企业数据治理方法探究

序论：好文章的创作是一个不断探索和完善的过程，我们为您推荐一篇企业数据治理方法探究范例，希望它们能助您一臂之力，提升您的阅读品质，带来更深刻的阅读感受。

以某企业为例，数据质量问题十分复杂，通过总结归纳，提炼出几类重点问题，针对重点问题进行专项分析，提出针对性有效解决措施。实施后取得较好成效，数据质量有效提升，为企业开展数据分析提供了坚实基础。

1数据质量问题现状

某企业内部，通过对数据质量问题进行归类总结，发现主要存在以下几个方面的问题：业务人员对企业内部各业务系统之间协同关系不清晰，往往出现在一方系统中修改数据后，未及时在相关系统中进行同步修改，导致数据质量指标不稳定。例如业务人员在生产系统修改了变压器的台账属性，未及时在营销系统中进行同步修改，导致在生产系统中与营销系统中的变压器台账属性不一致，变压器一致性指标下降。针对业务系统产生的问题数据进行分析时，发现产生问题的原因很多，需要对每一条问题数据进行具体分析，才能指导用户整改。目前缺乏有效技术手段，当问题数据量很大时，分析工作量将会很大。业务人员对出现的问题数据进行修改后，未能及时得到反馈验证，问题处理未能有效闭环，导致存量问题和增量问题无法区分。

2数据质量问题分析

针对企业存在的上述主要三类数据质量问题，进行重点分析原因。当前企业内部各业务系统之间关联关系较为复杂，往往业务人员只熟悉本业务领域的系统应用，对关联系统的应用不熟悉，协同应用培训不足。单个系统上线时，主要针对某业务领域的相关业务人员进行了培训，相关业务领域的人员不熟悉系统。随着业务系统的不断深入实用化，业务场景越来越丰富，单据流转往往会横跨多个系统，当某单个单据出现数据问题时，会涉及多个业务系统同步修改，单方面修改某个系统，会导致数据不一致问题出现[1-2]。业务人员通过查看数据质量管理平台，发现数据质量问题，找出问题原因。当前数据质量管理平台未能实现自动化分析功能，问题数据需要人工逐条进行分析判断，导致处理耗时较长、效率低下，需要进一步优化数据质量管理平台功能[3]。企业内部通过数据质量管理平台进行数据质量问题管控，数据质量管理平台生成的数据质量报告无法区分存量和增量问题，导致存量问题的处理无法有效跟踪、闭环。因此，需要进一步优化系统功能[4-5]。

3数据质量问题解决方案

针对上述问题，进行重点分析后，提出解决方案。从“控住源头”、“整治存量”、“实时监控”三个方面着手，有效解决企业内部数据质量问题。搭建协同应用培训环境，开放给各业务人员使用。编写协同应用场景用户手册，指导用户操作。定期集中组织业务部门相关人员开展实操练习，提供现场或远程技术支持。加强业务人员对协同应用场景的熟悉与理解。优化数据质量管理平台问题分析功能，实现数据问题自动化分析。生成数据质量报告时，针对具体的数据质量问题，提供详细解决建议，业务人员根据解决建议，能够快速精准定位问题原因。新增问题类型区分功能，便于业务人员区分存量与增量问题，使得存量问题能够有效得到跟踪、闭环处理。以每周为周期，常态开展增量问题数据分析；每周根据问题跟踪情况、增量问题分析等进行周例会讨论，总结问题原因，提交业务人员及系统厂家整改。对于新增的问题，数据量不太多的，当日进行分析，统计并形成报告，并将问题清单下发到相应的单位整改，对于整改不及时的单位进行通报。其他类问题量大的数据，定时分析，一周或一月一次分析，进行通报。对于数据质量协同涉及的相关厂家，信息部门按系统协同建立多个协同群，数据质量问题数据修改，相关的厂家需同步修改，同时各业务部门、基层单位对每条修改后的数据进行验证确认。业务人员对业务系统间数据的依赖关系不清晰时，也可通过协同整改信息群，对相关厂家进行咨询，避免由于协同类数据整改导致系统间不同步的新问题出现。定期收集业务部门和基层单位意见，对于不合理的规则，进行修改完善或删除。数据录入统一由源头系统录入，对于已开通的系统接口功能，建议关闭目标系统的录入界面功能。对于问题量较大的，在数据质量平台常态开展问题数据校验，分类别、分设备对象定位问题原因。整理往年业务部门和基层单位确定的存量处理规则，形成存量处理知识库，定期跟业务部门讨论确认后开展存量清理。安排专人负责协同数据修改的跟踪工作，各类协同数据如需厂家修改的，需要由指定的负责人分派给各系统厂家，各系统厂家处理完后，分别上报给负责人进行跟踪登记及验证，避免出现的协同数据问题。建设一套数据质量监控系统，对数据的产生、流转、废止等全流程进行监控，实现对问题数据的追踪、闭环处理，有效解决存量问题数据、快速解决增量问题数据，提升业务系统数据质量。

4结语

通过归纳总结，梳理出企业内部几类典型常见的数据质量问题，进行重点分析，提出针对性解决措施，实施后有效提升业务系统数据质量。相关经验可供同行业参考。

参考文献

[1]巨克真,魏珍珍.电力企业级数据治理体系的研究[J].电力信息与通信技术，2014（1）：7-11.

[2]甘似禹，车品觉，杨天顺，等.大数据治理体系[J].计算机应用与软件，2018（6）：1-5.

[3]韩旭，曹增义，王昭阳.企业数据资产治理与管理[J].电子世界，2018（23）：95；97.

[4]陈艳，高原.电网企业数据治理成效评估及应用前景研究[J].现代经济信息，2019（9）：66.

[5]杨琳，高洪美，宋俊典，等.大数据环境下的数据治理框架研究及应用[J].计算机应用与软件，2017（4）：65-99.

作者:陶镇威 单位:广西电网有限责任公司