浅谈企业数据管理的相关策略

浅谈企业数据管理的相关策略

凌玲

江苏华能智慧能源供应链科技有限公司  江苏南京 210000

摘要

随着国家改革开放几十年的发展，近些年来软件企业的发展越来越蓬勃，大大小小的软件公司不计其数。企业多了，对于这类企业所承接项目的管理就显得越来越重要，故而CMMI在2000年后便逐步在国内悄然流行，大家尝试着通过国外成熟的项目管理方法来引导企业项目管理的规范化及持续改进。但是随着项目数量的增长和市场竞争的加大，市场给企业带来的红利似乎日渐稀薄，企业不得不考虑如何在已有项目的基础上挖掘出更多的市场价值。本文通过对数据管理成熟度模型（DMM）的概述，详细分析当前数据管理存在的问题，并结合实际应用提出一些解决策略以供研究。

关键词：企业数据管理；解决策略

引言

企业探索的脚步总是跟随着时代的发展不断前进的，项目的积累带来了大量的数据，数据如何处理、应用，是否可以带来价值，给企业家们带来了足够的思索空间。随着网络智能化、存储容量的扩展、存储方式的转变、计算效率的提高等众多科技的发展，给数据应用带来了更多场景化的需求，数据的价值在今天这个时代变得尤为凸显。那么，在这个数据暴涨的年代，是否所有的数据都可以带来价值？如何才能更好的管理、应用和展现这些数据？数据究竟可以给我们带来哪些价值？这些都是值很得我们思考的问题。

下面结合CMMI研究院组织的首届中国DMM培训及日常工作所用，浅谈一下数据的价值和数据管理的相关策略。

一、数据能力成熟度模型（DMM）概述。

近年来，随着科技的发展，在我们的生活中数据变得越来越重要，数据管理的必要性、重要性也逐步凸显。纵观国际上一些组织，他们在借鉴已成型的软件能力成熟度模型的基础上，提出了各自的数据管理模型，并将它们用于规范、指导实际数据生产过程的一些数据管理活动。

以卡耐基梅隆大学所属软件工程研究所(Software Engineering Institute，SEI)研发并于2014年8月发布的数据能力成熟度(data management maturity，简称DMM)模型为例，该能力成熟度模型整合了各项数据管理中的基础原则，通过划分各项职能域来开展数据的管理。据其研究介绍，DMM模型是一个可以实现业务部门利益与IT实践应用相互匹配的管理模型，可为企业或相关组织提供一套在数据管理方面的最佳实践标准，通过制定企业数据管理战略，实现与企业商业目标相一致的愿景规划图。从而在规划、实施层面确保企业通过运用数据管理资产来更好的实现数据资产管理，进而实现企业的商业战略目标。

（1）根据对DMM模型的理解，其大概包含以下六大职能域：

 ● 数据管理的战略;

　　  ● 数据的质量管理;

　　  ● 数据的操作管理;

　　  ● 数据平台和架构设计;

　　  ● 数据治理模式;

● 管理支撑流程。

（2）DMM能力等级，共分为5级，在质量、风险，随机性、复用度，压力、清晰度等方面的把控方面呈现出对立统一的形式：

● 第1级 已执行；

● 第2级 已管理；

● 第3级 已定义；

● 第4级 已度量；

● 第5级 已优化

（3）DMM与CMMI的关系。

从以上DMM的介绍能看出来，DMM与CMMI都是由同一个大学所属机构研发的模型，也就是说它们从模型的设计模式方面是很相近的。软件的能力成熟度集成模型(CMMI)已通过了较长时间的实践检验、应用改善以及各类场景开发的推广，已形成一套较为标准的应用模型。而DMM是引导企业应用数据管理手段来为企业运用关键数据资产来实现商业目标的助推器。DMM模型基于CMMI模型在当前评估过程中取得成功的基础上进行了发布， 故在发布后就引起了各类企业的广泛关注，当前模型已经在美国的一些知名公司得到了有效的模型应用验证，而在国内也有一些前沿的企业在着手进行模型应用的试验。

（4）DMM和数据价值的关联。

在浩瀚的数据海洋中，如何进行数据的管理，梳理出高质量的数据，合理运用为企业创造价值是每个企业家们关注的焦点。DMM模型利用简单的模型架构、给出实践域建议，为强化企业基础数据质量管理，搭建数据平台及架构，并根据企业数据管理战略进行数据治理、数据应用提供了强有力的流程支撑，为企业数据价值、商业目标的实现打下了牢固的基石。

二、企业数据管理存在的问题

随着数据量的不断增长，现在企业除了原有的流程、制度、质量体系等管理制度和方法外，对数据管理方面也有了新的需求，如：数据的治理、数据专职管控人员、数据质量等。国家目前在大力扶持和推动大数据的发展，与此同时，大数据技术的研究和应用也在各行各业遍地开花，数据对于企业而言已经成为最重要的资产之一。随着国家关于促进大数据发展的一些列政策的发布，大数据已逐步成为推动行业、企业发展和转型的新动力。通过大数据技术的发展和应用激发创新出了新型商业模式，催生出了一批新型产业，为各类行业的业务创新发展、核心价值的提高带来了新的驱动力量。但是任何一个技术的发展都是机遇与挑战并存的，大数据技术在国内的应用发展也面临着许多的挑战。

（1）虽然大数据的技术革新和发展迅速，但对比之下其相关理论的维系发展还相对滞后，在数据管理理论方面尤为凸显。这就导致很多行业、企业虽然应用了大数据技术进行了数据梳理和分析，但在数据管理方面意识、管理模式还相对落后，对此类资产管理的重视程度还不够高，管理手段也较为传统。

（2）随着社会信息化的迅猛发展，数据资源的重要程度也越来越凸显。随着数据量的不断扩容和增长，在数据管理、数据安全保障方面的需求也越来越多。目前国内大多数企业对于数据管理模型的应用还处于摸索或初级阶段，虽然也有些行业或企业已经在致力于国内能力成熟度模型的研究，但针对数据管理能力的评价模型还需要不断的优化和完善，在行业、企业内的应用还处于较低的水平，存在较多局限，其研究的发展与数据应用的发展速度存在较大差距。所以各企业还需针对本身的个性化需求摸索定制出适合企业数据管理和商业发展的数据管理模型，用以保障企业的数据安全及数据资产的可持续增长。

（3）在企业的日常办公环境中，每天充斥着大量的业务、物流、仓储、供应商、客户、合约、票据、审批等数据信息，这些庞杂的数据分布在各个系统平台上，这些数据的梳理和有效应用成为企业很大的困扰。为此，如何在不改变现有系统架构的基础上，应用DMM模型、大数据和区块链等科技技术将这些数据进行有效利用是企业值得思考的问题。

（4）从数据增长和数据应用层面来看：现代企业和个人在信息通达的互联网时代，每天都在产生数据、处理数据、使用数据，借用阿里云的理念来描述就是“一切业务数据化，一切数据业务化”，对于企业和个人来说，数据和业务可以彼此促进、相互增长，从而持续不断的给企业或个人带来红利，比如现在比较红火的微商、各类层出不穷的APP、直播秀等都是很好的例子。

三、关于企业数据管理的相关策略

（1）数据管理规划

数据管理的战略要上升到公司层面，数据管理一开始就要有个明确的规划和目标，所有的实践都需要围绕着战略规划开展。然后从实现数据平台的构建着手，在系统内实现数据平台的应用，由数据平台对各系统数据进行统一、有效的收集、整理、清洗，进而分析、呈现、应用至公司各个层面，这样既保证了数据的一致性，也为公司利用数据创造价值提供了坚实的基础（如：公司运营决策、业务拓展方向规划、业务流程改进、成本效益分析等等）。

（2）数据的交互和集成

在数据交互和集成方面，要实现数据平台有效的构建和使用，系统间的互联互通是基础。不单是企业内系统间的互联互通，还要考虑到集团内、上下游企业间、合作伙伴、客户、政府监管等外部公共、合法合规的系统间的数据互联互通。

（3）数据的筛选和安全保护

在数据收集、整理、清洗方面，需着重关注源头数据的标准化、规范化、正确性、有效性等质量特性管控，确保所用数据的质量满足要求，以便更好的进行数据分析、呈现和应用。

在数据安全保护方面，在保证源头数据质量的基础上，充分利用大数据、区块链等新兴技术，进行数据存储、传输过程中的安全管理和隐私保护，确保从源头到呈现整个链路中数据质量的一致性、安全性，从而保障数据资产价值。

综上所述，数据管理作为一种新型的过程管理和技术手段，将为企业的管理和变革带来一股强有力推动力量；大数据分析对于跟踪交易和让使用区块链技术的企业做出更好的决策也显得至关重要。大数据分析方法、区块链技术、各行各业数据人才的兴起，为整个产业的突飞猛进做好了充分的储备，并为各行各业的业务发展趋势分析提供了一些有明确参考依据的数据资产。随着社会的不断发展和技术的更新迭代，还会发掘和培育出一些行业或产业标杆，形成一些卓越的场景应用案例，让越来越多的大众企业能够受益。而我们可以努力的方向，就是在这些技术应用上不断拓展应用场景、落地实践，使之充分的交汇融合，不断优化、完善，从而使我们的生活更加便捷、美好。

参考文献：

[1]李冰, 宾军志. 数据管理能力成熟度模型[J]. 大数据, 2017, 3(4): 29-36.

[2]张俊兰等编. 软件工程[M]. 西安.西安交通大学出版社, .2009.04.

[3]贾铁军编著. 软件工程技术及应用[M].北京.机械工业出版社.2009.08.

[4]黎连业等编. 软件能力成熟度模型与模型集成基础.机械工业出版社.2011.06.01.