成功的主数据管理步骤

　　
, |! ]9 t. l" V% c8 r/ g　　主数据管理可参考按照“统筹规划→管理实施→稽核检查→资产运营”四个阶段的方法策略执行，每个阶段对应的管理职能如图所示。以业务应用目标为指引，企业可以按照自身数据及管理情况制定不同的实施步骤顺序。
　　（一）统筹规划
　　第一阶段是统筹规划过程，制定数据治理战略规划，明确数据治理目标，涉及建立数据治理组织和制度作为保障措施，盘点数据资产，制定数据资产标准规范等，该阶段成果是后续工作的基础。
3 M; V/ b. b! p( u+ A　　一般情况下，数据治理的第一步是建立组织责任体系，根据自身情况，制定数据治理制度规范。需要建立一套独立完整的关于数据治理的组织机构，明确各级角色和职责，确定兼职专职人员，保障数据治理的各项管理办法、工作流程的实施，推进工作的有序开展，并逐步打造管理及技术的专业人才团队。第一步的主要交付物包括：《数据治理规划》、《数据治理认责机制》、《数据治理工作指引》、《数据治理考核评价办法》。
　　第二步是结合业务盘点数据资产，评估当前数据管理能力。对基础数据的盘点是开展数据治理工作的前提之一，需要分析企业战略及业务现状，结合当前大数据现状及未来发展，盘点企业内外部数据现状，确立数据治理的目标，并逐渐实施需求调研、盘点资产、采集汇聚等专题任务。与此同时，了解企业数据来源、数据采集手段和硬件设备情况，以定位自身数据治理能力，规划未来数据治理成熟度提升方案。第二步的主要交付物包括：《数据资产盘点清单》、《数据资产管理现状评估》。
+ u3 o; \  d, T8 M6 S3 C, f　　第三步是制定数据资产相关的标准规范。在企业组织架构、制度体系和数据资产盘点的基础上，结合国际标准和行业标准，围绕数据资产全生命周期管理，制定相关的数据规范体系，包括元数据标准、核心业务指标数据标准、业务系统数据模型标准、主数据标准、关键业务稽核规则等，使得数据管理人员在工作中有明确的规则可依，同时，建立参考数据和主数据标准、元数据标准（比如元模型标准）、公共代码标准、编码标准等基础类数据标准，以及基础指标标准、计算指标标准等指标类数据标准和关键业务稽核规则。企业应逐步推动相关数据规范和标准的工作建设，使数据有效汇聚和应用，切实保障数据治理的流畅实现。第三步的主要交付物包括：《数据标准管理办法》。
　　（二）管理实施
　　如果说第一阶段重点还在于对数据资产的定义、规划、梳理，第二阶段就是对第一阶段成果的落地实施。
4 E" _$ l) g7 n7 L" `1 ~5 _　　首先，在搭建大数据管理平台、完成数据汇聚工作的基础上，根据企业自身存量数据基础和增量数据预估，建设或采购必要的数据治理平台或引入第三方工具以支撑管理工作，切实建立起企业数据治理能力。（下文会细讲）
. R. c4 ~# o; X1 n6 K% b  y4 }　　其次，要建立安全管理体系，防范数据安全隐患，执行数据安全管理职能。再次，还需要制定和管理主数据，以明确企业核心业务实体的数据，如客户、合作伙伴、员工、产品、物料单、账户等，从而自动、准确、及时地分发和分析整个企业中的数据，并对数据进行验证。
( Z1 b+ u* C$ N6 o　　在第二阶段里，需要从数据治理的相关业务、技术部门日常工作流程入手，切实建立起企业数据资产管控能力，包括从业务角度梳理企业数据质量规则，检测数据标准实施情况，保证数据标准规范在企业信息系统生产环境中真正得到执行。针对关键性数据治理工作，可以借助管理工具，建立数据资产的管理流程，保证相关事情都有专人负责。
0 n- R$ E# r1 Q: p) w+ E% q& \, w　　同时，企业应加强数据资产服务和应用的创新，可以围绕降低数据使用难度、扩大数据覆盖范围、增加数据供给能力等几个方面开展。通过数据可视化、搜索式分析、数据产品化等降低数据使用难度；通过数据“平民化”（如打造数据应用商店）扩大数据覆盖范围，让一线业务人员接触到更多的数据，让数据分布更加均衡；通过数据消费者、数据生产者之间灵活的角色转变，增加数据的供给能力（如形成数据众筹众享模式）。
# J) a( @6 Q5 x1 K) E' B& K; x　　第二阶段的工作目标主要是为企业打造核心的管理数据资产的能力，同时为企业内数据治理部门形成数据管理的工作环境，概括起来，就是企业数据资产可管理、可落地。第二阶段主要交付物包括：《数据治理办法》、《数据治理实施细则》（包括数据标准管理、数据质量管理、元数据管理、主数据管理、数据安全管理、数据应用管理等）。
　　（三）稽核检查
　　稽核检查阶段是保障数据治理实施阶段涉及各管理职能有效落地执行的重要一环。这个阶段包括检查数据标准执行情况、稽核数据质量、监管数据生命周期等具体任务。这个阶段需要抓好四个“常态化”：
/ f6 n% \# @- g( X　　数据标准执行情况检查的常态化
　　数据标准管理的检查主要从标准制定和标准执行两个方面检查。标准制定的检查主要围绕同国家标准、行业标准的一致性，同时参考与本地标准、数据模型的结合性，包括数据命名规范、数据类别等。标准执行的检查主要围绕标准的落地情况，包括数据标准的创建和更改流程的便捷性、数据标准使用的广泛性、数据标准与主数据的动态一致性等。
% m/ w# B: A3 b9 g- d# w3 b2 B　　数据质量稽核的常态化
) K" q, i, [7 ]" `( ]+ ]: D' k　　应对数据质量问题，首先要提升数据质量意识。其次，建立一套良性循环、动态更新的数据质量管理流程，制定符合业务目标的数据质量稽核规则，明确在数据全生命周期管理各环节的数据质量提升关键点，持续评估和监督数据质量与数据质量服务水平。
) h- i& q; B. h6 k　　灵活配置数据存储策略的常态化
　　数据生命周期管理，其目标是以完全支持企业业务目标和服务水平的需求，根据数据对企业的价值进行分类分级，形成数据资产目录，然后制定相应的策略，确定最优服务水平和最低成本，将数据转移到相应的存储介质上，争取以最低的成本提供适当级别的保护、复制和恢复。
/ a3 N7 ^( X5 q; G3 q) H' u　　数据资产安全检查的常态化
: V1 m4 K* `2 q　　企业应通过建立对数据资产及相关信息系统进行保护的体系，合规采集数据、应用数据，依法保护客户隐私，提高数据安全意识，定期进行数据资产安全检查，保证数据的完整性、保密性、可用性。
+ m! [, R( l2 Z: j+ A1 u0 v　　第三阶段主要交付物包括：《数据治理稽核办法》、《数据治理问题管理办法》。
1 @( r) Y; B4 P. @3 g# r4 o　　（四）资产运营
) g7 _; s1 a( D$ o' L$ K8 ?* B　　通过前三个阶段，企业已经能够建立基本的数据治理能力，在此基础上，还需要具备以实现业务价值为导向，以用户为中心，为企业内外部不同层面用户提供数据价值的能力。资产运营阶段是数据治理实现价值的最终阶段，该阶段包括开展数据资产价值评估、数据资产内部共享和运营流通等。
　　数据资产价值评估能够以合理的方式管理内部数据和提供对外服务。在大数据时代，数据运营企业关于数据价值的实现是体现在数据分析、数据交易层面。只有对数据资产价值进行合理的评估，才能以更合理的方式管理内部数据和提供数据对外服务。
　　数据资产内部共享和运营流通需要加强管理运营手段和方式方法，促进数据资产对内支撑业务应用，对外形成数据服务能力，打造数据资产综合运营能力。
/ k1 d7 ~& J! @. s( u4 n% H( L　　第四阶段主要交付物包括：《数据资产价值评估方法》、《数据资产成本管理方法》、《数据资产共享流通管理办法》。
　　结语
　　无论企业大小，在使用数据上都面临相似的数据挑战。企业越大，数据越多，而数据越多，越发需要制定一个有效的，正式的数据治理策略。规模较小的企业也许只需要非正式的数据治理策略就足够了，但这只限于那些规模很小且对数据依赖度很低的公司。即便是非正式的数据治理策略也需要尽可能考虑用户数据的采集、存储、管理、使用。
　　当企业规模扩大，数据需求跨越多个部门时；当数据系统和数据集太大，难以驾驭时；当业务发展需要企业级的数据治理时，或者当法律或监管提出需求时，就必须进行更为正式的数据治理了。如果你发现，有部门在制定自己的数据管理策略，就是时候了。一旦有足够多的数据让你成为黑客的攻击目标，就是时候了。
" Q7 j1 G2 t: i$ S. F　　简而言之，如果你不得不问“是时候了吗？”，那么可以肯定，是时候开始正式的数据治理了。
! ^6 a0 t  u& b% r

分析得很透彻，很多细节都说到点子上了～

刚好遇到类似问题，看完这个帖子心里有底了

完全赞同，我也是这么认为的，英雄所见略同～