企业数据治理方法探究

时间:2022-12-10 09:13:26

摘要:在大数据时代,数据质量显得尤为重要。以某企业为例,数据质量问题十分复杂,通过总结归纳,提炼出主要问题类型,并进行专项数据分析,提出有效解决方案和具体措施。实施后取得较好成效,可供同行业参考。

企业数据治理方法探究

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

上一篇: 企业会计内部控制对策探讨 下一篇: 房屋建筑地基施工技术探讨
相关文章
精选范文
相关期刊