SCI论文（www.lunwensci.com）:
摘 要 ：企业无时无刻不在产生大量的数据,对这些数据进行加工利用,将对企业产生巨大的经济和社会效益。然而,企 业各个部门间数据标准不统一、数据不一致、数据质量不高等问题,使得这些数据不能直接用于企业内部系统数据共享、数据 分析及管理决策,需要经过数据治理方能使用。数据治理是一个复杂的系统工程,企业数据治理项目成功率低、效果不佳。本 文对现状及问题进行分析,提出敏捷治理过程框架,为企业数据治理提供一种新的范式参考。
关键词 ：数据治理 ,敏捷开发 ,敏捷治理 ,企业数据
Research on Agile Governance Process Framework for Enterprise Data
WANG Long
(Zhengzhou University School of Management, Zhengzhou Henan 450000)
【Abstract】：Enterprises generate a large amount of data constantly, and processing and utilizing these data will bring huge economic and social benefits to the enterprises. However, due to the inconsistent data standards, data inconsistency, and low data quality among different departments in the enterprise, these data cannot be directly used for internal system data sharing, data analysis, and management decision-making, and need to undergo data governance before they can be used. Data governance is a complex systematic project, and the success rate of enterprise data governance projects is low and the effect is not good. This article analyzes the current situation and problems, proposes an agile governance process framework, and provides a new paradigm reference for enterprise data governance.
【Key words】：data governance;agile development;agile governance;enterprise data
1 企业数据治理现状及问题
数据治理是对数据资产管理行使权力和控制的活动 集合,包括数据战略、数据架构、数据应用、数据安 全、数据质量、数据标准、数据生命周期等八个能力 域。我国大型企业对数据治理相关工作已开展多年的探 索及实践,主要是对内部历史存量数据进行整合治理, 取得了显著成效,但也存在数据治理效果不佳、治理成 果不可持续等问题。普遍存在立项一个数据治理项目, 把预先设计的数据治理工作完成后,在实际业务使用过 程中又发现了新的数据问题,企业只能无奈地立项一个 又一个的数据治理项目。究其原因是把数据治理按照传 统的项目制来做,没有将数据治理做为常态化工作,数 据治理组织未能充分发挥职能,并且没有将数据治理 与业务结合起来 [1,2]。数据治理是一个长期持续的过程, 有着极大的不确定性,因此企业需要一种灵活、快速的数据治理机制,将数据治理与业务结合起来,以此快速 响应新形势下企业数字化转型、企业数据资产化、企业 精细化运营对高质量数据的需求。
2 敏捷思想在治理领域的实践与研究
敏捷思想诞生于软件开发领域,是一种以人为核心、 迭代式的软件开发方法。强调团队合作、适应需求和 变化。在敏捷项目中,团队成员需要经常沟通、评估并 调整开发计划,以便适应不断变化的需求和优先级。敏 捷思想能改进传统项目管理方式中存在的不足,强调团 队协作,能快速响应需求变化,交付高质量软件。近年 来不少管理领域的学者将敏捷开发中的协作、迭代、持 续改进等思想用于业务管理和对数据的治理,例如,有 学者提出基于敏捷治理思想推动数字政府建设 [3],使用 Data Ops（数据持续集成）的运营商大数据平台实践 [4], 上海市“一网统管”利用敏捷思想开展政务治理 [5]。还有学者专门探讨了敏捷思想适用于数据治理的可行性, 并提出理论框架 [6]。这些理论和实践表明了敏捷思想应 用于数据治理过程的可行性。
3 敏捷开发思想的关键要素
企业内部数据需求和外部政策、法规不断变化,需 要对数据资产进行更快速、高效和有效的治理。敏捷开 发思想以协作、迭代方法、灵活性、授权、持续改进、 自动化、度量和测量为关键原则,要将敏捷开发思想融 入到数据治理过程中,其关键要素如下 ：快速适应变 化、增量和迭代开发、利益相关者协作、授权与有限问 责、治理过程自动化、持续改进与学习、可扩展性与灵 活性、业务价值驱动。
4 企业数据敏捷治理过程框架
鉴于企业传统数据治理项目存在种种问题,企业数 据敏捷治理不把数据治理当作一个具体的项目,而是一 个技术团队与业务团队密切配合,并在过程中持续地保 持互动。这个过程以协调代替控制,充分调动企业组织 内的各个部门和个人参与数据治理。基于上述思想,本 文提出基于敏捷思想的企业数据治理过程框架,如图 1 所示。
4.1 确定业务目标及愿景
业务目标及愿景是数据敏捷治理的起点。首先,围 绕业务识别利益相关者,从组织层面识别业务部门及具 体人员、技术部门及具体人员,从数据层面识别数据提 供方、数据加工方、数据使用方。其次,从业务视角确 定数据创新方向,如提高生产经营效率、提高跨组织数 据使用便捷性等,并需考虑数据隐私、数据安全等风险 问题,在创新和风险之间取得平衡点。如企业的目标定 位为整合内部不同业务板块的数据,支撑各业务板块子 公司和部门间的业务系统,对数据整合加工形成一站式 的数据服务平台和孵化创新数据产品（数据分析报告、数据集、共享数据 API 等）,那么所有的治理策略、方 案、运营都要围绕这个业务目标来进行,思考数据问题 带来的影响以及解决后为企业带来的价值是什么。不能 如传统数据治理项目一样,以数据标准制定、提升数据 质量为目标,陷入为了治理而治理的怪圈中。
4.2 业务蓝图及场景设计
蓝图是对企业各个流程、数据的全面梳理,包括业 务蓝图和数据蓝图,用来表述业务和数据情况,以及各 项业务与数据之间的关系。蓝图是企业业务在数字世界 的投影,梳理时应尽量全面,以不重不漏为原则,不仅 需要覆盖企业已经线上化的业务,还要对没有线上化的 业务根据业务模式和流程进行梳理。通过对业务的梳理, 构建出业务和数据蓝图,全面掌握企业数据全貌,在敏 捷数据治理实施环节就能理清各项数据之间的关系,从 源头解决数据问题。数据敏捷治理会识别企业中有价 值、与数据关系紧密的业务场景,开展数据场景设计及 数据治理工作。对识别出的场景及数据需求按照敏捷思 想编制敏捷数据治理需求场景清单,详细表述场景需求 并梳理对应的数据源,根据业务紧迫程度排出优先级。
4.3 数据治理架构设计
数据治理有统一式、分布式、统分结合式三种架构 模式。统一式治理架构即由企业指定统一的组织或部门 对各部门、各个业务单元进行集中式数据治理,该模式 具有能对企业数据进行全面统一管理的优点,但企业内 难有精通各个领域的全面人才,且采用项目制方式数据 治理周期较长,存在对业务的响应迟滞、效率不高、治 理效果不理想等问题,传统数据治理经常采用这种方 式。分布式治理架构将企业以部门为单位或按照业务单 元切分板块,各板块基于统一的数据标准及数据治理规 范开展数据治理。由于各业务板块对自身业务熟悉,对 各领域采用“切片式”的数据治理,这种方式对比统一 式更灵活,更能响应业务。统分结合,即企业统一对企 业内公共数据（如人员、组织、物料等主数据）进行治 理,各部门及业务单元对自身业务范畴的数据进行治 理,能很好结合统一式和分布式的优点。数据的敏捷治 理应采用分布式或统分结合的治理架构。
4.4 业务治理架构设计
业务治理设计即对企业数据治理组织、数据标准、 技术架构进行设计。数据敏捷治理组织应采用“矩阵 式”的组织架构,从技术和业务部门都抽调专家组成治 理组织,规避传统数据治理项目中技术部门主导,业务 部门极少参与的情况。在构建好治理组织后,组织成员 共同编制数据标准,技术部门成员负责框架制定及逻辑检验,业务部门成员负责标准内数据项、业务属性等内 容的制定。技术选型以适用为原则, 可选择 Hadoop 生态大数据技术、数据仓库、离线计算等成熟技术,也 可考虑未来数据需求,提前布局流批一体、湖仓一体、 数据编织等新技术,同时需平衡好企业数据安全、个人 数据隐私等问题。
4.5 开展治理及运营
在做好数据敏捷治理的前序准备之后,即进入数据 治理即运营阶段,数据治理人员基于数据标准开展数据 的采集、数据模型设计、数据治理规则编制、导入系统 中自动化运行,充分运用业务架构设计阶段制定的数据 标准,融入数据治理过程中,获取业务部门的数据使用 方的真实反馈,并对数据标准、数据模型、治理规则进 行不断迭代改进。在该阶段应摒弃项目制的思维,以敏 捷思想的迭代方式持续做数据的优化与改进。在该过程 中应做好数据治理各利益方的信息公开与共享,如数据 标准、治理规则文件的公开,保持交流对话的频次,如 周例会、每日站会等定期沟通,治理过程根据实际业务 情况调整开发优先级。
4.6 成果评价
成果评价对数据治理成果进行检验和评价,即对重 点业务场景的支撑情况进行评价,以业务反馈倒推识别 治理过程存在的问题,评价问题的影响范围。如敏捷数 据治理以企业安全生产预警为场景,在完成数据治理工 作后,业务方发现对生产安全预警事件存在漏报和误报 的情况,需对业务的影响进行评价和总结。
4.7 分析与优化
在对成果评价之后,需要进行分析与优化,找到问 题的来源并寻找可以解决的办法和人员。该过程需要数 据治理各利益方进行充分讨论,并共享各方对问题的理 解,以便协同解决问题,商讨出优化和改进机制,对目 标设定、数据标准、架构设计、数据治理不断进行迭代改进。
上述七个过程构成了企业数据敏捷总体框架,他们 之间互为递进关系,又整体构成一个循环,通过反馈机 制不断调整与优化。
5 结语
本文提出的数据敏捷治理框架构建业务加技术的矩 阵型治理组织,将数据标准嵌入到数据治理过程中,强 调业务与技术充分沟通,提出场景式的数据治理新范 式,以运营方式迭代持续开展数据治理工作。能有效解 决传统数据治理项目中数据治理效果不佳、治理成果不 可持续等问题,对业务响应更及时,与业务协同更紧 密,数据治理成效更显著。
随着人工智能、大数据技术不断发展和演进, 大模 型、生成式 AI、湖仓一体化、数据编织等新的大数据 技术在数据治理领域已有实践。长期来看,这些技术也 必将深度应用于数据治理过程中,对企业数据治理的发 展产生深远影响。数据敏捷治理如何与人工智能技术、 新的大数据技术相融合也会成为一个新的研究命题,业 界学者应持续关注技术进展,拓展相关研究。
参考文献
[1] 史凯.精益数据方法论[M].北京:机械工业出版社,2023.
[2] 张淑芬,尹振涛.商业银行数字化转型的数据治理问题[J].银 行家,2021(2):116-119.
[3] 朱国伟,周妍池,刘银喜.敏捷治理推动数字政府建设：发展 趋势与实现路径[J/OL].电子政务:1-11.
[4] 肖文彬,李雨霏,张湛梅.基于DataOps的运营商大数据平台 探索[J].信息通信技术与政策,2022(2):55-60.
[5] 张力伟.智慧城市中的敏捷政府—来自上海“一网统管” 的经验借鉴[J].四川行政学院学报,2023(1):58-67.
[6] 王本刚,马海群.基于敏捷治理理念的公共数据治理概念框 架[J].大学图书情报学刊,2023,41(4):52-59.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/77204.html
