下载掌阅APP，畅读海量书库
立即打开
要真正把数据作为企业有价值的资产来管理，就必须像管理财务、人力资源等业务功能一样进行数据治理，这就要求企业需要在明确数据治理管控目标的基础上，建立数据治理相关的工作流程。例如，财务的日常工作由多个核心业务流程组成，包括应付账款、应收账款、工资和财务计划等。数据治理核心工作流程的合理设计，将极大地帮助和规范各部门、各机构在数据治理的各个阶段、各个领域的任务衔接和协调。
在具体的执行工作中，数据治理工作包含了众多的业务流程，包括标准和规则的制定、预期的数据清洗、修复、保护、协调、授权等一系列工作流程。但从数据治理整体工作来看，这些具体的工作流程又可以被归纳并划分为4个核心流程，包括定义、发现、实施、衡量与监测4个环节。这4个环节可重复执行，形成一个闭环的数据治理流程体系，并且4个环节并不是严格意义上的前后衔接关系，而是可以根据企业的不同和数据治理阶段的不同，可能包含一些并行的活动，如图6-4-1所示。
图6-4-1 数据治理总体流程框架
（1）定义。定义环节首先定义数据与业务相关的背景、分类及相互之间的关联关系，其次定义实施数据治理工作所需的政策、规则、标准、流程及评价策略。如上所述，此环节与发现环节可阶段性迭代并行。
（2）发现。发现环节主要获取企业数据生命周期的当前状态、相关业务流程、组织和技术支持能力，以及数据本身的状态，并根据定义阶段明确的数据治理策略、优先级、标准、规则、架构等来对企业现状进行全面对比检查，发现数据治理需要解决的问题，形成问题清单，并通过CRUD分析方法初步定位数据治理问题的原因，为后续数据治理工作的实施建立基础。此流程以“发现驱动定义”的形式与定义环节可阶段性迭代并行。
（3）实施。实施环节的目标是根据前两个环节的结果来执行具体的数据治理工作，并确保数据治理与定义和发现环节确立的所有数据治理政策、业务规则、管理流程、工作流程、角色职责相符，最终解决发现数据治理的相关问题，提升数据治理的水平。
（4）衡量与监测。衡量主要是获取并衡量数据治理和管理工作的有效性及价值；监测主要是建立后向的实时管控机制，形成对数据治理过程及其后续各项工作的常态化闭环管理机制，使数据资产及其生命周期透明并可审核。
以上是企业开展各个领域数据治理工作的完整过程，通常情况下，这4个环节中如果有缺失的环节，则数据治理工作是无法达到预期效果的。
以改进数据项（比如电话号码）质量或安全性的实验性数据治理项目为例，必须按照数据治理总体流程框架的4个环节来制定相应的解决方案，并在实际工作中执行。其过程包含对“电话号码”这个字段的业务定义、规则定义、关系建立、质量检查、问题发现、问题验证、清洗、改进质量、常态化监测等一系列过程，最终确保对“电话号码”这个字段的数据质量有明显提升。
在实际工作中，根据涉及的数据治理职能领域、数据范围、应用类型、业务专业领域的不同，数据治理存在着多样化的实施场景。这些场景表面上看起来差异很大，但其核心过程仍旧符合数据治理总体流程框架。
本节选择数据治理的3个典型场景来详细说明其流程。
（1）数据标准管理流程：定义、审批、颁布、使用、反馈与维护全局数据标准的工作流程。
（2）数据质量管理流程：数据质量检查项制定，以及数据质量问题发现、分析、改善、反馈的工作流程。
（3）数据安全分级和授权流程：数据安全分级和授权工作的标准制定、审批、落实、反馈与维护的工作流程。
1. 数据标准管理流程
数据标准管理流程是一套相对稳定的工作流程。下面从阶段级别的层次说明适用于数据标准管理工作的流程。数据标准管理工作可以分为5大阶段，如图6-4-2所示。
图6-4-2 数据标准管理流程
数据标准管理各工作阶段的具体说明如下。
（1）收集（定义、发现）、分析数据标准需求：数据标准管理单位收集和分析数据标准定义的需求，判断是否需要新增或修改数据标准定义。
（2）制定与更新（实施）：数据标准管理单位在各业务部门的参与下，初步制定或修改数据标准定义，提交数据治理委员会/领导小组会议审核。
（3）审核（实施）：由数据治理委员会/领导小组对新的数据标准定义进行审核；根据审核中提出的意见，由数据标准管理单位进行相关定义的调整。
（4）颁布（实施）：数据标准管理单位颁布更新后的数据标准定义。
（5）落实与反馈（衡量与监测）：技术部门将数据标准定义落实到具体工作中，在落实过程中发现并反馈存在的问题，在结束之后进入下一个循环。
2. 数据质量管理流程
数据质量管理流程是一套以可衡量的数据质量标准为基准的数据质量问题处理流程。参考领先实践的经验并经过多方讨论，此处定义通用的数据质量管理流程。
数据质量管理流程可以分为6大阶段，如图6-4-3所示。
图6-4-3 数据质量管理流程
数据质量管理各工作阶段的具体说明如下。
（1）准备工作（定义）：数据质量管理部门牵头，协同业务部门和技术部门相关人员制定数据质量指标、设置检查点并开展其他准备工作。
（2）问题发现（发现）：通过设定的数据质量标准和规则，由技术部门和业务部门检查、发现并反馈数据质量问题。
（3）问题定位与优先级划分（发现）：由数据质量管理部门收集数据质量问题，与作为数据用户的业务部门一起确定数据质量问题的实际情况，根据问题的影响程度等多方因素，初步划分问题的优先级。
（4）制定方案（实施）：梳理需优先解决的数据质量问题，由数据质量管理部门制定初步解决方案后，组织相关业务部门、归口管理部门、技术部门等共同评审，并确定最终解决方案。
（5）提升质量（实施）：组成专题工作小组，数据质量管理部门召集相关业务部门和技术部门的人员一起分析解决方案信息，由专题工作小组负责落实数据质量改进解决方案，提升数据质量。
（6）评估改进成果（衡量与监测）：业务部门负责评估数据质量的改进成果，数据管理员更新数据质量问题的追踪状态，结束之后进入下一个循环。
3. 数据安全分级和授权流程
数据安全分级和授权流程是一套相对稳定的工作流程。此处涉及比较通用的数据安全分级和授权工作的流程。
数据安全分级和授权工作可以分为5大阶段，如图6-4-4所示。
图6-4-4 数据安全分级和授权流程
数据安全分级和授权各工作阶段的具体说明如下。
（1）制定或更新数据安全策略（定义）：数据安全管理部门，根据业务需求对应的数据需求，制定数据安全策略，继而制定与具体数据对应的数据安全分级与用户授权。
（2）制定数据安全分级和授权方法（发现）：根据业务部门在数据使用中反馈的相关意见更新数据安全策略及相关清单，把制定或更新的结果提交给数据归口管理部门审核。
（3）审核与发布（发现）：数据归口管理部门审核数据安全策略及相关清单，做出必要调整，经有关管理层审批之后，签署发布。
（4）落实（实施）：技术部门通过系统开发等方式，落实数据安全策略，实现数据安全分级，制定授权清单。
（5）衡量与监测（使用与反馈）：业务部门在日常工作中也需要根据权限落实与之相关的数据安全分级和授权方法，并且通过使用信息系统等方式，评估数据安全策略及相关方法中数据安全分级和用户授权的合理性和有效性等，对数据安全策略及相关方法的整体效用进行评估，并提出必要的反馈意见。