背景介绍
随着业务发展和信息化深入，数据系统增多，数据种类和量增大，导致缺少统一标准、重复投入、数据不一致、指标口径不一致、数据难以共享等问题。
数据治理解决方案
数据治理框架采用“从上至下指导，从下而上推进”的多层次、多维度、多视角框架，从数据盘点、业务调研、数据分级分类、数据标准梳理、业务关系梳理、数据清洗、元数据管理、数据标准化治理、重新组织数据等方面展开。
数据管理范围与框架
数据治理的延伸是数据管理，目标是实现数据全周期管理，包括数据资产盘点、业务系统调研、业务流程梳理、数据分级分类、数据标准梳理、业务关系梳理等。
总体解决思路
- 数据盘点：通过暗数据发现和分类，识别数据资产，建立数据标准。
- 数据清洗与标准化：通过数据采集与清洗、元数据管理、数据标准化治理，提升数据质量。
- 重新组织数据：包括主数据建设、真实世界模型、数据仓库、数据标签和画像。
- 数据治理持久化：通过自动化引擎实现数据治理工作日常化，持续更新元数据和标准化治理。
方案价值
扩大企业数据资产，实现数据全周期管理，适用场景广泛。
数据治理案例介绍
港口行业数据治理
- 需求与意义：解决系统沟通困难、成本高、数据利用率低等问题。
- 成果：建成标准唯一、数据唯一、准确及时的主数据库，实现主数据有效应用。
医疗行业数据治理
- 背景：IT系统以业务为主导，存在系统复杂度高、信息孤岛、标准不统一等问题。
- 解决思路：建立主数据库、统一数据中心、构建服务总线。
- 成果：整合分散数据，提高数据利用率，支持决策支持、绩效考核等应用。
市场监督管理局数据治理
- 背景：数据中心建设需求。
- 方案：构建数据仓库，实现患者数据标准化，降低数据共享成本。
问题与讨论
通过案例展示，数据治理解决方案能有效解决行业数据管理问题，提升数据资产价值，实现数据全周期管理。
数据管理产品体系
美创提供数据管理产品体系，包括：
- 暗数据发现和分类产品：全面捕获数据，自动识别数据格式，构建数据地图。
- 数据支撑平台：实时数据采集，支持多种数据源，非入侵式增量采集。
- 数据管控平台：统一数据标准，实现主数据集中管理，提升数据质量控制。
- 大数据脱敏产品：提供多种脱敏算法，确保数据安全，结果可用。
核心观点与结论
数据治理是解决数据管理问题的有效手段，通过数据盘点、清洗、标准化、重新组织等步骤，实现数据全周期管理，提升数据资产价值，支持企业决策和运营。
