数据质量和数据标准始终是基础

数据价值管理的治理目标并不否定数据质量和数据标准管理活动，两者始终是基础。之所以强调这两项工作，是为了澄清实际工作中遇到的误区，这种观点认为：解决信息系统的数据问题，应采用技术手段或采购外部大数据，业务难有作为。

就数据质量而言，业务对数据的依赖性越大，对质量的要求越高，数据质量就是产品质量、服务质量、意味着风险。在数字化时代，业务活动就是进行数据采集、生成和数据质量控制的过程，显示的就是业务活动的自身的过程和质量，并将此固化在信息系统中，这个过程始终是不可或缺的。同样运用技术手段建立数据质量监控机制，也是不可或缺的，只是随着数据采集和处理的技术在不断地进步，如：传感器、图像处理、RPA等，很大程度上减轻了人工的输入，甚至原本不可能由人工采集的数据，进而极大地提高了数据准确率，降低了数据采集和处理成本。

数据标准是数据的业务含义、分类分级、格式及转换，是数据治理最基础的工作，数据标准化程度越高，系统自动化处理能力越强，信息共享度越强，数据成本越低。数据标准的难度在于管理，管理的难度在于对数据的业务定义。银行的数据管理部门或数据运营部门应更加努力地承担起这个基本职能，在企业内部推动数据标准的制定，信息技术部门则要坚决地落实贯彻数据标准，从数据的源头抓起，在源系统中贯标。

将数据基础设施纳入战略投资管理

数据基础设施的投资历来是昂贵的，很难衡量价值，在短期内难见到收益，也是成本最难分摊出去的IT投资。但是数据基础环境的建设又是如此重要，非企业或集团范围内的总体规划、超前投入无以建成企业或集团级别的数据平台、形成可产生价值和共享的数据规模。10多年前，数据仓库投资以数据驱动还是应用驱动的争论，仿佛历历在目。在当时情况下确实值得讨论：以数据驱动的建设路径成功者不多，以应用驱动的建设方式有着见效快，易于被业务部门接受的优点，但也导致最终数据分散难以整合和共享，以及历史数据保存不充分的问题，企业确实应根据各自的条件和环境选择合适的建设方式。进入数字化时代，企业级的数据基础设施战略投资，顶层设计、集中建设、集中处理、分层应用则是不二的选择。

凭借大数据领域的经验沉淀，亿信华辰积极布局数据治理领域，百余次产品迭代，打磨出睿治数据治理平台并荣获DAMA中国数据治理优秀产品奖，形成包含元数据管理、数据标准管理、数据质量管理、主数据管理、数据资产管理、数据安全管理、数据交换管理、数据处理管理、数据生命周期管理等九大功能模块的数据治理产品方案。

△睿治数据治理平台功能模块

作为目前国内功能最全的数据治理工具，睿治数据治理平台9大模块都各有特点和使命，在企业的数据治理中有着不同的功能侧重，但是解决问题的目标是一致的——提升数据质量提高数据利用效率。这9个功能模块就如九把利剑，它们的打造材料、工艺、对使用者的要求都各不相同，在执行任务中需要各尽其职，同时又需要紧密协同。

△睿治数据治理平台流程图

不同的企业对于搭建数据治理平台的需求及各业务模块的重视程度都不一样，也有一定程度的轻重缓急。值得关注的是，睿治数据治理平台九大模块正好可以根据用户实际需求，可自由组合快速满足政企用户数据治理全场景应用，助力数据标准落地，提升数据质量，实现数据资产化。