1.整理業務規則,統一數據定義
在企業數字化轉型過程中,對數據的共同理解與解釋至關重要。數據質量問題通常是指同一數據集被解釋為不同事物,或者不同數據集被解釋為相同事物。無論是業務還是技術元數據,根據業務屬性明確數據定義對于提高數據質量相當重要。企業可令數據治理團隊運用一定的數據管理應用程序完成業務規則的梳理和數據定義的統一。
2.確認影響業務的關鍵數據指標
在商業場景中,業務需求、業務流程、業務績效等是關鍵數據指標。為了衡量一款產品及服務是否能夠滿足市場需求,必須采用一定的企業績效指標。不完整、不準確的數據可能導致客戶投訴,因此客戶流失率、KPI等數據指標的梳理及確定至關重要。
3.分析關鍵業務的數據質量
在確定了企業內部影響業務的關鍵數據指標后,數據治理團隊還需要了解企業內支持關鍵業務流程的系統及程序的數據質量。在梳理過程中,數據治理團隊可以采用數據分析工具預測數據分析模型,在較短時間內了解數據質量。也可以創建針對數據存儲庫運行的腳本,解決高級別的跨應用數據分析需求。
4.創建數據自動化管理調控體系
數據治理團隊應建立自動化管理體系,把關數據治理到數據應用的整個流程,在績效考核、分析決策、基礎數據質量之間建立明確的自動化反饋機制,以業務結果反饋數據治理效果。
5.檢測數據質量對業務的影響程度
憑借專業的數據質量分析工具,數據治理團隊能夠測試數據質量,識別異常數據,以便開展有針對性的數據處理工作。另外,數據質量的檢測應該是長期存在于數據應用過程中的。一旦企業決定進行數字化轉型,就必須定期評估數據質量對業務結果的影響,并且隨著新業務場景的出現,對數據質量評估的重點和方法作出相應調整。
6.聽取、溝通業務需求,有針對性地治理數據
數據治理團隊在對數據進行清洗治理時,首先不要妄圖通過數據治理立即解決所有問題,而是應該認真聽取業務部門對數據的需求,通過有效溝通,確定行動計劃,探索數據內部潛在的問題,為分析決策提供支撐。
7.創建數據質量動態感知臺,監控數據治理進程
數據治理團隊一般會通過定期會議或者小組討論等形式同步各自的數據處理進度。但是定期的會議匯報無法隨時了解數據治理進程,因此數據治理團隊可以創建數據質量動態感知臺。數據質量動態感知臺可以根據KPI和關鍵業務操作流程制定數據質量的績效。
8.建立學習—分享—培訓機制
數據治理團隊中各成員分工不同,所處理的數據模塊也不相同,每個人遇到的數據質量問題都不同,而個人解決起來困難重重。因此團隊負責人需要建立一套學習—分享—培訓機制,團隊成員可以將發現的數據問題及時共享給團隊其他成員,一起討論數據治理的解決措施,幫助團隊成員提升自身能力。
想要了解更多IT資訊信息可以關注中培金老師微信18513851518