数据治理现状评估

1、数据治理现状评估1数据治理评估体系建立1.1设计能力成熟度评估参考维度能力成熟度模型（Capability Maturity Model）最早是美国卡内基梅隆大学软件研究 所（SEI）在1987年针对软件开发过程提出来的，即SW-CMM，软件能力成熟度模型。它的 核心思想是把软件开发视为一个过程，对这个过程定义五个级别，在每一级中，定义了达 到该级过程能力水平所应进行的关键步骤和解决的关键问题。在随后的二十多年，国际上各种IT治理和数据治理理论和框架得到了很大的发展， 这些国际主流的数据治理框架，从Gartner、Cobit、DAMA、DGI，不约而同，都借鉴了 SW- CMM 的思想，设计相

2、关的评估维度或能力成熟度指标，利用能力成熟度等级的方法来对相 关对象进行评估。能力成熟度评估的通常步骤包括：调研、访谈、评估维度和评估标准调整、权重设置、 能力成熟度评估、Gap分析（与高级成熟度和最佳实践进行比较）、宏观建议、现实问题分 析和可操作建议，最终产出能力成熟度报告。能力成熟度评估的根本目的和意义在于指出评估对象在各评估维度以及综合能力上的 大概位置，从宏观上指出下一阶段发展的方向，从微观上对一些现状调研中发现的具体问 题进行分析，给出现实可行的可操作建议。能力成熟度等级大多分为四到五级，包括综合能力等级和各评估维度的能力等级。评 估维度或能力指标通常只有一层，而且各评估维度在综合

3、能力等级评估的占比通常 没有量 化，也不固定。各能力等级的评估标准，大多用文字描述，通常没有具体的量化描述，相 对依靠专家的理解和经验。在研究了 Cobit、DAMA、DGI等国际主流数据治理框架的基础上， 以数据治理能力成熟度模型为蓝本，结合实际情况，以下给出了针对证券行业的数据治理 能力成熟度评估的参考维度，如图所示：数据标准数据质量根据数据治理能力成熟度评估参考维度，结合大量的实际工作经验，建立了适合的数 据治理能力成熟度评估参考标准，如表所示：表数据治理能力成熟度评估参考标准评估能力成熟度阶段维度初始阶段基本管理阶段主动管理阶段量化管理阶段持续优化阶段建立了相关流缺乏相关岗程，但有些重

4、组织、职责和位，组织职在开发阶段有业务和技术相关要部门例外；流程体系已融责不清晰；相关岗位，但治理人岗位、职对数据的访问入企业文化；不了解或不仅局限在项目责清晰；对数据控制仍局限于数据责任人体认同组织、范围内；有些的访问控制仍局应用级别；数系已在企业内职责和流程部门承担着跨限于应用级别；据责任人对企全面建立；全体系。对企项目的部分数责任人负责跨项业内相关数据面建立并实行业的信息资据责任。对部目的数据质量。质量负全责。了责任体系相产的使用没分信息资产的正式颁布了相关较为全面的制关人的绩效考保P早in 牛 ii有相关制度使用，建立了制度来管理部分度已颁布，并核标准。集中机制来规范；在管理制度；针信

5、息资产的使得到多数员工管理信息资产信息披露、对法律法规的用；颁布防范法的认同；防范相关的制度；合规方面，要求，制定了律风险相关制法律风险的相防范法律风险企业也没有一些政策；部度；部分业务线关制度已正式的制度得到彻正式的制度分业务线已给已颁布了正式的颁布并执行；底执行；已颁来控制；没出了非正式的数据管控制度，已颁布了企业布了企业级的有给予数据政策来支持数但没有很好地贯级的数据管控数据管控制度管控工作以据管控工作。彻执行。制度，但没有并得到彻底执政策支持。很好地贯彻执行。行。评估能力成熟度阶段维度初始阶段基本管理阶段主动管理阶段量化管理阶段持续优化阶段数据标准没有正式发 现数据质量 问题的流 程；

6、数据质 量问题没有 评级，也没 有系统对手 工输入数据 进行自动检 查；企业内 部缺乏沟 通。没有集中管理 数据质量问 题；企业正在 考虑数据质量 标准化的问 题，但缺乏驱 动力；部分手 工数据有系统 自动检查；彳艮 少进行数据质 量相关的沟 通。集中管理数据质 量问题，但管理 流程不完整；主 要部门已实施数 据质量标准；多 数手工数据有系 统自动检查；定 期有正式的会议 讨论数据问题发 生的原因。数据质量问题 已集中管理， 且定期进行审 核；数据质量 标准很完备； 数据在上传至 关键应用前都 已经过校验； 全员参与数据 问题原因的讨 论。数据质量问题 已集中管理， 且定期进行审 核；输入界面

7、 已有严格控 制，防止输入 错误数据；系 统间交叉检查 数据的一致 性；全员参与 数据问题原因 的讨论。数据质量没有正式发 现数据质量 问题的流 程；数据质 量问题没有 评级，也没 有系统对手 工输入数据 进行自动检 查；企业内 部缺乏沟 通。没有集中管理 数据质量问 题；企业正在 考虑数据质量 标准化的问 题，但缺乏驱 动力；部分手 工数据有系统 自动检查；彳艮 少进行数据质 量相关的沟 通。集中管理数据质 量问题，但管理 流程不完整；主 要部门已实施数 据质量标准；多 数手工数据有系 统自动检查；定 期有正式的会议 讨论数据问题发 生的原因。数据质量问题 已集中管理， 且定期进行审 核；数

8、据质量 标准很完备； 数据在上传至 关键应用前都 已经过校验； 全员参与数据 问题原因的讨 论。数据质量问题 已集中管理， 且定期进行审 核；输入界面 已有严格控 制，防止输入 错误数据；系 统间交叉检查 数据的一致 性；全员参与 数据问题原因 的讨论。数据安全缺乏安全和 隐私的相关 政策。没有 隐私政策来 维护相关的 法律法规。 信息资产没 有明确相应 的所有人。制定了部分规 定，但没有正 式成文。有一 些基本的隐私 政策来维护相 关的法律法 规。信息资产 被随意地分 配，且没有明 确责任。有部分基本安全 建立且已经正式 成文。有成文的 隐私政策来维护 相关的法律法 规。重要的信息 资产被明

9、确并分 配给具体相关 人。很多安全规定 已建立且正式 成文。规定包 含了人事、物 理和信息资 产，且对其有 公认的定义。 有成文且健全 的隐私政策来 维护相关法律 法规。所有信 息资产都被明 确和分配给相 关人。很多安全规定 已建立且以书 面形式正式成 文。规定包含 了人事、物理 和信息资产， 且有认可的定 义、年检以及 更新。规定经 常被改善以保 证持续性和符 合数据规范。 所有信息资产 都被明确和分 配给具体的所 有人，所有人 有责任保证资 产安全。评估能力成熟度阶段维度初始阶段基本管理阶段主动管理阶段量化管理阶段持续优化阶段数据架构没有清晰的 数据架构； 共享给其他 部门时，业 务部门无

10、法 管理和维护 数据；无法 整合客户信 息。数据架构正在 建设中；很少 业务部门能管 理和维护共享 数据；开始着 手整合客户信 息。建立了完整的数 据架构，但还没 有很好的利用； 有些业务部门能 管理和维护共享 数据；已经整合 了一部分客户信 息。数据架构被广 泛的应用；技 术专家能对共 享数据进行管 理、维护；大部 分的客户信息 已得到整合。数据架构被广 泛的应用；业 务和技术专家 都能管理、维 护、跟踪数据 的共享情况； 客户信息全部 整合，包括客 户相关的产 品、服务信息。1.2制定能力成熟度评估指标构建原则能力成熟度评估的过程，是一个基于现状调研和分析的评价过程，是对企业的数据治 理各

11、个方面进行综合评估的过程。一个企业后续的数据相关业务如何建设、发展和改进， 能力成熟度评估是首要的环节。要通过能力成熟度评估找到企业数据业务方面的真正短板， 这就要求能力成熟度评估体系能够做到对企业全方位、多层次、综合性的客观评估。与此 同时，这套评估体系的构建还应当充分体现国家监管层对证券企业数据业务发展方向的导 向，体现国家鼓励企业以大数据分析为基础进行自主创新等各项政策的要求相一致。数据治理能力是一个相互联系、相互制约的要素构成的有机整体，是一个相对复杂严 密的系统。对于这个系统，简单的分解为若十个指标进行分析显然是不够的，但是不构建 一个指标体系又无法进行深入研究，因此构建一个符合监管

12、要求和企业特点的、科学的、 系统化的、层次分明的，可操作性强的数据治理能力成熟度评估指标体系是非常必要的。数据治理能力成熟度评估指标的设计必须遵循以下原则：可操作原则：能力成熟度评估的方法和指标必须是可操作的，即评估指标的内容要 求是可获取的，这是能力成熟度评估的基本原则要求。设计的每一项指标是应该能 给予评估的，所以，每一项指标都应该具有横向的可比性，且能最终量化为分数。 可操作性原则直接关系到能力成熟度评估体系是否具有实用价值。目的性原则：对数据治理能力成熟度评估应该有着明显的目的性。第一，构建出来 的指标应该能为企业数据业务发展服务，且在评估过程中客观地对企业某方面的 数据能力作出评估，

13、为领导层的战略决策提供依据；第二，能力成熟度评估包含面 对企业的微观操作。通过评估，使企业明确自己的数据业务状况和与业界先进水平 存在的差距，分析制约企业数据能力发展的因素，提出有效的改进措施，从而不 断增强企业数据治理能力。科学性原则：指标力求能够客观、全面的反映公司数据治理能力的全貌，并能准 确把握数据治理能力的核心方面，能基本预测公司未来的数据治理能力发展方向。定量为主、定性为辅，定量定性相结合的原则：在评估中，反映企业数据治理能力 的指标有两类：一类是定量指标，即根据现有情况的统计和计算出来的客观指标， 可以得出该指标的计算值；另一类是定性指标，该类指标无法或难以量化，只能通 过专家主

14、观判断来确定，并将专家主观判断结果定量化来进行评估。在评估活动的 应用实践中，评估指标一般大部分以定性指标为主，以少量的定量指标为辅。全面性原则：企业数据治理能力评估体系是个复杂的系统，要全面的评价企业的数 据治理能力成熟度，就要求依据能力成熟度评估框架，逐层的细化评估指标，而 且这些指标要有广泛的代表性和足够的覆盖面。要从不同角度、不同层次来反映企 业数据治理能力的客观情况。1.3构建能力成熟度评估参考指标在对数据治理工作开展情况进行定性评估发现差距和改进点的基础上，也可以对数据 治理效果进行评估，目的是进行数据治理监督考核。基于前文设计的能力成熟度评估参考 维度，在遵循指标构建原则的基础上

15、，围绕数据治理能力成熟度评估框架内容，提出了包 括数据规范性、数据完整性、数据准确性、数据一致性、数据及时性、数据问题响应能力、 数据安全性、数据可用性、数据整合度等9大类参考评估指标，具体如表所示：表数据治理能力成熟度评估参考指标指标类别评估指标指标描述评估维度数据规范 性标准制定率已经制定的标准占所有数据项的百分比。可以分 主题进行评估，例如客户类、机构类、产品类、 合约类等。数据标准违标准反数对于已制定了标准的数据项，每出现违反标准的 系统字段设计，记为一次。兀数据错误次 数兀数据血缘分析、影响分析等过程中发现的兀数 据与实际情况不符的次数指标类别评估指标指标描述评估维度数据完整 性自动

16、采集率针对特定专题或应用，报表、信息披露报表等，无需 手工干预能够由系统自动加工生成的数据项，占J 有所需数据项的百分比。所数据质量数据项缺失率针对特定专题或应用，系统无法自动米集的数据 项，占所有所需数据项的百分比。数据准确 性数据准确率针对特定专题或应用，通过系统数据米样和实际 调查，数据值符合实际情况的记录数，占所有记 录数的百分比。主键唯一，性对于作为主键的列，出现重复记录的情况。数据一致 性表间一致性同一系统内，不同数据表之间的数据引用（主键 外键）一致性。系统一致性不同系统之间，描述同一数据的一致性。数据及时 性数据传输及时 率数据在传输过程中满足需求的情况。数据处理及时 率数据在

17、ETL、加工、发布过程中满足需求的情况。数据问题数据问题处理当月处理的数据问题占当月所有发现问题的百响应能力率分比。数据问题平均 处理时间数据问题从发现、到分析、到解决整个过程花费 的平均时间。数据安全 性数据安全事件 率由于数据安全引起的事故占所有运行事故的百 分比。数据安全数据安全事件平均处理时间数据安全事件从发生、到分析、到解决整个过程 花费的平均时间。数据可用 性正常访问拒绝 次数出现拒绝有权访问的对象进行正常数据访问的 次数。数据整合 度数据存储份数同样的数据在生产、备份、测试、归档等各种环 境下、各个系统中的重复存储份数。数据架构2数据治理现状总体评估如下图表对证券公司评估体系的一

18、级维度和二级子维度的表示:一级维度权重（%）二级子维度权重（%）数据分布20主数据原则30数据分布完整性20数据可追溯性25数据冗余25数据传输15传输规划30沟通协调机制15数据准确性10数据及时性25支撑平台20数据存储10存储平台设计30分层存储40一级维度权重（%）二级子维度权重（%）存储成本30数据质量15管控架构15管理规范15管理流程20数据质量规则管理20数据质量指标15支撑系统15数据生命周期5政策15管理机制15需求管理25数据合理化10归档销毁35数据标准10标准框架25标准内容20标准管理25标准执行30元数据10元数据的管理30元数据的分析30元数据的使用20元数据的

19、获取20组织机构/流程10组织机构25数据管控流程25制度15考核25培训10支撑平台5平台使用现状情况40平台支撑建设情况30未来平台规划情况30整个评估体系中每个大的维度下都有二级子维度（总计39个），每个子维度下均有明 确的评价指标（总计79个）。基于每个评价指标对现状进行评估，得到相应指标的分值。 整体评分的计算方法如下：（1）将评估指标所得分数X其所占二级子维度权重X二级子维度占整体权重，即 可得到该项指标在整体评估体系中的得分；（2）将每个维度下的子维度指标得分相加，即可得到每个维度的评估分值；（3）在计算得到数据分布、数据传输、数据存储、数据质量、数据生命周期、数据标 准、元数据

20、、组织机构/流程、支撑平台9个维度的得分后，则可采用雷达图将其以图形 化的方式表达出来；整体的评估分值，则在以上所得到的9个主维度的得分基础上，分别乘以其在 整体中所占的权重，相加得到。全企/务腐皮帽一 以画欢潍为甘的的嘻致盘：集成I有解出的撮M. J1堂的悻抽百在用*.魏：际函炳* 特为甲君的-留岛:frWX的再帮爰外St倍旦丸H 便堤;拌旦箕拿、椅嘘的首胄帙舂品人 “鼻跖僵枪队的信事麻畜盛用*情=可菖的屋用居或五音 哄军叫h g赢耳哀配的.殖 和唾-甜调舍业内并头葬住的.耳童 皿业番胃*诚框滞炬力 金川康*0远替的就他 -JdMkR*A.根据以上评估得到的整体成熟度的分值，结合数据治理能力

21、成熟度评估模型，就可很 清晰的看某个公司的数据治理的成熟度水平了。下图是数据治理能力成熟度评估标准： E2 4 球冷怙井旦井蒙齐 伎忘和边；#糟倾NQ*姑怕H.M胞代主撞书tiH; 1冒宝体为EH5H：雨的过吾此弱*1.成不果十常.定枝术推5、干野盆的.卒情牲的.岷分季当御化的f 3L堂眼虎的11会.牌臭的虐主化 由用点些：矛眼务的.：哉箱查的呵喜. 19冬的粮成I壬抓S.寸希成割峭决才寄tiflUMt：冬植艳宣:血同季*亶定.关KM8L等衣卑台的鞘式的3%曜莎斗如如图，将数据治理能力成熟度整体分为5级，按照1 5分进行相应的成熟度描述，下 表对数据治理能力成熟度的评估标准从业务能力和系统能力

22、两个重要方面进行了描述。表数据治理能力成熟度评估标准分值成熟度价值业务能力系统能力1初始阶段数据帮助 业务运作各业务条线独立管理， 满足基本的业务办理， 反映局部的业务现象， 风险点零散管理。数据：结构化的内容、静态的；集成：无i 结、孤立、非集成的解决方案应用系统:孤 立模块、依赖特定应用系统；基础架构：: 杂、关系混乱、特定平口的；2基本管理信息用来管理业务业务条线间部分交叉， 有一定的业务协调，不 同的业务办理口径，业 务信息共享度较差，多 种版本的真实情况。数据：结构化的、有组织的；集成：有部： 的集成、孤立的情况依然存在应用系统:基 于组件的应用系统；基础架构：层级式的i 构、特定平

23、台的；3主动管理信息为战 略资产全企业的集中管理，业 务交叉达到一定程度， 业务流程趋于全行化， 较全面的绩效管理策 略，唯一版本的真实情 况。数据：基于标准的、结构化的、以及部分： 结构化的；集成：孤立系统的集成、信息1 虚拟化；应用系统：基于服务的；基础架 构：组件式的、SOA逐步浮现、特定平台 的；分分值成熟度价值业务能力系统能力4量化管理信息促进 创新企业战略导向的管理， 全企业业务高度统一， 信息激发的流程创新， 以绩效激励为目的的绩 效考核。数据：无缝连结并且共享的、信息和流程 分离、结构化和非结构化信息完全整合； 集成：信息作为一种随时可用的服务；应 用系统：流程透过各式服务而集

24、成；有序 的业务应用系统；基础架构：有随时恢复 的能力的SOA、不限于特定技术的；5持续优化信息成为 企业核心 竞争力贯通企业内外有弹性 的、具适应力的业务环 境，战略业务创新的促: 能力，企业绩效和运营 的优化，战略洞察力。数据：所有相关的内部及外部信息无缝连: 进并且共享、新增的信息很容易加入集成:虚拟化的信息服务应用系统:动态的应用系统 组合；基础架构：动态的、可重新配置的、 侦测和回应；3数据治理评分标准的细化以下就招标文件特别关注的组织架构、政策制度、管理流程、信息系统等4个方面的 成熟度评估方法和调研表内容做出更详细的说明。3.1组织流程制度成熟度得分标准表组织流程制度成熟度等级评

25、估得分标准表等级得分成熟度名称得分标准5持续优化1）相关团队已较为成熟，解决问题的效率大幅提高2）有相关的流程来教育和管理数据治理的业务和技术知识3）经理会为员工制定相关培训和认证计划4）集中管理、维护和沟通所有信息管理制度、要求、指引和标准的流程 与制度（如：客户，合作伙伴和员工的信息访问权限等）5）相应的数据治理沟通计划提供了有效、高效的渠道向整个组织宣传 信息管理计划的价值，全员认同数据是企业的重要资产6）防范法律和规章风险的策略不仅制定，而且得到彻底执行（如：跟踪 信息管理的总体合规情况并关注数据责任的策略，信息管理计划通过确 保每位员工的合规和责任来推动整个组织的信息管理）7）已颁布

26、了企业级的数据治理策略并得到彻底执行8）一直常规性地、坚持定期审视信息管理的制度和程序，从此类审视中 得到反馈，促进对企业信息管理目标的深入共识4量化管理1）不断扩充团队的力量2）不仅定期进行培训，成员之间也经常主动沟通3）有相关的流程来教育和管理数据治理的业务和技术知识4）跨部门的数据治理工作已覆盖了大多数应用或部门5）较为全面的策略（如：信息管理制度、要求、指引和标准的流程与制度）已颁布，并得到多数员工的认同6）防范法律和规章风险的策略已正式颁布并执行7）已颁布了企业级的数据治理制度，但没有很好地贯彻执行8）已经实施了常规性地、坚持定期审视信息管理的制度和程序3主动管理1）设定了专岗和专门

27、的部门来解决数据问题2）定期进行培训和经验分享，不断提高员工能力等级得分成熟度名称得分标准3）开始了跨部门的数据治理4）已制定此类数据治理沟通计划，但还未实施5）正式颁布了相关策略和制度来管理部分信息资产的使用6）颁布防范法律风险相关制度7）部分业务线已颁布了正式的数据治理制度，但没有很好地贯彻执行8）已经制定了常规性地、坚持定期审视信息管理的制度和程序，还没有 完全实施2基本管理1）偶尔会临时成立团队来解决复杂数据治理问题2）有部分的培训和经验分享计划，但没有制度化3）少数部门开始了内部的数据治理工作4）存在一些零散的数据治理沟通计划，但是未统一5）对部分核心信息资产有较为全面的控制策略，但

28、是没有正式建立管理制度6）防范法律和规章风险的部分策略是存在的，但还不完整7）部分业务线已给出了非正式的策略来支持数据治理工作，例如技术 部门内部进行的数据治理工作8）对某些信息管理的制度和程序进行过审视，但是并没有形成制度化1初步管理1）依赖个人的能力解决数据问题，没有设定专业的组织2）没有持续的培训和改进计划，员工没有接受专业培训3）没有开展正式的数据治理工作4）没有数据治理的沟通计划，数据治理的实践无法共享5）对企业的信息资产的使用没有相关制度来规范6）在信息披露、合规方面，企业也没有正式的制度来控制7）没有常规性地、定期审视信息管理的制度和程序现状评估分值按照组织流程制度的五个子维度对

29、某公司数据治理的组织流程制度方面的现状进行整 体评估，评分结果如表所示:表组织流程制度评估得分一级维度二级子维度某公司得分参考分值组织流程制度组织机构23数据管控流程23制度23考核13培训23按照以上五个领域对某公司组织流程制度现状进行评估，计算得分为1.75，参考分值为3.00。按照数据治理能力成熟度评估标准来看，某公司组织流程制度成熟度所处的位置如图所示:霄升空间第三级主动管理初始阶段,第五级i持续优化3.2支撑平台（信息系统）成熟度得分标准表支撑平台（信息系统）成熟度等级评估得分标准表等级得分成熟度名称得分标准5持续优化1）支撑平台和信息系统管理流程已很健全，并用于所有部门2）多数应用

30、系统和数据项都能被完全覆盖支撑，4量化管理1）支撑平台和信息系统管理流程已很健全，并用于大多数项目2）多数关键应用系统和数据已能被完全支撑3主动管理1）补充支撑平台和信息系统管理流程，并已施用于新建项目2）所有系统都记录了数据来源和使用者信息2基本管理1）初步建立了支撑平台和信息系统管理相关的流程2）有些支撑平台和应用系统记录了数据的来源和使用者信息1初步管理1）没有/不了解支撑平台和信息系统的规则2）系统间数据的流向无法整合追踪，没有系统集成3）各部门各自为政按照支撑平台的三个子维度对某个公司数据治理的按照支撑平台的现状进行整体评估，评分结果如表所示:表支撑平台评估得分一级维度二级子维度某公

31、司得分参考分值支撑平台平台使用现状情况24平台支撑建设情况24未来平台规划情况34按照以上三个领域对某个公司支撑平台现状进行评估，计算得分为2.30，参考分值为 4.00。按照数据治理能力成熟度评估标准来看，某公司支撑平台成熟度所处的位置如图所 示：参考分值4.00主动管理1!11第*.L1 i i1第fJ初始盼段 !i1i提股niii,4数据治理改进建议4.1数据治理组织流程制度改进建议针对调研公司目前在数据治理组织、流程和制度方面的关键发现和差距分析，提出如 下的改进方向建议。继续推进数据责任人体制建设建立专业的数据治理机构：常见的数据治理组织机构包括决策层、执行层和操作 层，同时提供数据

32、治理服务以及系统专家服务。 得到高层领导(CEO/CIO/CFO)的支持：高层领导(CEO/CIO/CFO)要承担领导责任，给 予大力支持，另外，业务与IT部门主管领导要参与制定数据治理的愿景、目标、 方向以及行内的统筹协调。成立专职的数据治理办公室：提供数据治理服务（IT和业务部门共同参与的专职部 门）制定、批准、审计数据标准/数据质量的管理规范和流程，管理和考核数据治理 人等工作。建立完整的数据治理人体系：在数据价值链的每个环节中都指定专职（或兼职）的 数据治理人，各司其责，才能确保数据治理工作的顺利开展；通常情况下，数据治 理人包括面向数据域，业务线（LOB）和系统三个方面。数据治理人要

33、参与到IT项目的管理中：数据治理人在项目的规划、设计、开发和 部署阶段都要参与，以保证数据相关的规范和标准得到有效地执行。（2）制定数据管理流程和角色/职责定义完善和制定数据管理的相关流程，至少包括：信息管理项目状态报告流程、沟通流 程、归档流程、问题解决流程、例外流程；确定数据治理组织结构的主要职责：要明确制定数据治理相关机构的职责，包括决 策层、执行层和操作层，以数据治理办公室为例，要清晰定义其主要的职责和工作 任务。定义数据治理各机构中的相关角色和职责：制定明确的角色和职责定义，各司其 职，才能确保数据治理工作的顺利开展。4.2数据管控支撑平台（信息系统）改进建议（1）建立企业级的数据管

34、控支撑平台（2）建立企业级的管控支撑平台，包括企业级的元数据管理平台，企业级的数据标准 管理平台，企业级的数据质量管理平台，使在现有的分散式管理平台上，建立起统一管理 和维护的知识库。（3）加大对数据管控支撑平台的建设力度，加强对支撑平台落地的监督力度对于数据管控支撑平台，应建立数据质量检查工具，设计与元数据进行交互的数据 质量规则管理模块，开发利用元数据管理平台支撑的数据质量分析模块。数据质量平台建设：建立企业级的、统一的数据质量管理平台可以辅助数据质量管理流程的执行，集中管理数据质量规则，使数据质量相关人员通过一个统一的平台 追踪数据质量问题，查看数据质量报告和影响分析。数据标准平台建设：

35、加强现有数据标准的执行落地力度，对各个开发项目组的执行 情况进行监督，确保开发项目组在执行过程中能够严格遵守数据标准，保障数据标准执行落地。元数据管理平台建设：元数据来源涉及各类前中后台的业务系统和信息管理系统， 为了保持数据的准确性、一致性、及时性，实现数据流转自动化管理，保证质量和 提高效率，应加强完善元数据管理，并通过重要的工具，如信息清单、业务术语字 典、数据字典、数据血缘关系映射图、影响分析管理来提高元数据管理的效率、执 行力和数据的可信度。5数据治理评估步骤通过对标书解读，在信息资源体系现状评估方面，要求通过采用成熟的数据 体系评估方法和工具，对公司目前的数据资源体系进行评估。分析来源数据的权 威性、适用性和代表性。同时，必须充分考虑数据共享交换的可能性、数据购买 的经济性、数据获取的及时性。项目组将采用如下方式对公司信息资源体系的组织架构、流程规范、技术支 撑等方面进行调研：第一步：问卷调查对公司信息资源的评估首先以发放调查问卷的形式展开，调查问卷的主要内 容涵盖了信息资源组织架构、流程规范、技术支撑、存在的问题等方面，调研对 象为各业务部门，通过调研问卷反映的情况为项目组的下一步工作提供基础资料。第二步：现场访谈针对调研问卷反馈的情况，拟定对组织架构、流