“一个组织如果没有认识到管理数据和信息如同管理有形资产一样有着非常的地位,呢么它在新经理时代将无法生存。”
1.企业级主数据管控体系概览
1.1企业级主数据管控体系总体目标
在企业级数据管理系统支撑下,接入企业的各种系统,企业的客户关系管理、业务精细化管理、产品营销管理、全面风险管理等等,依靠企业级数据交换服务体系实现数据顺利流转,实现数据管理能力、数据服务能力和IT运维能力。
统筹规划与把控数据,产品数据、投研数据、渠道数据、客户数据、风控等其他运营管理数据实现可视化,做到心中有数,充分发挥数据的共享、稽核和监控服务能力,提高IT运维能力。最终达到数据集中管控、产业协同、资源配置优化、资产效益提升的目标。
1.2.企业级主数据管控体系的主要内容
对于谈到为什么要做数据管理?毋庸置疑,数据对于现今企业的重要性,正因为企业在业务逐步发展的过程中,陆陆续续接入的系统,搭建的数据指标的不同,造成数据重复、数据不完整、数据难以利用等问题。
数据管理主要做的内容笼统来讲,就是通过业务部与IT部门密切协作来整合IT部门与业务部门的知识和意见,将数据标准、管控流程、模式和组织有效组合,配合相关的技术手段对企业数据进行全方位管控。
如何开展数据管理工作?采用三步走的方式,wwh,
第一个管什么?明确我们需要管理的数据对象和数据现状。这一步我们咨询和开展项目的过程中首先需要确定下来的,由经验丰富的专业团队基于对企业数据资产进行调研,确定管控对象和范围,基于数据现状,评估数据成熟度,确定将要达成的目标期望、接下来工作开展的重点和开展途径。
第二个谁来管? 明确管理组织和权责。在实际的项目过程中,很多企业有这方面的困扰,由于长期建立的组织架构权责没有明确导致数据管理的缺失,建立或完善数据管控组织架构,定义相关权责和协同制度,设计或完善数据管控的流程和规范,保证数据管控有据可查,有据可依。
第三个怎么管?制定切实可行的管理方法和手段,制定数据标准,保证数据质量,选择一体化全方位的管控模式,搭建可视化管控平台,通过技术手段支撑标准、流程、规范、模式的落地。
1.3. 企业级主数据管控与服务能力构建策略
数据数据管理就好比是隐匿在海洋下的冰山,无比庞大,既是数据管控的关键点也是数据治理的挑战。面对众多系统,庞大的数据量,我们首先应该走出先搭建系统,后治理数据的误区,数据治理应贯穿IT建设的始终,治理的难度和复杂度也同样会随着IT建设的深入而不断增加。
数据应用就像是裸露的冰山一角,在短期内无法呈现特别多的业务价值和及时性的反馈,这是目前数据治理面对的一个严峻挑战点,数据治理是一个长期的过程、不肯能采取革命方式一蹴而就,需要根据企业现状制定切实可行的方案循序渐进,达到数据治理目标。
1.4.全局数据管控体系建议
全局数据管控体系按照三大板块展开,首先确定技术规范并搭建技术平台,从组织机构开始,由数据管理工作组来指导开展数据盘查,确定管理的数据对象。
2.主数据管控体系建设方案
2.1.主数据管控的目的与核心
主数据管理是通过一定的工具、策略和流程来实现对主数据的获得、集成和有序共享。
主数据管理的目的不是另外独立创建一套企业数据,而是通过整合各种方法来管理对于企业数据对象的一致和唯一的视图的访问。
搭建企业级主数据统一视图演进过程中,需要关注业务应用系统改进、信息管理方法落实和数据管理工具的应用,使企业能够获取和使用高质量的主数据真正获得业务绩效和运营效率的提升。
2.2企业在主数据管理中通常遇到的问题
我们在主数据管理中可以看到大多数的企业数据治理过程中存在相同的诸多问题。
比如说:第一个名字冲突,同义异名现象的存在,在企业信息建设的过程中,不同系统之间的数据设计不同的接口,数据共享对接,往往需要转换,解决应用集成的问题。
第二个值域冲突,同一个数据项,在不同模型中其值域和度量单位不统一,破坏了数据的一致性和完整性,同时也为该数据应用它的处理带来了额外的人力或成本方面的开销。
第三个分类不统一,不同专业和应用之间由于出发点不同,对同一类信息有不同的分类,定义的数据指标不一致。
第四个大量不规范的派生数据,在企业做统计分析或工作计划的需要,对同一个对象作各类统计,并由此派生了大量新的数据项名称,而这些数据项又各自定义了相应的值域,从而加剧了数据属性的冲突程度。
第五个描述性数据不一致,对于有些描述性的数据随意填写,通过数据源的分析可以对这些描述性数据规范化。
第六个描述模型设计的不合理,面向应用的模式设计导致表的稳定性与可扩充性差。
2.3主数据管控体系建设思路
主数据管控体系是数据治理的一大板块,遵循数据治理的建设思路,wwh,怎么管,谁来管,管什么,首先是技术平台的选型,设计与构建主数据管控平台或主数据管理模块,然后是设计主数据管理体系,明确管理对象和组织,认责机制,制定制度流程与评估考核,最后就是主数据标准定义,数据属性,涉及到的部门和存在问题。最终达到主数据的标准和管控落地。
2.4 主数据管理成熟度评估,确定目标和路径
如何来分辨当前数据管理的成熟度?按照数据质量和数据利用水平来划分,数据管理成熟度分为5个阶段,认知阶段,反应阶段,主动阶段,管理阶段,持续最优阶段。
认知阶段:在这个阶段内,企业已经意识到了当前公司内部存在的数据质量的问题,但是几乎没有采取什么有效实际的措施。
反应阶段:企业在认识到所存在的问题后,并采取了相应的措施,但是这些措施有时是针对某个系统的,有时只是针对某个部门的。
主动阶段:数据管理已经成为了企业IT的规章和企业管理的日常流程。
管理阶段:数据管理被看作企业的资产,具有良好流程以及管控的组织架构。
持续最优阶段:数据发展成为企业的战略举措,要从源头杜绝问题的发生,并且采用一流的解决方案和架构。另外,还要着重持续的改进。
2.5 主数据识别
企业信息系统中哪些可以被界定为主数据?首先我们来看主数据的关键特性,
- 企业的关键业务资产
- 主数据变化频率比交易数据较低,且变化时间不定
- 每个主数据数据实例是唯一的,各不相同
- 主数据可快部门和组织的共享和重用
- 主数据是描述业务交易视图的数据,也是分析业务的角度
主数据定义:用于描述企业核心业务实体或对象的基本业务数据,是具体业务进行的基础,在企业内长期存在并且被重复应用于多个业务部门和信息系统,通常也包括参考信息和属性信息。
以零售行业为例,主数据包括:客户、产品、渠道、供应商等等。
2.6主数据标准定义
企业主数据按照行业的不同分门别类,汇总经销商、供应商、维修站、员工、组织、零件等等,全局规划与分类,再分类成商业伙伴、人员组织、财务等。在全局范围内,进行主数据类别划分和业务概念定义,统一规范和定义基础编码的标准,避免产生多点维护性,难以保证数据一致性的情况,统一不同业务间可能存在的主数据属性不一致问题。
主数据涉及业务及IT部门,包括数据创建部门和数据使用部门,以及各个业务之间的匹配关系描述。定义清楚主数据的认责权限和使用权限。
针对企业当前可能存在的问题,首先分析主数据的使用状况,对数据问题和管理空白进行分析总结,然后需要对主数据进行规划与分类,最后采用集中维护模式,由ERP作为供应商、物料、客户及BOM等主数据的维护和提供系统。但需完善数据认责与管理规范和流程,以及相应的管控技术与工具支撑。
如何最大化实现主数据管理能力在业务上的体现呢?基于对主数据管理现状的调研梳理结果,针对不同主数据制定相应的管理标准和模式,制定主数据管理制定和流程,配合管控平台实现全面监控。
2.7 从数据全生命周期角度明确主数据管理主要任务
数据认责与创建阶段,我们主要关注企业级数据规划、数据模型及标准和数据认责;数据集成和流转阶段主要关注数据跨系统、组织、流程的集成方式,数据流转策略;数据存储与共享主要关注数据分布、信息共享的方式和数据存储与归档;数据加工和利用主要关注数据的加工、处理和转换方式和手段,数据深度挖掘和分析的方法和手段。
2.8 管理组织架构、流程、模式建议
组织管控:一套完整的组织职能保障体系,按责任的相关性划分出多个类别,明确职能:数据认责部门、数据使用部门、IT支持部门
模式管控:根据主数据的分类,管理现状和目标设计相应的集中管理模式、注册管理模式或共存管理模式。
流程管控:一套通用的工作管理流程知道参与主数据管理工作的 各部门、岗位的协调工作。例如:创建流程、使用流程、变更流程等。
2.9 数据认责调研与职责明确
这边提供提供了两个示例,数据与业务流程的创建与使用关系示例,系统对数据的操作权限示例。
我们可以列出这样的表格,详细地将数据认责调研与职责明确出来。
2.10 主机管理模式的选择
这里提供三种主数据管理模式供参考。
共存模式:适用于系统分散,数据分散管理,尚未统一管理,并且迫切程度要求高的主数据
注册模式:适用于已经实现统一管理,需要对数据标准、规范和流程进行完善,统一出入口方式的主数据。
集中模式:在完成企业完整主数据的数据模型、统一数据内容、统一数据存储基础上,开展集中模式的建设。
2.11 数据管控规范
制定数据中心管理规范,主要从管理规范和技术规范两大方向着手。
管理规范包括数据质量管理规范、元数据管理规范、共享数据管理规范、主数据管理规范、非结构化数据管理规范、EAL/ETL数据流转管理办法和数据使用管理办法等。
技术规范包括数据中心模型管理规范、数据中心数据接入开发规范、数据中心ETL开发规范等。
2.12 数据质量稽核
数据治理过程中,每个环节都需要对数据的质量进行评估,以保证数据一层一层共享传递的过程中做到完整、准确、一致。
数据的表现形式有字段级、记录级和表级。
数据稽核分为面向技术的质量规则和面向业务的质量规则。
面对不同的数据质量质量维度,全面覆盖主数据完整、准确、一致和及时等的质量要求。
针对现有的所有主数据类型以及数据来源,能够进行字段级、记录级、表的数据质量稽核。
提出从业务和技术数据质量规则,形成数据质量规则体系。
2.13 设计与构建主数据管理系统
3 数据管控体系实施方法论
3.1 数据管控实施原则
企业进行数据管控要坚持始终贯彻建设原则。
第一统一规划:项目的建设始终坚持统一规划原则,从整体上明确项目建设的整体架构和演进路线,确保项目稳步持续推进;
第二坚持“先点,后面”,对目标分解和演进,通过先期试点实施,获取实际经验并验证规划内容;
通过推广实施实现整体提升,确保项目最终成功。主数据管控平台建设均遵循原则。
第三协同建设,项目的实施设计IT及相关业务部门,坚持协调人员和优化配置,明确各方的职责和分工界面,共同推进项目的顺利和推进。
3.2 主数据演进策略建议
主数据的落实不是一蹴而就,其影响面广泛,涉及与主数据相关的各个信息系统及其历史记录,涉及信息系统的使用者和管理者,进而影响企业关键业务活动。
在主数据标准已经建立的前提下,可以根据主数据管理现状,采取以下演进策略逐步提升主数据管理质量和管理水平。
重点突出、逐步落实:进行细致的数据映射和差异分析,建立主数据映射规则,评估各类主数据的影响范围、业务优先级、改造难度,从而判断主数据优先级和标准化可采用的方法。
管控先行、组织保障:首先根据管控体系规划,建立组织、落实职责,使主数据标准和管控流程在没有技术手段,配合的情况下先行运转起来,逐步培养数据标准的管理意识好应用方式。
平台支持、效益提升:采用合理的技术架构和路线逐步提升主数据管理效率和管控力度,提高企业整体数据质量、降低沟通成本、提升业务效益。
3.3 数据管控体系建设方法
首先建设数据架构规划,业务部门和IT部门协同工作,共同梳理出主数据需求清单,确定数据管理部门和职责范围;其次管理数据标准,定义数据标准,数据接口交换模型管理,制定企业数据模型管理;然后是提高并完善数据质量,主数据管理、元数据管理和数据质量改进;最后保障数据安全管理,制定数据授权使用机制,日常规律监管数据安全。
3.4 主数据管控平台实施方法
。。。