三辩质询小结模板辩论大数据时代更需要数据治理共6

1、精选优质文档-倾情为你奉上三辩质询小结模板辩论大数据时代更需要数 据治理模版仅供参考,切勿通篇使用数据治理在“大数据成为热词后,更加被业界关注.大数据带来的一个显著变化是, 大量数据来自于数据中央之外,包括笔记本电脑、平板电脑、智能 以及传感器、社交网站等.数 据量激增,数据类型也变得多样.数据散落在不同的系统中,哪些数据是可信的？数据是否面临更大的风险？如何从海量数据 中获得洞察？大数据时代,企业更加需要数据治理.“数据治理是目前一个比拟新兴的、正在开展的学科,目前业界对它的定义还不完全一样.旧M全球企业咨询效劳部业务 分析与优化团队副合伙人谢国忠说,数据治理是围绕将数据作为企业资产而展开的

2、一系列的具体化工作.数据是企业最大的价值来源,同时也是最大的风险来源, 数据治理不佳通常意味着业务 决策效果不佳以及更可能面临违规和失窃.而利用规那么的可信数据有助于组织的业务创新一一提供更好的效劳,提升客户忠诚度,减少合规及报表要求所需工作,并提升创新水平.国内企业数据治理成熟度不高精选优质文档-倾情为你奉上“在过去几年中,数据治理的目标也在发生转变.曾经帮助金融、航空、海关、电信、电网等行业客户做过数据治理工程 的谢国忠表示,“除满足监管和风险治理要求外,现在很多企业 在说怎么通过数据治理来创造业务价值.如信息披露、行业领先以及精细化治理的需求.“目前国内大局部企业在数据治理方面还处于根本

3、治理阶段.谢国忠评价说,“有些公司说做了很多数据质量检查,做了 数据归档、数据平安,但他们的问题是没有一个完整的体系.其次,怎么把这些领域串起来,他们没有方法论.第三,他们在观 念上还达不到把数据当做核心资产来运作.因此,谢国忠认为国内企业首先需要一套完整的数据治理体系.他认为国内企业数据治理方面存在误区：觉得数据治理是很短期的行为,认为数据治理只是IT部门的责任,只把数据治理当成软件.实际上,数据治理不光是软件,还要有相应的流程、 方法.谈到数据治理的实践,旧M自身就是数据治理的典型代表.1992年之前,IBM在数据治理方面存在很多问题, 没有明确的可 依赖的数据源,没有明确的数据所有人,数

4、据质量低下.1995年,IBM在ERP里面做了业务数据标准,将所有的业务定了 15 大类业务标准、79个分类子业务标准,这样全公司看到的是一精选优质文档-倾情为你奉上个统一的业务定义.20xx年,旧M成立了数据责任人论坛,20xx 年成立了数据治理委员会,之后又成立数据审核委员会.1992年,旧M全球有128个CIO、155个数据中央、80个 Webffi展中 心、31个不同的网络、16000个应用.通过数据治理,旧M简化了根底架构,并降低了治理的复杂度.20xx年,IBM全球只有一位CIO,主数据中央变成了 6个,We函展中央变成全球统一的 网络,16000多个应用变成 4000个左右.在此

5、根底上,旧M在20xx年联合业界多家公司和学术研究 机构,成立了数据治理论坛,并在此次论坛上,制定包括四大领域11个要素的数据治理框架和方法,来指导数据治理工作的开 展.框架包括产生领域：数据风险治理、价值创造；驱动领域： 组织机构/流程、治理制度、数据责任人；核心领域：数据质量 治理、信息生命周期治理、平安/信息披露/合规；支撑领域：数 据模型/数据架构、元数据/主数据/数据标准、质量审计与报告.银行数据治理成功案例在数据治理方面,由于政策方面的驱动力以及银行自身业务 开展的需求使银行数据治理需求旺盛.中国银行业信息科技“十二五规划中包括数据治理与数据标准专题,其中指由“十二五期间,数据治理

6、需要重点推进的核心领域包括：数据标准、数据质量、数据平安、数据架构, 以及为了做好这些工作所必需的保精选优质文档-倾情为你奉上障机制,包括政策、组织、流程、技术等方面.IBM GBS部门帮助国内外银行做了多个数据治理的咨询工程, 包括中国资产规模最大的商业银行.“这家银行与同行业相比在技术方面是最先进的,已经做了数据质量、元数据等,但没有完整、统一的数据治理方法和配套的制度、流程；另一个问题是数据治理体系和架构还不完善.谢国忠向记者介绍了这家银行在数据治理方面面临的挑战.根据IBM数据治理框架和方法, GBSR四大领域11个要素 对该行数据治理的现况进行评估,帮助该银行找到差距, 并在此根底上

7、分析问题,提由解决问题的建议.这一工程从20xx年开始,20xx年及20xx年该行又相继启动了一系列相关的数据治理 工程,包括全行数据标准化工程、数据架构优化工程、全行数据质量治理工程等.目前,该银行在数据治理方面在全国也走在前 列.再看某全球领先银行的数据治理案例.美联储认为该银行没有对信息的整合和质量进行足够的限制以保证合规的要求.而通过一到两年的数据治理, 该银行通过了美联储的审计.该银行的高级副总裁Andrew Dunn认为,该银行数据治理取得成功的关键 因素是,选择了一个有相关经验、流程和工具的合作伙伴能够加 速数据治理在整个企业范围内的有效部署.精选优质文档-倾情为你奉上主数据治理

8、需求突生数据治理涉及11个要素,主数据治理就是其中非常重要的 一环.Informatica 公司高级副总裁兼首席信息官Tony Young就说：“增强主数据治理是企业获得一个完整、可信的数据视图 的必经途径.主数据是用来描述企业核心业务实体的数据,比方客户、合作伙伴、员工、产品、物料单等.主数据治理旨在从企业的多个 业务系统中整合最核心的需要共享的数据,集中进行数据清洗, 并以效劳的方式把统一、完整、准确的主数据分发给企业内的操作型应用和分析型应用,包括业务系统、业务流程和决策支持系 统等.Tony Young向记者表示：“MD蝙核心的任务是导由黄金 数据.所谓黄金数据就是企业的关键业务数据,

9、也是绝对真实 的数据.止匕外,MDMEE要反映主数据之间的关联性,比方客户与 产品之间的关系、客户与客户之间的关系等.在数据仓库里,你很难找到这种关联性,而 MDMfE够轻易做到这些." MD林口数据 仓库之间也有区别,比方它们处理的数据类型不同,MDM偏交易型的系统,而数据仓库属于分析型的系统.MD防口数据仓库两者可以互相促进,互为补充.Informatica MDM的灵活数据模型 可让IT团队在任何数据域中实施 MDM并可在同一数据模型中精选优质文档-倾情为你奉上添加其他域及定义不同数据域之间的关系.Informatica MDM可在企业内部或云中实施,也可作为两者的混合体加以实施.止匕外,它还可以作为多个 MDM;例之间的全局性枢纽,部署于联合MDM体系架构内.金融行业仍然是MDMS求最旺盛的行业,MD横深专家、 Information Difference公司