论文部分内容阅读
【摘要】 目前现代化为主流，是大数据时代，各个行业每个个体之间都是依靠着数据进行交流和协作。在当前大数据背景之下，数据治理被应用在各个领域里，整合各方面的信息，便于人们交流，其中应用最广泛的是政府和企业。大数据时代中，数据治理成为了不可或缺的一部分，成为企业政府智能化决策的关键材料，帮助企业在竞争激烈的环境下占领一席之地。数据治理能够快速处理大量的数据信息，在此基础上，本篇以企业数据为研究内容，描述大数据背景下的数据治理模式的现状以及会出现的问题，并且提出改正的建议，希望具有现实意义。
【关键词】 大数据背景 数据 治理模式
引言：
数据时代，带给我们全新的世界，让生活节奏变快，也让时代发展更加迅速。而数据治理也因此而产生，数据治理被应用在各个领域，尤其是在政府和企业。数据治理在企业中发挥着重要的作用，成为了不可或缺的一部分，它可以帮助企业智能化的决策事情，处理大量复杂的数据，帮助企业在竞争力激烈的现状中占有一地。接下来通过企业当前的数据为基础，展开对大数据背景下的数据治理模式的分析和探讨。
一、数据治理模式的内容
当前信息时代，由于科技不断地发展，互联网技术在不断的普及，深入到人们的日常生活中，让数据无处不在。也由于数据时代的大背景下，人们获取收集信息的手段和来源也不断地增多。而时代快速发展带动着各行各业的发展，也带动着人们的生活层次，这也导致了数据的爆炸式增长，因此我们的时代被称为大数据时代。不过大数据时代虽然可以使得信息得以整合，但是如果没有良好的数据管理模式也是无法将其效用发挥到最大的。接下来来论述数据治理模式的相关内容。
1.1数据治理的概念
虽然数据管理的实践起步较早，不过在理论研究中，学术界尚未对数据管理有一个准确的定义，各行各业的学术家对数据管理也有不同的理解和定义。有些人将数据治理视为一组与组织中数据使用相关的管理行为。这是一组由公司数据治理部门制定的关于如何管理应用程序和内部数据操作技术。国际数据管理协会将数据治理视为对数据资产管理行使权力和控制的一系列活动。国际数据治理研究所认为，数据治理是通过一系列与信息相关的过程来实现决策权责划分的系统。这些过程是根据共识模型来实现的，共识模型描述了谁可以根据什么信息、什么时候、在什么情况下、用什么方法采取行动。
数据治理的最终目标是提升数据的价值，数据治理非常必要，是企业实现数字战略的基础，它是一个管理体系，包括组织、制度、流程、工具。
1.2数据治理模式研究的发展
一直以来，很多学者都对数据治理都有自己的一套观点和想法，所以一直以来对数据治理的定义都有不同的讲述。然而，通过对数据治理的研究和探索，以及不断的实践和完善，已经形成了一套完整的企业数据治理模式，国内许多学者致力于研究数据治理的内容。包括数据质量管理、数据标准管理、数据安全管理和数据应用，当前的大数据时代对数据治理提出了更高的要求。也带来了对数据治理的好奇，人们对于其研究的热度只增不减。从中可以看出，在大数据时代下，数据治理模式的关注将会越来越多。
1.3数据治理模式的趋势
近年来，数据的快速发展和网络时代的到来，让我国的大数据和人工智能等的发展越来越完善，很多企业也应用这样的数据来计算自己的公司，使得更好的运行。眼光长远一点就会发现未来将会有更多的企业数据，数据集中在云端，对于企业数据的管理就面临着大挑战。当前网络云端确实在不断地发展，但是在未来企业越来越多的情况下，就会出现数据安全性问题，所以在问题到来前需要建立一个综合全面的数据治理平台。
并且随着数字时代的到来，数据治理与企业联系越来越密切，比如说在未来很有可能出现数据治理与人工智能紧密联系，进行深度的融合。优化数据，使得企业和个人都能够更好的使用数据，达到最佳效益。在金融行业中，很多企业使用人工智能技术，对数据进行加工，对外提供服务，提升企业竞争力。可以发现现在数据治理模式是越来越重要，而且好的治理模式可以使得企业的数据更加的清晰、准确，提高企业数据的质量，让企业在做发展决策的时候有更好的判断。
1.4数据治理的目的
确保系统的质量、可用性、完整性、安全性。数据是企业的资产，组织从中获取企业价值，最小化风险，并寻找进一步开发数据和服务的方法使用，而这一切就是数据治理需要完成的工作就是任务，实现数据治理在一般来说，数据管理主要包括以下三个部分：明确数据对象的具体职责和决策权，分配精确的任务，这就要求决策者为执行决策而规范各项事业活动。
为数据管理实践制定企业范围的原则、标准、规则和策略。数据的一致性、可信性和准确性对于确保增值决策至关重要。建立必要的流程，以提供对数据实践的持续监视和控制，并帮助在不同的组织职能部门以及业务用户类别之间实施与数据相关的决策。
二、当前企业数据治理的现状
随着信息的爆发式增长和数据时代的到来，每个行业都面临着数据的深入，也对数据治理的重要性起到了关注。尤其是企业，它需要更加集中的数据内容和辅助管理决策的功能，所以数据管理必不可少。但是，了解企业数据治理的现状，有助于企业更好地处理数据信息，目前，数据治理模式是一个大趋势。但由于目前数据治理的现状还不够成熟，导致了目前企业数据治理过程中存在的问题和不足。
2.1当前企业数据治理的现状
信息技术的不断普及和发展，让每个行业都了解到了数据治理的重要性。尤其是企业，它需要数据治理来为企业进行集中建设、整合信息以及辅助决策等提供帮助。在企业中，数据就是一个无形的资产，企业通过数据治理完成对数据优化、利用，对组织内部进行调整和整合，利用大数据将信息融合起来，从而发挥企业数据的最大价值。通过创建一个良好的数据管理系统，企业可以进一步提高企业在数据应用方面的整体决策能力，前提是它们符合企业的战略，更好地支持企业在未来的决策提供业务管理，在数据管理方面优化更加合理的企业数据架构，在统一的标准环境下跨系统交换数据，建立标准化的数据管理和控制机制，满足更广泛的数据应用需求，確保企业标准、数据质量和数据安全，并在最高级别支持智能决策和其他应用程序。使用数据进行管理企业是目前以及未来的趋势，所以加强治理以及更好的优化模式十分重要。 2.2目前企业数据治理过程中存在的问题
数据的重要性可想而知，处于这样的大数据时代背景中，企业想要在竞争力激烈的环境中占领一席之地，则需要将数据治理的相关工作整理清楚。不过目前企业中存在的问题就是由于对数据资料的认识度不足，在实际应用中将数据治理模式做表面功夫，这样并不能够发挥出数据治理的真正价值。并且目前大多数企业关注点在于数据治理工作中的提升数据质量管理水平技术问题，而忽略数据质量问题，很大程度上没有根据企业的实际现状建立起健全的数据体系。而在数据治理中，企业往往定义不明确的指标，没有选择与企业密切相关的指标作为切入点，无法合理分析数据的成熟度。从而造成部门之间标准的混淆与矛盾。企业各部门之间没有共同的业务规则。一般来说，数据治理不仅是一项技术工作，更是一个集数据、应用、技术和组织于一体的数据治理系统，可以有效地提高企业的信息管理和数据应用水平。以上是目前企业数据治理过程中普遍存在的问题。
三、改进大数据背景下数据治理模式的建议
根据上述所讲的关于大数据背景下数据治理模式中存在的不足，结合当前合理的措施提出下面改进的建议与对策。
3.1健全数据治理体系
如果企业要利用数据的优势来提升企业自身，就必须把数据治理作为一项重要的业务来实施，并根据企业自身的实际情况，构建一个合适的数据治理模型，定下相应的数据治理目標，要有专门的机构来管理调节，从而建立一个全方位的数据治理体系。数据治理模式需要企业各个环节相互配合，将技术等内容参与到数据治理中。第一步，需要建立相应的数据治理组织机构，在企业中选取相应的不同职能的工作人员组成一个部门。然后再成立由信息系统项目组成员共同组成的数据治理工作组。工作人员选择完毕以后，需要建立一套较为完善的标准规范，将数据治理机构规范起来，建立统一的数据标准，结合数据治理工作，制定数据治理计划，将标准化应用到数据治理之中。当然，在数据治理过程中，它离不开对数据技术的支持，因此企业必须利用数据技术来完成对企业信息数据的控制和支持。
3.2提升数据质量管理水平
以企业的实际情况为基础，改进现在数据治理的现状，完善数据治理体系，提高数据质量管理水平。首先需要选择与企业密切相关的指标作为关键点，分析数据，进行集中处理，并且整合。这样能够实现将标准和数据相互协调统一管理。要尽量避免数据的多方面的不同方向的管理，不然会产生冲突。而数据的集中处理就能够消除数据冗余，达到数据共享的目的。提升数据质量管理水平还需要实现事前防范、事中监管、事后治理的循环管理，并且要建立标准化严格化的管理制度和规范，让数据管理有章可循，有章可依，提高数据使用的价值，确保访问支持业务运营和业务分析的高质量数据。
3.3全方位数据应用
企业数据应用是指对整体数据进行深入分析，采用不同的方法进行数据降级分析和多维分析。针对数据应用的实时性要求，通过数据治理和数据中心，对业务源数据进行深入分析，找出数据与指标之间的关系。并通过决策指标、跨企业问题等形式，展现数据中心历史数据积累、数据质量、数据应用谱系的真实情况，实现智能决策分析与应用，体现单位数据管理的最大效果。
四、结束语
现如今大数据时代，企业等各个行业都对数据治理的要求提高，而数据治理模式的现状目前还存在一些不足，经过以上内容的探讨，根据企业目前数据治理现状不足提出相应的意见，希望能够有所帮助。
参 考 文 献
[1]王淑萍.基于大数据背景的数据治理实践分析[J].通信世界，2020（23）：43-44.
[2]陈慧玲，贾德红，王春辉.供电企业财务业务数据治理探析——三个“实时”构建精益高效的财务业务数据治理体系[J].安徽电气工程职业技术学院学报，2015（4）.
[3]李明.管理信息系统中提高数据质量方法技术[J].电将元数据采集、管理和应用作为核心，加之规范的数据标准、脑知识与技术，2013（4）.较高的数据质量，充分利用企业已建设的元数据管理平台.
[4]杨兵兵.商业银行数据治理与应用——以光大银行为主数据管理平台以及数据分析技术、数据质量整治技术，实例[J.银行家，2012（1）.
【关键词】 大数据背景 数据 治理模式
引言：
数据时代，带给我们全新的世界，让生活节奏变快，也让时代发展更加迅速。而数据治理也因此而产生，数据治理被应用在各个领域，尤其是在政府和企业。数据治理在企业中发挥着重要的作用，成为了不可或缺的一部分，它可以帮助企业智能化的决策事情，处理大量复杂的数据，帮助企业在竞争力激烈的现状中占有一地。接下来通过企业当前的数据为基础，展开对大数据背景下的数据治理模式的分析和探讨。
一、数据治理模式的内容
当前信息时代，由于科技不断地发展，互联网技术在不断的普及，深入到人们的日常生活中，让数据无处不在。也由于数据时代的大背景下，人们获取收集信息的手段和来源也不断地增多。而时代快速发展带动着各行各业的发展，也带动着人们的生活层次，这也导致了数据的爆炸式增长，因此我们的时代被称为大数据时代。不过大数据时代虽然可以使得信息得以整合，但是如果没有良好的数据管理模式也是无法将其效用发挥到最大的。接下来来论述数据治理模式的相关内容。
1.1数据治理的概念
虽然数据管理的实践起步较早，不过在理论研究中，学术界尚未对数据管理有一个准确的定义，各行各业的学术家对数据管理也有不同的理解和定义。有些人将数据治理视为一组与组织中数据使用相关的管理行为。这是一组由公司数据治理部门制定的关于如何管理应用程序和内部数据操作技术。国际数据管理协会将数据治理视为对数据资产管理行使权力和控制的一系列活动。国际数据治理研究所认为，数据治理是通过一系列与信息相关的过程来实现决策权责划分的系统。这些过程是根据共识模型来实现的，共识模型描述了谁可以根据什么信息、什么时候、在什么情况下、用什么方法采取行动。
数据治理的最终目标是提升数据的价值，数据治理非常必要，是企业实现数字战略的基础，它是一个管理体系，包括组织、制度、流程、工具。
1.2数据治理模式研究的发展
一直以来，很多学者都对数据治理都有自己的一套观点和想法，所以一直以来对数据治理的定义都有不同的讲述。然而，通过对数据治理的研究和探索，以及不断的实践和完善，已经形成了一套完整的企业数据治理模式，国内许多学者致力于研究数据治理的内容。包括数据质量管理、数据标准管理、数据安全管理和数据应用，当前的大数据时代对数据治理提出了更高的要求。也带来了对数据治理的好奇，人们对于其研究的热度只增不减。从中可以看出，在大数据时代下，数据治理模式的关注将会越来越多。
1.3数据治理模式的趋势
近年来，数据的快速发展和网络时代的到来，让我国的大数据和人工智能等的发展越来越完善，很多企业也应用这样的数据来计算自己的公司，使得更好的运行。眼光长远一点就会发现未来将会有更多的企业数据，数据集中在云端，对于企业数据的管理就面临着大挑战。当前网络云端确实在不断地发展，但是在未来企业越来越多的情况下，就会出现数据安全性问题，所以在问题到来前需要建立一个综合全面的数据治理平台。
并且随着数字时代的到来，数据治理与企业联系越来越密切，比如说在未来很有可能出现数据治理与人工智能紧密联系，进行深度的融合。优化数据，使得企业和个人都能够更好的使用数据，达到最佳效益。在金融行业中，很多企业使用人工智能技术，对数据进行加工，对外提供服务，提升企业竞争力。可以发现现在数据治理模式是越来越重要，而且好的治理模式可以使得企业的数据更加的清晰、准确，提高企业数据的质量，让企业在做发展决策的时候有更好的判断。
1.4数据治理的目的
确保系统的质量、可用性、完整性、安全性。数据是企业的资产，组织从中获取企业价值，最小化风险，并寻找进一步开发数据和服务的方法使用，而这一切就是数据治理需要完成的工作就是任务，实现数据治理在一般来说，数据管理主要包括以下三个部分：明确数据对象的具体职责和决策权，分配精确的任务，这就要求决策者为执行决策而规范各项事业活动。
为数据管理实践制定企业范围的原则、标准、规则和策略。数据的一致性、可信性和准确性对于确保增值决策至关重要。建立必要的流程，以提供对数据实践的持续监视和控制，并帮助在不同的组织职能部门以及业务用户类别之间实施与数据相关的决策。
二、当前企业数据治理的现状
随着信息的爆发式增长和数据时代的到来，每个行业都面临着数据的深入，也对数据治理的重要性起到了关注。尤其是企业，它需要更加集中的数据内容和辅助管理决策的功能，所以数据管理必不可少。但是，了解企业数据治理的现状，有助于企业更好地处理数据信息，目前，数据治理模式是一个大趋势。但由于目前数据治理的现状还不够成熟，导致了目前企业数据治理过程中存在的问题和不足。
2.1当前企业数据治理的现状
信息技术的不断普及和发展，让每个行业都了解到了数据治理的重要性。尤其是企业，它需要数据治理来为企业进行集中建设、整合信息以及辅助决策等提供帮助。在企业中，数据就是一个无形的资产，企业通过数据治理完成对数据优化、利用，对组织内部进行调整和整合，利用大数据将信息融合起来，从而发挥企业数据的最大价值。通过创建一个良好的数据管理系统，企业可以进一步提高企业在数据应用方面的整体决策能力，前提是它们符合企业的战略，更好地支持企业在未来的决策提供业务管理，在数据管理方面优化更加合理的企业数据架构，在统一的标准环境下跨系统交换数据，建立标准化的数据管理和控制机制，满足更广泛的数据应用需求，確保企业标准、数据质量和数据安全，并在最高级别支持智能决策和其他应用程序。使用数据进行管理企业是目前以及未来的趋势，所以加强治理以及更好的优化模式十分重要。 2.2目前企业数据治理过程中存在的问题
数据的重要性可想而知，处于这样的大数据时代背景中，企业想要在竞争力激烈的环境中占领一席之地，则需要将数据治理的相关工作整理清楚。不过目前企业中存在的问题就是由于对数据资料的认识度不足，在实际应用中将数据治理模式做表面功夫，这样并不能够发挥出数据治理的真正价值。并且目前大多数企业关注点在于数据治理工作中的提升数据质量管理水平技术问题，而忽略数据质量问题，很大程度上没有根据企业的实际现状建立起健全的数据体系。而在数据治理中，企业往往定义不明确的指标，没有选择与企业密切相关的指标作为切入点，无法合理分析数据的成熟度。从而造成部门之间标准的混淆与矛盾。企业各部门之间没有共同的业务规则。一般来说，数据治理不仅是一项技术工作，更是一个集数据、应用、技术和组织于一体的数据治理系统，可以有效地提高企业的信息管理和数据应用水平。以上是目前企业数据治理过程中普遍存在的问题。
三、改进大数据背景下数据治理模式的建议
根据上述所讲的关于大数据背景下数据治理模式中存在的不足，结合当前合理的措施提出下面改进的建议与对策。
3.1健全数据治理体系
如果企业要利用数据的优势来提升企业自身，就必须把数据治理作为一项重要的业务来实施，并根据企业自身的实际情况，构建一个合适的数据治理模型，定下相应的数据治理目標，要有专门的机构来管理调节，从而建立一个全方位的数据治理体系。数据治理模式需要企业各个环节相互配合，将技术等内容参与到数据治理中。第一步，需要建立相应的数据治理组织机构，在企业中选取相应的不同职能的工作人员组成一个部门。然后再成立由信息系统项目组成员共同组成的数据治理工作组。工作人员选择完毕以后，需要建立一套较为完善的标准规范，将数据治理机构规范起来，建立统一的数据标准，结合数据治理工作，制定数据治理计划，将标准化应用到数据治理之中。当然，在数据治理过程中，它离不开对数据技术的支持，因此企业必须利用数据技术来完成对企业信息数据的控制和支持。
3.2提升数据质量管理水平
以企业的实际情况为基础，改进现在数据治理的现状，完善数据治理体系，提高数据质量管理水平。首先需要选择与企业密切相关的指标作为关键点，分析数据，进行集中处理，并且整合。这样能够实现将标准和数据相互协调统一管理。要尽量避免数据的多方面的不同方向的管理，不然会产生冲突。而数据的集中处理就能够消除数据冗余，达到数据共享的目的。提升数据质量管理水平还需要实现事前防范、事中监管、事后治理的循环管理，并且要建立标准化严格化的管理制度和规范，让数据管理有章可循，有章可依，提高数据使用的价值，确保访问支持业务运营和业务分析的高质量数据。
3.3全方位数据应用
企业数据应用是指对整体数据进行深入分析，采用不同的方法进行数据降级分析和多维分析。针对数据应用的实时性要求，通过数据治理和数据中心，对业务源数据进行深入分析，找出数据与指标之间的关系。并通过决策指标、跨企业问题等形式，展现数据中心历史数据积累、数据质量、数据应用谱系的真实情况，实现智能决策分析与应用，体现单位数据管理的最大效果。
四、结束语
现如今大数据时代，企业等各个行业都对数据治理的要求提高，而数据治理模式的现状目前还存在一些不足，经过以上内容的探讨，根据企业目前数据治理现状不足提出相应的意见，希望能够有所帮助。
参 考 文 献
[1]王淑萍.基于大数据背景的数据治理实践分析[J].通信世界，2020（23）：43-44.
[2]陈慧玲，贾德红，王春辉.供电企业财务业务数据治理探析——三个“实时”构建精益高效的财务业务数据治理体系[J].安徽电气工程职业技术学院学报，2015（4）.
[3]李明.管理信息系统中提高数据质量方法技术[J].电将元数据采集、管理和应用作为核心，加之规范的数据标准、脑知识与技术，2013（4）.较高的数据质量，充分利用企业已建设的元数据管理平台.
[4]杨兵兵.商业银行数据治理与应用——以光大银行为主数据管理平台以及数据分析技术、数据质量整治技术，实例[J.银行家，2012（1）.