一、数据治理概述

• 华为数字化转型对数据治理的要求

  • 业务与数据双驱动，加强数据联接建设，以数据服务方式满足业务自助式消费诉求。

  • 针对海量内外部数据，确保数据安全合规。

  • 完善业务对象、过程与规则数字化，提升数据自动采集能力，减少人工录入。

  • 基于统一数据管理规则，确保数据源头质量及入湖，形成清洁、完整、一致的数据湖。

• 什么是数据治理

  • 介绍多个标准定义，如ISO/IEC 38505-2:2018、GB/T 4960.5-2018等，明确数据治理是关于数据采集、存储、利用、分发、销毁等过程活动的集合，涉及数据资源及其应用过程中的管控、绩效和风险管理等内容。

  • 区分狭义和广义的数据治理，狭义侧重数据资源及相关管控活动等，广义则面向客户数据资产全生命周期管理。

• 华为数据治理成就

  • 建成国际领先水平的数据管理体系，包括60+份数据管理规范文件、46+数据属性标准化、200+数据管理专业人才等。

  • 经过15年发展，形成当前数据治理整体蓝图，涵盖数据政策指引、治理架构、管理流程等。

    

二、数据治理体系

• 建设数据综合治理体系的原因

  • 数据是企业核心资产，需有效管理以支撑决策、促进业务协同、提升效率等，但存在数据孤岛、质量问题、安全风险等挑战。

• 建立公司级数据治理政策

  • 明确数据是核心资产，规定信息架构、数据产生、应用、问责与奖惩等基本原则。

  • 强调信息架构重要性，规定其角色与职责、建设要求、遵从管控等。

  • 确保数据源头统一及跨流程、跨系统唯一性和一致性，明确数据源管理原则与认证标准。

  • 明确数据在创建、维护及应用过程中的规则及质量要求。

• 建立数据管理流程

  • 包括管理业务变革与信息技术、管理数据等流程，涉及数据架构设计和管控、数据分类定义及标准化、数据源认证、数据流/信息链开发等具体工作。

• 建立数据管理组织

  • 介绍常见的数据治理组织类型，分析各自特点和适用情况。

  • HW实践方面，按数据主题域分组完成数据Owner任命，明确数据Owner与IT治理组织架构及职责。

    

三、信息架构

• 信息架构在企业架构中的地位

  • 是企业架构4A中的重要组成部分，整合抽象业务对象等，承接业务数据需求，牵引IT规划设计，支撑业务架构与应用架构、技术架构的连接。

• 信息架构的定义及内容

  • 是以结构化方式描述业务运作和管理决策所需数据及其关系的整体组件规范，包括数据资产目录、数据标准、数据模型和数据分布四个组件。

• 信息架构的价值

  • 如发布业务术语及数据标准，提高沟通效率；识别业务流断点，发现改进机会；厘清数据资产，实现数据资产业务价值等。

    

四、数据底座

• 建设目标

  • 将数据视为资产，可追溯其产生者、业务源头等；监控数据全链路，诊断问题，降低成本；为数据消费提供丰富原材料等；基于数据安全管理策略，实现涉密和隐私数据合法合规消费。

• 建设总体框架

  • 涉及数据服务、分析平台、元数据管理、数据质量、数据地图、数据管控等，为各业务领域数字化运营提供支撑。

• HW数据湖特点

  • 包括结构化、非结构化等多种数据类型，通过PULL+PUSH两种方式入湖，有六项入湖标准，如明确数据Owner、发布数据标准等。

    

五、数据质量管理

• 数据质量重要性案例

  • 以伊春空难为例，说明数据质量对业务运营和决策的重要性。

• 数据质量定义

  • 数据满足应用的可信程度，包括完整性、唯一性、及时性、有效性、准确性、一致性等特性。

• 公司数据质量管理框架

  • 涉及数据质量政策、管控、文化等方面，明确数据组织、流程、IT平台在数据质量管理中的作用。

• 数据质量度量运作机制

  • 包括识别度量对象、确定指标、实施质量度量、改进质量问题等步骤，聚焦关键数据进行评估。

    

六、数据安全管理

• 传统安全与数据安全治理区别

  • 在目标、面向对象、理念、手段等方面存在差异，数据安全治理更注重数据内容分级管控融入业务流程，以防非授权访问。

• 数据安全治理目标

  • 满足信息安全、可信要求及数字化转型需要，应对政企行业加速数字化转型中的安全、隐私、信任和道德问题。

• 数据安全与合规治理成熟度评估模型DSMM

  • 从数据生命周期安全、安全关键能力、能力成熟等级三个方面对组织数据安全保障能力进行成熟度度量。

• 数据治理安全防护措施

  • 针对不同级别的数据，采取如加密、脱敏、水印、审计等防护举措，同时加强数据采集、存储、传输、处理、交换、销毁等环节的安全管理。

    

七、总结

• 华为数据治理工作思考

  • 分阶段推进数据治理，实现数据清洁、可视、共享等目标，支撑财报准确与主业务流打通以及数字化转型。

  • 明确数据管理总纲、信息架构管理政策、数据源管理政策、数据质量管理政策等重要政策文件。

  • 划分数据管理的层级架构，如L1管理业务变革与信息技术，L2管理数据，L3管理信息架构、数据质量、数据分析等。

  • 探讨数据治理组织模式，包括集中式、联邦式、分布式管理及其适用情况。

  • 强调信息架构四个组件的重要性，以及数据治理中明确数据Owner、发布标准、认证数据源等关键举措。

  • 持续推进数据质量改进机制，加强数据质量能力建设，提升数据安全防护水平，依据业务需求采取多种防护措施。