企业数据治理高阶实战课程

  课程天数：2天

  课程介绍

     数据治理是数据应用的基础保障，是数据体系建设的根基。近几年数据在金融、政府等行业得到了高度重视，从政策方面进行了强制要求，2018 年 5 月银保检会出台银行业机构《数据治理指引》，2018 年 12 月证监会也出台了《数据治理指引》，要求所有证券公司必须构建数据治理体系，同时国家标准委员会也出台相应的技术规范。由此可见，数据治理对于数据体系的建设，数据价值的应用，数据产业的发展有着举足轻重的作用。

     数据治理体系的建设既需要具有体系化的理论作为保障，帮助企业从高层及宏观层面规划和设计数据治理战略、规划、组织架构、任务蓝图等，也需要丰富的实战经验，确保数据治理技术、流程、平台等能够无缝嵌入到业务流程设计、数据质量管控、开发全流程中，并实现真正意义上落地和应用。

     在本次课程中将从三个方面对数据治理技术予以全面讲解，第一系统化地讲解数据治理的战略目标设计、三至五年规划方法、体系架构、任务蓝图、组织结构设计、工作岗位设置及职责、能力评估方法等；第二 全面深入地讲解数据治理的立项必备条件、项目关键负责人构成、项目重点关注内容、POC 方式及内容、项目实施及管理注意事项、数据治理平台与服务重要内容、数据治理项目与现有系统开发及数据仓库和数据应用项目配合方式等；第三 分享行业典型案例，详细讲解数据治理项目周期、客户现况、项目实施过程中遇到的问题及解决办法、项目实施后所带来的价值等内容。

  课程收益

     理解数据治理的基本知识；

     理解数据治理体系如何建设；

     掌握真正的数据治理如何落地技术

  培训对象

     所有行业科技开发人员；

     业务人员；

     数据应用及开发人员；

  课程大纲

第一部分 数据治理体系建设

        数据治理政策背景

        数据治理能力评估

        数据治理战略规划

        数据治理体系搭建

        数据治理任务蓝图

第二部分 数据治理项目重要实施内容

一. 数据标准

1. 当前业界的几种主流的数据标准化方法概要

2. 数据标准化中的标准域和用语词典的制作方法、过程

3. 数据标准制定

        数据标准化原则定义

        数据标准化需求收集

        分析现况

        数据标准改善方案

4. 数据标准设计

        标准单词定义

        标准域字典定义

        标准代码字典定义

        标准用语字典定义

5. 数据标准审批流程

6. 按域拆词的必要性

二. 数据字典梳理

        数据字典梳理的目标

        数据字典梳理的流程

        数据字典梳理的方法

三. 数据模型管理

        逻辑模型管理

        模型中数据标准应用

        物理模型管理

        模型可视化展现

四．元数据管理

        元数据规范的制定

        元数据管理流程的制定

        元数据的采集及企业级全流程血缘构建方案

五．数据质量管理

        数据质量管理体系制定

        数据质量管理体系流程及相应组织结构

        数据质量校验规则制定方法

        基础数据质量与指标数据质量的管理及检核方案

        如何有效提升数据质量？

第三部分 典型案例分享

1. 成立数据部门的必要性

2. 数据部门在开发过程中的组织架构和责权分工、管理流程

3. 数据标准化，在开发过程中，如何真正应用落地？（在开发建表时进行标准化遵循约束，而不是事后检查是否标准化）

4. 管理数据模型的意义何在？

5. 如何在软件体系中管理数据模型，并且将数据标准化的成果，应用到数据模型的设计和运维过程中？

6. 如何保证模型的各层能够精准的映射？

7. 针对旧系统，如何实现标准化改造？

8. 具体客户案例实战介绍

       背景

       项目任务：技术框架、实施内容、效果及价值

       项目过程中遇到的困难及风险

       项目成功要素