常国珍博士《数据治理如何解决“数据负资产”问题》（附直播学习视频）

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

数据治理如何解决“数据负资产”问题

常国珍博士

“随着国内多家知名企业因为数据问题被问询和惩罚，让很多互联网、金融科技公司不知所措，甚至提出“数据负资产”的概念，大有数据为虎的态势。但是如果对各类规定和标准有一个全面认识的化，做好数据资产盘点和数据应用规划，数据工作还是可以正常开展的……”

近期，数据方面的监管环境愈发严格，数据行业和科技创业公司如何继续开展数据业务呢？被监管最严的非银行业莫属，本文介绍一下该行业数据工作的开展路径，为互联网、房地产和其他服务行业开展数据工作提供参考。

---

文章分为四个部分：

1、数字化银行的业务特点。

2、从监管条例理解数据资产化的重要性

3、银行如何制定数据发展战略

4、银行业的数据治理体系

1、数字化银行的业务特点

最近，企业数字化转型被广泛关注。尤其是银行业的数字化转型，基本上统一到关注客户体验、数据化决策、组织敏捷、生态合作、支撑平台建设这个组合发展的道路上。

这个数字化转型模型的提出还要从2015 年底，马云到访芬兰参观Supercell游戏公司说起。这家人数不多的公司却有百亿美元估值，其工作方式引起参访者的兴趣。该公司具有以下特点：

1、数据化决策：产品上线开始之前会先设定一些指标，比如玩家留存、参与度，当游戏进入公测之后，如果指标未达到，他们就会选择放弃。supercell 允许各个小团队不断快速试错，快速验证，这个过程其实时间是非常宝贵的。

2、组织敏捷：一个游戏公司下面分成了若干游戏小团队，决定权不在公司管理者手中，而是在各个小团队自己决定，因为小团队才是真正知道产品的人，但产品目标没达成就必须中止。这决定了团队的每一个人是足够 Super 的 Cell。

3、允许犯错：快速尝试曾经在两年内，他们只发布了一款游戏「皇室战争」，但期间取消了 9 个项目，和若干很多优秀的创意原型。所以今天我们看到支撑 Supercell 百亿美元估值仅仅几款游戏，但其实其背后有数不清的被验证失败的项目作为垫脚石。

4、支撑平台：快速开发游戏需要借助公司内部积累起来的能力。比如卡通形象的设计，如果是设计师单独设计开通任务，往往会出现侵权的问题。各种合规性审核必然造成大量的时间浪费。而借助内容管理平台中已有的能力复用，极大的提升了上线速度。

马云回到国内不久，阿里巴巴就启动双中台战略。主要解决在消费者主权时代，企业如何实现产品的快速迭代创新，如何通过复用企业的流程、数据、算法、技术能力，实现对产品创新的支持。

本次疫情极大的促进了银行业的数字化。过去我们做业务，跟客户面对面交流，根据客户的一颦一笑可以洞察客户的诉求。而现在呢？尤其疫情期间，我们很难跟客户面对面沟通，而改为远程沟通。客户在沟通时专注度就会下降，我们对客户的洞察也不能很深入，导致我们现在很难进行有效的营销信息触达。

客户在沟通时专注度就会下降，我们对客户的洞察也不能很深入，导致我们现在很难进行有效的营销信息触达。 为了提升远程沟通的成功率，数字化的银行通过数据对客户进行画像，同时捕捉客户实时的交互信息，结合算法模型，为业务人员提供对客户需求的洞察。

数字化银行做的这一切，都是为了精准营销，银行在设计一个新的金融业务，通过大量数据建立新的消费场景，而且消费和数据会相辅相成，形成良性循环。这就是为什么现在很多银行在数字化转型，开始重视数据、利用数据。

  2、从监管条例理解数据资产化的重要性

笔者在金融领域做数据工作十多年，深刻的体会到有关部门对数据工作的重视。《数据资产管理实践白皮书》在2017年发布了第一版，开始宣贯数据资产管理的理念、基本概念和重要案例。在2019年发布的第四版中基本概念基本固化。随之而来的是各类法律法规、管理办法、行业标准的出台。《中华人民共和国数据安全法》对数据的保密性等核心问题提出要求。随着滴滴、魔蝎数据等企业因为数据问题被惩罚，让很多互联网、金融科技公司不知所措，大有数据为虎的态势。但是如果对各类规定和标准有一个全面认识的化，数据工作还是可以正常开展的，比如2021年出台的《金融数据安全 数据生命周期安全规范》指明了数据安全管控的框架，2020年出台的《金融数据安全数据安全分级指南》，明确指出了不同安全级别数据的管控要求，比如个人财务信息属于3级安全级别，但是风险和价值标签信息属于2级安全级别。低安全级别的数据的共享范围更广，甚至可以用于外部数据交易。因此只要充分认识管理部门的良苦用心，按照规定办事，数据工作完全可以顺利展开，甚至成为企业的核心竞争优势。这要求企业要及早制定数据发展战略，而不是临时抱佛脚。

3、银行业如何制定数据发展战略

一般银行做数据战略从哪些方面入手呢？首先要有愿景和目标，并且通过数据产品来支持业务目标。并且要建立起人才、治理、平台服务体系。

第一是组织人才建设。人才梯队的建设主要靠内建而不是外聘，形成内部人才成长的机制。人才梯队建设要与业务战略对齐，因为数据必然是服务业务的，高度统一的人才梯队才能实现这个目标。

第二是数据治理体系。数据治理是获得高质量数据产品的保障机制，主要目的是通过建立数据治理的组织和制度，数据管控的流程，数据工作的权责，使得业务、数据和IT部门各司其职，做好数据工作。

第三个是数据平台建设。需要以生产合格数据产品为目标，涵盖数据产品研发、数据流水线、算法模型生命周期管理等多个模块。

我们来看一个例子。比如某家知名金融集团主要做2C的金融服务。因此客户大数据很重要。因此在十年前就组建了数据人才队伍，其中数据应用和数据模型团队负责数据战略的落地，数据治理团队负责数据标准和数据质量管理，数据仓库和报表团队负责传统BI业务，数据科学团队负责算法模型开发和落地。同时，依托卓越中心，通过DABP角色服务业务部门，共同完成数据创新。在治理体系上，在监管和数据应用需求的矛盾中取得平衡，明确提出标签化比例。近年来开展了广泛的数据资产梳理，结合客户标签体系规划，实现了客户重要资产的识别、梳理、发布，促进了数据资产的变现。数据平台建设方面遵循渐进式数据架构的建设指导，以敏捷的方式按需开发，实现对灵活报表和数据挖掘的多方面应用的支持。

有了数据发展战略，就需要有一个强有力的保障机制使其落地。这就是数据治理体系。

4、银行业的数据治理体系

数据治理体系框架围绕企业数据应用的全生命周期，从数据管理和服务的整体角度出发，描述了企业级数据活动涵盖的三个域、十五项具体事项。

  数据治理体系框架

• 数据治理：规划数据管理的范围与工作路线，对决策支持、风险识别等数据分析方面进行实际应用，同时加强宣传培训、评估数据工作的绩效，指导数据工作持续的改进；通过数据管理和数据应用的组织模式、职责和岗位角色能明确承担数据在各生命周期的管理和服务责任；以制度为手段，能有效控制和规范数据管理活动的执行；
• 数据管理：建立企业完整数据管控体系，提升数据管理专业能力；打通数据管理中业务和科技建设间的协作，实现全面的数据管理能力；构建专业化的数据管理系统与工具和专业化的人才梯队提升数据管理效率和效益；
• 数据应用：探索数据应用的服务模式，提升数据应用专业能力，有效的支持运营管控和执行的统计分析和运营分析，有效支持高层决策的绩效评估和预测分析；为业务创新提供趋势洞察和商业模拟。
  

由此可见，数据治理是数据管理和数据应用的高阶规划和控制，良好的数据管理能更好的实现数据的应用，数据应用能反馈促进数据管理能力的提升。数据治理机制是数据治理工作的保障，数据的一切活动均需要在数据的指引下实施开展，并设立数据管理组织进行相关工作的决策、管理与执行，同时制度的制定、流程的明确是数据活动顺利开展的必要条件。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享11 收藏2 回帖

关键词：学习视频 中华人民共和国 super 数字化转型 临时抱佛脚

如果你是

·有志于成为：数据产品经理、数字化运营人才、数据产品开发项目经理的人；

·从事互联网、金融、电信、医疗行业数据相关工作的人；

·大学三年级以上在校生：经管类、统计、大数据、IT专业；

·CIO企业首席信息官;

CFO企业首席财务官;

CDO企业首席数据官;

如果你想收获

1、企业数据管理能力成熟度评估：

介绍国内DCMM，结合当前数据监管法案及行业监管指引，

提出企业数据管理能力匹配模型，帮助企业获得当前

数据管理能力所处的发展阶段，并提出未来发展提升方向；

2、数据管理最佳实践：

总结了国内外企业在数据战略和数据治理方面的最佳实践，通过工坊的形式带领学员识别数据资产、制定数据治理计划、搭建数据架构、落地数据标准，确实提升企业挖掘数据价值等能力；
3、人员数据治理合作意识：

对齐企业内部人员对数据资产管理的愿景，掌握制定数据战略的方法论，明确数据资产管理工作的分工职责。为业务人员培养数据思维和数字化工作模版、提供给数据标准、数据质量标准的工作模版；为数据管理者提供数据资产梳理、数据模型构建、数据架构设计的方法和实操；

为IT人员提供支持数据应用、数据管控平台的技术架构和落地实施案例；

企业数字化转型与价值导向数据管理

课程时间：2021.9.19-2021.9.20

培训方式：北京面授/直播

面授费用：2599元，

线上直播课：1688元，

CDA老学员：999元。

在线报名：https://www.cda.cn/kecheng/206.html

课程简介

本课程以EDIT模型作为企业数字化模版。通过引导由业务、数据、IT人员组成的小团队进行案例设计，帮助其掌握数据应用专题的分析思路、使用数据需求模版、算法模版和项目模版，帮助其领会企业级数据应用规划的实质内容，企业级数据架构、算法架构的内容、形式和构建过程。在了解到数据架构对企业业务发展的重要性之后，自然过渡到数据治理的核心内容，即数据资产盘点、数据标准制定、数据架构和元数据、数据质量标准、数据安全和数据资产服务。课程内容环环紧扣，便于学员建立起对数据工作的整体认识，尤其是帮助业务人员认识到数据的价值和自身的角色。
本课程以国内企业数字化转型和数据资产管理实施经验为基础，权衡自顶向下的规范性数据治理和自底向上的精益数据治理的利弊，为国内机构提供可借鉴、能落地、易于团队合作、快速见效的数据资产工作模版。

主讲老师
王兵老师
数字化转型顶层设计、大数据治理专家。在央企信息化领域、大型集团企业具有丰富的数字化顶层设计、数据治理及标准化经验，长期致力于石油、电网、国电科环、中国兵器集团、新奥集团等的数据管理项目的规划与实施，是能源行业数据治理资深专家，拥有扎实的理论和实践经验。
常国珍老师
北京大学会计学博士， 中国大数据产业生态联盟专家委员会委员，腾讯云最有价值专家（TVP）。曾任ThoughtWorks数据科学家、毕马威咨询大数据总监、中银消费金融数据部高级经理、百度大数据产品经理。 具有18年数据规划、数据治理咨询顾问经验。 协助企业逐步积累数据资产，运用数据智能工具优化业务流程，取得数 字化竞争优势。作为企业数字化赋能辅导员，帮助企业建立数据管理体系，培养企业数字化文化，设计数据分析人员成长路径。

课程特色
#1.理论与实践相结合、案例分析与理论穿插进行；
#2.专家精彩内容解析、学员专题讨论、分组研究；
#3.通过全面知识理解、专题技能掌握和安全实践增强的授课方式。

课程大纲
第一天：
1章 企业数据管理导论
  1-1数据能力建设概述
  1-2数据管理知识体系
  1-3数据资产管理

      介绍数据规划、《数据治理指引》解读、数据治理实操框架、数据中台，从数据应用角度讲述数据治理和数据中台，全方位介绍企业数据战略规划的概念。

2章 数据治理与企业数据管理能力成熟度
  2-1数据治理与概述

      回顾数据治理简史、Gartner企业信息管理发展曲线，预测Gartner数据管理未来，挖掘行业数字化转型痛点，所层次多视角清晰数据治理概念与实践应用。国际+国内实际最佳案例分解，给予现阶段行动建议指导。

  2-2数据治理组织制度
  2-3数据管理能力成熟度评估

      介绍DCMM数据管理能力成熟度评估模型，确立评估收益、评估方法、评估过程，分享真实高评分数据标准最佳案例，根据企业不同情况辅助答疑。

3章 数据架构最佳实践
  3-1企业架构（EA）基本理论

      介绍信息化架构搭建历程，了解Zachman 架构、FEA架构、Gartner、TOGAF 企业架构演变历程与发展方向。将业务流程与数据开发结合进行实际应用。

  3-2业务流程和数据产品开发

      介绍EDIT数字化模型，了解智能加持业务流程，数据产品现场绘制流程图，掌握inception服务，案头研究和用户需求调研。详细讲解数据产品全周期开发过程、工具、方法，分享最佳实践案例。

  3-3数据架构基本理论

      介绍企业架构与数据架构之间的关系，主要组件明晰，各数据模型详解与实际应用，清晰数据架构与数据生命周期，掌握企业架构与各种开发方法。从不同层次和维度了解概念、逻辑和物理数据模型，IDEF数据模型搭建，分享最佳实践案例，详解企业级数据架构分类梳理与搭建流程。

  3-4某行数据模型开发案例

      真实数据模型开发案例分享：应用IBM 金融服务数据模型（FSDM）。

  3-5数据集成

      数据平台模型体系介绍， ETL整体流程结合业务需求ETL实现算法，统一调度管理平台，规范标准化调度管理。

  3-6内容管理

第二天：
4章 元数据与数据资产盘点
  4-1元数据管理

      介绍元数据概念，了解元数据在管理活动中的关联关系，规范元数据标准与标准化开发和评估指标，详细介绍元数据管理项目实施和工具。

  4-2数据资产盘点

      介绍数据资产管理概述，通过五种专业的数据资产梳理方法，识别企业核心的数据资产，建立数据资产目录，结合元数据为数据资产管理提供管理依据。

5章 数据标准与数据应用
  5-1数据标准化

      介绍数据标准历程和经验借鉴，了解数据标准总体要求与属性分类要求，详细介绍数据标准制定与落地方法。

  5-2指标体系

  5-3数据应用
6章 数据质量、数据安全以及数据平台建设
  6-1数据质量提升理论
  6-2数据质量提升案例

      介绍数据质量概念与管理数据质量的活动，分解数据质量工程实践十步法的方法论和实践要点。

  6-3数据安全与数据安全能力成熟度模型

      介绍大数据安全标准白皮书、数据安全机密等级、策略、治理框架。了解数据安全能力成熟度模型、讲解数据安全能力成熟度评估工具和方法

  6-4数据平台建设。

      介绍数据平台建设中的相关术语，概述数据仓库体系，精讲大数据平台简史与规划部署，介绍企业数据中台必备能力与数据中台整体架构搭建方案。

服务内容

·         朝九晚九全程跟班答疑；

·         一对一督学；

·         定期直播串讲；

·         有问必答；

·         出勤率和进度监督；

·         作业与测试。

咨询方式

电话：15601212857
邮箱：361888643@qq.com
QQ:361888643

微信：

一周限时优惠：

优惠获取方式一                                  优惠获取方式二

您可以扫描下方海报，关注公众号，                      同时您也可以通过分享拼团海报

回复“数据管理”，生成您的专属海报，                 邀请2名好友共同报名课程获取优惠。

将任务海报图转给微信好友或者分享朋友圈，

当9位好友扫描海报关注公众号之后，

您将自动获取该课程的优惠报名链接。

感谢分享

支持支持

数据治理!

数据治理!