数据治理的经验分享

shaoheshaohe

把分享内容做简要梳理，希望对“数据治理”有需求的伙伴们带来些启发。



幻灯片01.jpg




幻灯片02.jpg




幻灯片03.jpg





幻灯片04.jpg

最近一两年，“建设数据中台”的呼声越来越高，越来越多的公司在搭建自己的数据化运营体系。除了上系统、招人、部署工具、调整组织架构、建设数据产品等硬性的动作外，不少人忽视了数据质量管控、业务逻辑抽象、指标口径定义、分析方法论沉淀、数据开发效率提升等软性的管理动作。恰恰是这些动作，是数据中台能否融入企业发展，发挥业务价值的关键。而这，也正式“数据治理的范畴”。
但是，数据治理如果全面展开，对于公司和推动团队来说，都往往伤筋动骨。因此我们做治理并不求大而全，而求精准切入，以点极面。我们策略简单表述为
“以业务指标口径治理入手，进而规范业务定义，夯实数据公共层，建立体系化的内容运营机制，最终以产品化的方式覆盖痛点，沉淀出一只能力模型与治理匹配的团队。”



幻灯片06.jpg




幻灯片07.jpg




幻灯片09.jpg


以上3图，简述了指标口径治理的范畴和执行流程。最关键的是两点：

• 开发一款指标口径管理工具，以将规范的流程进行落地。
• 建设内容运营的体系，持续不断地进行渗透，改变人的意识。
  
  
  
  
  幻灯片11.jpg
  
  
  从上图的数据治理落地产出，我们就能反推需要做哪些事儿。指标治理是其中最核心的部分。除此之外，我们还要去建设数仓公共层，有了健壮的封装了口径的公共层，才能让数据产品、分析师、运营等数据的消费方，减少口径的加工，简化取数sql或者操作过程，进而提升数据产出的一致性和准确性。
  敏捷的取数和分析工具的开发，目的也在于提升分析效率并提升数据质量。
  
  

幻灯片13.jpg

以上行为希望能给大家警示，能够预防，总不要选择先污染后治理。有一个观点，抛给大家：
“做全面的数据驱动没有错，让更多的人应用数据，基于数据去决策也没有错。但关键在于，我们要让更多的人消费数据，而不能让太多的人能随心所欲地操作数据。



作者：胡晨川
链接：https://www.jianshu.com/p/7621bae90bad
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

shaoheshaohe

https://www.jianshu.com/p/7621bae90bad