中车大连机车车辆有限公司 辽宁 大连 116052
摘要:习近平总书记在深化改革委员会第二十六次会议上强调“数据基础制度建设事关国家发展和安全大局,要统筹推进数据产权、流通交易、收益分配、安全治理,加快构建数据基础制度体系”。国资委、工信部等国家部委将数据治理纳入加快国有企业数字化转型的重要任务。本文通过阐述数据治理的含义,分析企业数据现状,以更好为企业管理提升、提质增效、转型升级,增强企业核心竞争力提供指导建议。
关键词:数据治理;数字化;体系建设
一、数据治理体系建设背景
党的十九届四中全会首次将“数据”增列为一种生产要素。数据已成为与土地、劳动力、资本、技术并列的第五大生产要素[1]。数据要素所引发的生产要素变革,正在重塑着企业的需求、生产、供应和管理,改变着企业的组织运行方式。数据治理是保障数字经济发展、数字技术创新和数字安全的重要措施[2]。数据治理是帮助企业理解数据、规范数据、持续改变数据使用行为的过程,是在明确责任的前提下,发挥数据的有效性和提升业务价值而采取的一系列业务、技术和管理相结合的活动。开展数据治理是数字化转型的一项基础性工作,可以打通企业内部不同层级、不同系统之间的数据壁垒,全面提升数据质量,实现对内支撑业务应用和管理决策、对外加强数据服务能力输出,从而提升数据潜在价值向实际业务价值转化率。《“十四五”数字经济发展规划》中提出我国的数据经济到2025年要进入全面扩展时期[3]。因此企业要加速推进数字化转型工作,以建设数字化精益企业为主线,以企业新型能力建设为抓手,全力实施数字化研发、运营、制造、服务四大工程。数据治理工作作为数字化转型重要基础工作,直接决定着企业实物流、信息流、业务流的贯通。
二、深入剖析数据现状,分析痛点问题
企业数据治理包括数据质量管理、元数据管理、主数据管理、数据资产管理、数据安全及数据标准等内容。生产企业现场一般与业务端存在诸多问题,致使生产效率低,业务混杂无规范。数据治理可以深度剖析数据状态,结合企业生产现场实况,可以得出以下痛点问题:
(1)编码冗杂:企业在一物多码、一码多物现象严重,导致各业务口信息不对称,数据源头混乱。
(2)编码申请无规范:物料编码流程不规范不统一,编码申请没有完整、正规的流程,对编码申请过程管控不严格,没有完整的体系。
(3)BOM准确率低下:生产现场用料与设计端图纸不符,间接导致现场作业与工艺下发的作业要领、行程、规范有偏差,分厂现场生产依赖经验作业。BOM 准确率低同时造成物流的无效采购、分厂的无效领料,极大降低生产效率。
三、治理流程规范化
治理流程是指企业在数据治理中应遵循的一套标准化操作流程,包括数据治理流程、数据安全流程、数据治理流程等。应当通过制定管理指南、操作手册等规范文件推动治理流程的规范化。
四、数据标准化
数据标准化是构建数据治理制度的关键步骤之一,具有标准化、规范化数据的重要作用,有利于提高数据质量和数据管理能力。其实施主要包括制定标准和规范文件、选取标准和规范建立方法、开展数据标准化操作等。企业应根据实际情况选择合适的标准和规范,制度标准流程和标准管理流程,并指导业务人员开展数据标准化操作。
五、数据管理平台建设
数据管理平台是指企业为管理和利用数据而建立的信息化平台,包括数据仓库、数据集成、数据分析等。应当制定统一标准,建立数据管理平台,并不断优化和完善。结合企业系统使用现状搭建数据治理中台规划如图1,促进数据治理落地生根。
图1 数据治理中台规划
六、数据治理管理
数据质量管理是指通过数据分析、检验、排除和解决,提高、保持和管理数据的正确性、完整性、一致性和可靠性。数据质量管理的重要性在于维护数据的准确性和可信度,为企业决策提供良好的决策基础。其实施方案包括确定数据治理管理的范畴、制定数据质量管理规范和流程、开展调查和评估、制定改进计划等。企业应对数据质量进行全面的监测和管理,及时发现和解决数据质量问题。
七、小结
精益生态重构是企业数字赋能、产业升级的第一步,数据治理成为数字化转型“先手棋”,是数据从低价值转为高价值的基础性工作。实践表明,数据治理是一项系统工程,须高层统筹,战略引领,将治理实务与系统应用嵌入管理精益、业务增值、赋能攀高的全流程中。做到数据可信用、可共享、可贯通,以数字化赋能公司高效运营,创造更大的数据价值和经济效益。
参考文献:
[1] 张然.以数据资产价值最大化为目标推动数据治理发展[J].中国金融电脑,2023,No.411(10):64-68.
[2] 王妍晴,罗有敢,胡胜男.我国数据治理研究领域的知识图谱可视化分析[J].国家图书馆学刊,2023,32(05):101-113.
[3] 刘秋霞.Y企业内部数据治理策略研究[D].安徽财经大学,2023.