保证应对各类需求；进一步会把数据需求处理过程、各种方法、脚本、程序积累起来、沉淀下来，形成了数据需求处理的知识库，我们就会把数据需求的管理更进一步，形成资产沉淀型。再更进一步，通过数据需求的梳理，能否把数据处理过程或各种模型服务化或标准化，甚至产品化，让另外更多的用户和应用能够使用到这些数据，通过不断沉淀和积累，就把数据资产不断扩大化。通过不断积累，会使数据资产不断充实、不断扩大，真正形成一个完备的数据资产平台。 从IT时代过渡到DT时代，我们有一个看法，觉得以前IT系统架构设计主要是面向产品的功能，满足实时的业务操作和实时的业务变化，重点是要重视业务的功能实现和用户的体验，很多系统是外露的，这种情况下数据只是一个副产品，数据资产也不能成为企业的核心竞争力。如果我们进一步推行数据资产化管理之后，就会在后端积累下更多数据的服务，把数据各种模型、各种应用沉淀下来，形成数据一些自查服务。最后是否就能够构建起数据终台的服务体系。通过数据资产持续的积累，是否能形成企业的核心竞争力？这是我们的一些思考。 我的分享就到这里，谢谢大家！ 延伸阅读：
（编辑：应用网_阳江站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |