数据管理演进4时刻

    技术：通常会使用一些战术性数据管理工具（例如数据图表展示或数据质量解决方案）；大多数数据没有整合，但有一些个体员工或部门尝试整合数据；出现了一些数据库管理战术，例如应激反应式的性能监控 ；试图整合那些因质量问题需要放弃或重做的数据（例如数据仓库）。

    风险与回报：风险高，因为缺少数据整合，并且整个公司范围内数据的整体准确性不佳；虽然偶尔会进行数据分析和更正，但涉及跨职能时仍然会发生一些数据错误；回报有限，且大多数都不确切；多数投资回报都是通过个体流程或员工个体取得的；公司层面上，很少或几乎没有意识到数据管理的好处。

    第3阶段： 主动防范风险

    达到第三阶段的企业可以防范风险，降低不确定性。在这个阶段，数据管理在组织内部开始发挥关键作用，数据不会再被低估，而被视作可以有效帮助企业做出更优决策的资产。随着处于此阶段的企业逐渐成熟，一致、准确、可靠的数据将为其带来更多可见的实际价值。

    在第三阶段，企业将放远眼光，认识到数据问题对与企业使命相关的关键信息具有什么影响。同时，企业还拥有相应的支持高级别数据检视和更正的必要技术。企业管理层开始批准数据管理项目。已经有些企业具备了达到此成熟度所需的必要条件。

    演进到第四也就是最后一个阶段，与之前的人员、流程，或技术演进一样，是一种文化的演进。文化的变革促进员工行为方式的转变，因为新的、更优的流程和技术为员工提供了更加方便、适用的数据改进框架。

    在这个阶段，企业在人员、流程、技术、风险与回报四个方面的表现如下：

    人：管理层理解并深刻认识到数据管理在公司制度、举措中的重要性；数据管理举措得到了必要的人员与资源支持，为得到高质量数据创造了条件 ；企业所有或大多数部门都参与到数据管理流程中 ；企业高管决策层开始将数据视为战略资产。

    流程：企业数据更为标准化，一致性也得到加强，更容易度量；制定了一系列的措施确保数据的高质量；经常将企业的数据度量指标与业界标准进行比较，从而了解哪些地方需要改进；数据管理目标从问题更正模式转变为问题防范模式。

    技术：数据管理技术提供商成为企业的战略合作伙伴，并且在实施数据管理技术的同时协助企业定义最佳实践；成立公司数据管理团队，维护公司数据元素的数据定义、同义词、业务规则、业务价值；持续的审计与数据监测帮助企业时刻保持数据的完整性。

    风险与回报：风险中等到较低；通过提供更优信息提高了决策的可靠性，从而降低了风险；回报中等到高；数据质量的改进通常只局限于某个职能领域，然后随着更多员工加入其中，质量改进会拓展到更宽泛的领域。

    第4阶段：能够预知问题

    在第四阶段，企业对能取得的成果已经基本确定。数据质量是所有业务流程的组成部分，是整个企业的基础，而流程是完全自动化的。

    为了保证数据在可接受的范围内，必须实时执行数据管理流程，同时保证数据得到持续验证。既然已经对过往出现的数据质量问题有充分了解，防范数据缺陷成为处于第四阶段的企业需要重点关注的方面。最后，处于本阶段的企业还有一个重要特征，就是数据管理工具已经成为一种业务流程，而非一种技术工具。

    在成熟度模型的最后阶段，整个企业内部都发生了重大的文化转变。而且，企业不会再忽视数据管理的重要性，而是制定更全面的、涉及企业范围内的计划，提升管理关键业务数据流程的级别。凭借企业高级管理层的支持以及所有业务职能部门的认可，该计划将会得到顺利执行，从而保证信息更为一致、准确、可靠，为整个公司提供支持。

    在这个阶段，企业在人员、流程、技术、风险与回报四个方面的表现如下：

    人：管理层全面支持数据管理的流程和标准；数据质量改进项目由公司高级管理层发起，并得到公司CEO的直接支持；数据管理团队在全公司范围内运作，并得到数据质量管理员、应用开发人员、数据库管理员的支持；公司上下奉行数据采集和管理的“零缺陷”政策。

    流程：拥有帮助企业达到数据完整性最高级别的流程；拥有一套完善的流程，通过定期的数据质量监控，确保数据在任何时刻都保持高度的一致性、准确性和可靠性；只有严密思考新举措对现有数据管理架构的影响后，才会执行这些新举措。

    技术：整个公司范围内的数据管理工具都被标准化；公司所有部门都使用数据管理团队提供并维护的标准元数据和规则定义；数据质量审计结果不断被检视，任何偏差都会迅速被解决；数据模型准确反映所有企业数据元素的业务含义和技术细节。

（编辑：核心网）

【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!