一、概述
数据治理是专注于将数据作为企业的商业资产进行应用和管理的一套管理机制，能够消除数据的不一致性，建立规范的数据应用标准，提高组织数据质量，实现数据广泛共享，能够将数据作为组织的宝贵资产应用于业务、管理、战略决策中，发挥数据资产的商业价值。良好的数据治理必将为信息化时代的企业带来不可替代的竞争优势，数据治理也是数字化转型的必经之路。下面是联想集团数据治理与数字化转型的主要策略。
二、建立完整的数据标准及治理体系
数据质量的问题往往表现为一个或多个质量维度存在缺失，从而无法满足企业和用户的实际需要。
1.建立数据成熟度管理机制
以《数据管理能力成熟度评估模型》为基础，并充分结合联想自身实际以及我国大数据标准化、治理的发展应用现状和趋势，提出了基于我国产业发展现状的、符合联想战略发展需要的数据管理能力成熟度评估模型，将组织数据管理能力划分为8个能力域，包括：数据战略、数据治理、数据架构、数据标准、数据质量、数据安全、数据应用、数据生存周期。
2.开展数据编目管理
通过对数据资源依据规范的元数据描述，对企业数据资产进行逻辑集中的管理。通过数据资源目录含有的各数据资源的描述信息，为对数据资源的检索、定位和获取提供便利，帮助企业决策者们明细企业所拥有的数据资产以及其数据资产的管理状态，提供企业数据资产显性化的应用入口，真正实现数据的可见、可管、可用。
3.开展数据质量管理
作为一家跨越了IT与制造业的企业，联想大数据的质量管理工作涵盖产品研发、生产、市场、客户、物流供应链、售后服务、财务、人力、生产设备仪器仪表、传感器、产品、环境法规、社会经济等数据，流程长、种类多、范围广。数据质量的问题往往表现为一个或多个质量维度存在缺失，从而无法满足企业和用户的实际需要。主要表现在准确性、完整性、一致性、及时性、唯一性等方面。通过建立客观、全面、可行的数据质量检测、治理与持续改善机制，使大数据能够良好的服务于集团全层次数字化转型，是开展数据标准化及治理的顶层设计、过程控制和事后评估的重要过程。
4.建立健全的数据安全管理机制
承载着大量价值巨大企业的数据，蕴涵着生产情况及运行规律。一方面，推动建立标准化的全产业链数据安全管理体系，明确相关主体的数据安全保护责任和具体要求，加强数据生命周期各环节的安全防护能力，可有效避免用户隐私或重要数据遭到不法窃取或利用；另一方面建立数据分级分类管理制度，形成数据流动管理机制，明确数据留存、数据泄露通报要求和应急机制。
三、建立完备的数据标准化及治理技术支撑体系
通过用户定义设计和用户参与制造的模式，加快推进基于工业互联网的大规模个性化定制和柔性制造生态的建设和涵养。
通过建立大数据平台LUDP，联想形成了对数据标准化及治理的有效技术支撑。平台囊括了物联网采集及边缘计算、数据集成与接入、大数据分析与计算、企业级工业互联网平台、数据治理和可信计算引擎在内的5大核心功能。
1.边缘层
可实现面向典型工业过程全要素、全量数据的协议解析、数据采集、以及边缘分析决策。
2.大数据平台层
提供面向企业内外部数据的存储、治理和分析应用，并可依据智能应用的需求，精准加工和提供数据。
3.企业级工业互联网层
平台具备通过封装工业微服务，形成涵盖需求、研发、设计、生产、服务、运营在内，全价值链可复用的工业智能应用生态，通过用户定义设计和用户参与制造的模式，加快推进基于工业互联网的大规模个性化定制和柔性制造生态的建设和涵养。
四、联想数据治理成效
联想有效地推动了自身的数字化转型，实现了产品需求的精准研判、生产制造过程的精细化管理以及供应链需求的准确预测。帮助联想连续多年跻身Gartner供应链全球前25强。通过实施全层级的数字化转型，每年为公司形成了数亿美元的成本节约。
欢迎加入数据管理者
联系客服
