论企业数据管理体系建设.doc

论企业数据管理体系建设
数据是企业在持续经营活动中积累下来的宝贵资产,数据本身以及围绕数据所进行的活动必须得到管控，以确保在合理的成本范围内数据价值充分发挥并进一步增值，实现投资回报最大化。
本文分析企业数据管理存在的突出问题和挑战，对数据管理体系构成、建设原则、建设关键点、演进策略提出一些建议,力图为企业建立或完善本企业的数据管理体系提供一些参考。
背景和问题
信息技术进步使信息化成为企业发展和快速扩张的有效支撑手段，多年来，国内外各行各业分别建设了适合本企业的信息系统,如生产支撑型、业务支撑型、管理支撑型,以及分析决策型系统等；与此同时，随着全球经济发展、市场竞争加剧、新技术的推陈出新和逐渐商用,信息系统所承载的业务内涵、系统规模和数量和复杂性也在不断攀升。
林林总总的这些信息系统，在长期使用中积累、沉淀了大量的核心业务数据,如客户资料、营销策划内容、产品资料、合作伙伴、合同契约、企业资源、进销存、生产、工程建设、财务数据等,这些既是企业的关键信息，也是企业的核心资产,如果不对数据生命周期全过程加以管治,将可能带来多方面问题，例如：
数据安全问题：数据的不恰当使用可能泄漏企业机密，导致企业在竞争中失利,危及企业生存和发展；另外国内外对上市企业也有相关法律要求，例如美国《Sarbanes-Oxley法案》和我国《企业内部控制基本规范》，均提出上市公司的内控管理必须切实做到保护财务数据、维护系统安全、保护客户数据免遭盗窃与破坏，以提高公司披露的准确性和可靠性等。
价值发挥问题：面对众多信息系统，如果缺乏完整、一致的企业数据视图，业务部门将不知道企业内哪些系统拥有自己所需的数据；用户在不知道数据质量状况或明知数据不可靠的情况下,不可能放心使用数据，无从根据数据作出正确判断、决策和快速响应。这些都将遏制数据价值的完整释放。
数据升值问题：在数据质量有保障的前提下,对企业的大量历史数据采用商业智能、数据挖掘、预测能技术手段，能从数据中发现事物发展的深层次规律，例如客户偏好、收入预测、客户流失倾向预测等,为企业提供经验总结和预见性的业务支撑；另一方面,良好的数据管理机制将在企业内形成良好的知识共享和传承体系，促进企业的人才培养和组织进步,实现数据增值.反之,数据的零散分布、数据歧义、低劣的数据质量,以及制度和平台的缺乏，将严重遏制数据价值的进一步发挥和增值。
成本效率问题：
如果缺乏对数据的一致理解，将影响跨系统、跨部门、跨专业的需求沟通和信息共享，提高企业的沟通成本和建设成本；如果对贯穿企业的错综复杂的数据流缺乏直观、完整认识，那么系统故障、数据问题的快定位难以实现;数据权责的不明确，将导致问题解决中系统之间、部门之间的相互推诿和扯皮。所有这些,都最终体现为信息系统对业务的支撑不力，业务部门将越来越质疑企业对信息化的投入……
综上所述,企业数据从产生、加工、传递到使用、销毁的全过程，应得到专门管控,获得组织和制度保障，明确数据生命周期过程的相关权责，实施体系化、制度化、流程化、规范化、标准化管理，确保数据生产、使用的全过程受控。
而这些,都是企业数据管理体系的范畴，其目的是最终实现数据对企业的投资回报最大化。
企业数据管理面临的挑战
我国各行各业（特别是大型企业）近年来逐渐意识数据管理的重要性和意义,开始或正在建设企业数据管理体系，不约而同都面临一些重大挑战，如：
管理方面：缺乏覆盖全企业、跨业务线条、跨部门、跨系统的统一数据管控体系，信息在创建、传输、加工、使用过程中的角色、职权分工不清晰，需要建立明确的信息责任人制度、有效的措施及配套的考核办法；
流程方面：对于需求响应、问题处理和日常运行维护工作的推进，缺乏跨部门、跨团队的流程定义，将难以高效整合相关资源形成系统建设的合力；
规范方面：缺乏跨部门、跨系统的统一的业务规则、数据标准，不同业务部门之间、业务部门与技术部门之间、技术团队之间，存在沟通和理解的歧义，需求从提出到实现存在前后不一致的风险；
技术方面:数据管控工作缺乏有效的平台支撑，事件类型众多、处理复杂，人工处理效率低下，并且难以跟踪和评估。
企业数据管理体系建设
数据管理体系构成
根据国际数据管理组织提出的数据管控框架，数据管控体系由规范、组织职责、流程三大模块组成。
通过多年来为客户实施数据管理的项目实践，我们认识到，成熟的信息化技术有能力、有必要为管控工作的高效开展提供能力支撑，我们建议对国际组织提出的数据管控框架进行扩展，将平台支撑作为其中不可缺少的一部分。扩展后的数据管理体系构成如下图：
数据管理体系图
首先，数据管理体系的框架是稳定的，自上而下由管控目标、管控对象、管控措施、组织/规范/流程和管控平台构成;同时，整个管控体系应适应企业战略和总体业务目标需要，呈螺旋式上升、持续演进，是动态变化的。
管控目标：服务于企业战略和业务目标,因此随着战略和业务的发展，数据管控,不同时期的数据管控目标将有变化、关注点不同.通常，管控目标将提出建立统一的企业数据管理中心，明确数据职责和流程，以数据价值最大化为己任。
管控对象：随着管控目标演变，各时期关注的管控也相应调整，分阶段纳入不同类型、不同范围的管控对象。例如，在初期重点管理企业数据中心的元数据和基本的数据质量,之后管理业务指标体系、业务需求和完善数据质量，后续将主数据、数据生命周期纳入管理，最后管控范围从企业数据中心扩展至企业其它信息系统.
管控措施：对不同管控对象在不同阶段采取进化的管控措施,如与需求流程结合的元数据变更管理、自检与第三方检查结合的数据质量监控、基于数据实时性需求的主数据同步、应用生命周期管理、数据生命周期管理、数据安全保障、数据审计、周期评估、总结报告等。
组织/规范/流程/制度：建立可适应管控目标演进、责权明确的组织架构;结合企业实际情况及未来发展需要,制定相关管控制度、规范，如数据保密制度、元数据管理规范、数据质量管理规范、主数据管理规范;以规范为框架,梳理相关流程,如元数据管理流程、数据模型管理流程、数据质量管理流程等。
IT支撑：即采用信息技术手段建设数据管控平台,承载数据管理的相关能力，形成企业统一信息视图，承载相关管理流程，对各管控对象进行监控预警，支撑故障处理、知识总结、评估优化等管控工作。IT支撑平台的建设，首先应提高管控效率、降低管控成本，在此基础上帮助数据增值。
数据管理体系建设原则
企业数据管理体系建设是系统工程，不可能一蹴而就，建设过程需遵循相关原则，以下是一些关键原则：
总体规划、分步实施：数据管理工作是长期的，应立足长远做总体规划，同时结合实际分布实施,避免不切实际的一步到位.
需求驱动、价值优先：各阶段管控目标应结合本阶段实际需要，合理安排资源，优先满足最迫切需求,体现对企业的实用价值，避免片面求大求全或激进。
目标指引、整体带动：应始终围绕管控目标，完善组织、制度、规范、流程和支撑平台,实现目标驱动的整体上升效应;管控体系是演变的.
借鉴和定制化:借鉴业界先进经验,采用成熟的实施方法，与本企业实际需求融合，确保先进性和实用性.
先固化再优化：各种制度、规范、流程，形成后应先固化有个适应期，在执行过程中积累经验、总结教训后再阶段性优化,避免随意调整.
数据管理体系建设关键点
企业数据管控涉及大量跨业务、跨部门、跨系统的工作，实施过程需着重保障以下关键点落实到位：
高层领导的重视和支持是数据管控体系建设的重要保障
从企业高层到基层，需要清晰认识到数据管控工作开展涉及到方方面面,并不仅仅是技术层面的问题；数据管理是长期过程，不可能一步到位,需持续完善。因此，必须将其上升到企业战略管理层面,获得企业高层领导的重视与支持，确保数据管控目标和方向的正确性、相关资源能及时到位、重大冲突或问题能有效协调.
职能集中化的数据管控组织是保证数据管控体系正常运转的关键
在业界数据管控的最佳实践中，无一例外具有一支专门的、稳定的团队，负责企业内的数据处理与管理工作.该团队一部分分布在业务条线上,实时支持业务线的管理和经营；一部分集中在后台负责管理企业级的数据整合，两部分人员紧密沟通,统一行动.从数据管控的发展趋势来看，该团队必须进一步转型为固定的权责明确、职能集中的数据管控组织机构，赋予执行各种数据管理活动和数据增值服务的责任和权力，以支撑业务发展战略和运营管理两方面的目标.
数据管控工作需与企业的业务流程结合
数据管控与企业业务目标的实现密切关联，企业必须建立融合于业务流程的数据管控流程。为了实现业务目标，业务部门、支撑部门都对数据负责，职责清晰，业务方面保证需求质量、指标口径的清晰，支撑部门进行响应需求和申告/投诉、整合数据、监控应用和数据质量。
数据管控需要企业文化层面的支持
数据质量保证与产品质量保证一样，需要企业文化的支撑；在数据管控的建设初期，可以考虑将数据质量纳入绩效考核的重要内容，以促进数据质量意识和控制文化的培育.
数据管理体系演进策略
如上文所述,企业数据管理体系在框架稳定的基础上不断迭代完善，下面提供了一个演进路线案例供参考。具体企业的演进阶段划分、演进路线设计，应结合本企业实际需要来制定.
数据管理体系演进路线参考图
结束语
企业数据管理体系的建设是系统化工程，涉及于众多源系统的交互和大量协调工作，必须有数据管控平台来有效支撑这些工作，保障数据管控的可行、高效。
同时，平台建设不等同于整个体系就建设好了，企业还需成立相应组织，制定相关流程、制度、规范，并将管控工作落到实处、通过平台运转起来。
也就是说，数据管理体系在投入运作前，必须进行需求分析、规划、设计、平台开发.对于这些工作，建议企业引入具有实际实施经验的专业咨询公司，可以通过行业标杆、业界经验的引入开拓视野、确保高度，又能确保所设计的管理体系是切实可行的、能落地执行。