如何成功实施交付一个数据治理项目

2023-04-14 00:00:00 数据 数据管理 项目 需求 治理

一个数据治理项目实施的成功与否,主要在于项目管理人员对项目的把控能力。这两年小亿总结介绍了数据治理项目建设的一些方法论,本文从实施落地的角度来讲讲怎么交付一个数据治理项目,适用于乙方的项目经理、实施顾问及开发顾问,教你如何牢牢把控好项目从开始到结束的整个过程。

先上整体项目进程图:

01项目规划阶段

此阶段不可小觑,做好项目规划才能站在项目的高处掌控项目全局。在此阶段需要组建项目团队、确定项目目标以及项目里程碑。

1.了解清楚项目背景

与售前交接,了解项目的需求内容,可以通过客户的SOW需求说明书来了解。

2.组建项目团队

搭建团队,确定项目涉及到的相关方:客户方:哪些人参与项目建设工作(包括项目负责人、需求方、IT运维人员等),哪些领导会重视项目,特别要着重了解客户方的工作方式及一些工作标准。如客户方是否有一些制度上的要求,或者工作内容上是否有一些文档相关的标准(比如周报日报、测试报告、验收文档等)。

公司内部:主要是交付人员、研发人员、研发主管、事业部负责人。

3.项目启动大会

数据治理项目启动大会非常重要,不容忽视。启动会是动员会,又是分工会,同时也是培训会,是数据治理项目良好的开端。项目启动会的顺利召开,会起到事半功倍的效果,为后续项目的顺利推进奠定坚实基础。

一般来说,召开项目启动会议前期要做好以下几项准备工作:

1)对企业现状和信息化建设有基本了解。
2)完成主要部门初步需求调研。
3)组建项目建设团队,搭建好项目的组织机构、人员的配置、项目的组织资源管理、明确人员职责和分组情况。
4)制定双方认可项目工作章程,对实施范围、策略、规范及标准达成共识。
5)制定双方认可项目计划,将项目的实施内容、阶段和时间进度安排妥当。
6)准备项目启动会议议程和各种会议材料。


02蓝图设计阶段


在方案输出之前,要摸清楚需求、背景、客观条件、可投入资源等,好要具体到业务、数据、技术等层面的需求,这关乎项目的落地和项目交付验收。

1.需求调研及分析

针对整个数据资产治理项目所涉及的系统和业务进行充分的需求调研。调研方案如下:

调研目标 :充分了解企业在数据管理、数据分类、数据标准、数据维护等方面的现状以及需求期望。

调研部门 :集团本部业务部门及其分子公司的业务部门

调研方式 :问卷调研、现场访谈

调研计划 :包含时间、地点、人员、联系方式、调研对象

调研产出物 :《××部门访谈记录》、 《××集团主数据调研报告》……

△需求调研细节示例


2.确定实施方案

整理人力域、项目域、采购域数据等调研成果,以及各产品线和业务线提供资料,终形成数据治理需求分析文档并与客户进行确认,并制定数据治理实施路线图。


03数据治理实施

数据治理平台是基础,管理是保障。需要用户企业协同数据治理厂商共同推进建立企业相关数据治理工作,协同数据治理厂商推进数据治理委员会建立,并为相关制度标准提供平台支撑,如定期输出数据质量分析报告。数据治理体系建设和平台建设实现两条腿走路。

(一)管理体系建设

协助企业对标数据管理成熟度评估模型,开展差异化分析,查缺补漏完善数据管理体系。包括数据管理组织、数据管理制度、数据管理流程、数据管理考核、数据管理细则等。

1.数据管理组织

数据管理组织需要建立职能明确的数据管理机构,落实各级部门的职责和可持续的数据管理组织与人员。包括由企业高层组成,主要负责确定管理目标,决策数据管理的制度、流程、职责,负责重大问题的处理的决策层;由数据管理中心、专项数据管理组和专家团队构成的管理层;由具体管理和使用数据的单位和部门构成的执行层。

2.数据管理制度

数据管理制度规定了数据管理工作的内容、程序、章程及方法,是进行数据管理活动的行为规范和准则。

3.数据管理流程

数据管理流程的内容主要包括数据生命周期管理流程、数据标准管理流程、数据质量管理流程等。

4.数据管理考核制度

数据管理考核制度,是保障数据管理制度落实的根本,根据企业实际情况建立明确的、可操作的、与个人或部门绩效相关联的考核办法。

5.数据管理细则

数据管理细则是指引各数据管理活动如何开展的技术规范,包括规范制定数据标准的标准,制定数据质量检查规则的标准等可执行的技术文件。

△数据管理体系输出内容示例


(二)系统能力建设

搭建数据治理平台,旨在为数据治理工作提供高效的技术手段,实现企业数据资产的统一管控,包括以下能力建设。

1.数据采集、转换

包括数据源管理、批处理作业配置、流处理作业配置、任务管理。

2.数据湖、数据仓库设计

需按企业实际情况进行数据仓库、数据湖设计,满足数据应用的使用需求,数据的审计需求,数据全版本管控且兼顾数据总量需求。

3.数据治理

包含元数据管理、数据标准管理、数据模型管理、数据质量管理、数据标签管理、数据指标管理、数据资产管理、数据安全管理、数据需求管理、数据挖掘、数据服务。

4.平台管理

包含平台监控、“三员”管理、日志审计、访问控制、身份鉴别、密级标识、系统加固功能。

5.三网部署要求

支持将办公网制定的数据标准等数据同步至工控网、互联网中,并进行元数据抽取、落标检查等活动,将检查结果同步至办公网中,实现三网数据管理活动的同步进行。

6.系统集成

收集各系统数据,全量入湖,将治理后的数据资产按需配置提供数据服务接口,供其余系统调用。


△睿治数据治理平台架构图



(四)需求范围的管控

尽管我们通常都会在项目开始时调研清楚整体的需求,但在实际的项目执行过程中,客户方可能会随时提出调整或者新增一些需求的时候。

这时,我们一定要先从客户的角度上去考虑为什么想要提出新的需求或者调整需求,再结合主数据系统本身的功能以及客户方的实际业务需要来综合考虑,是要接纳还是否定客户方的需求变更。

如果确实是合理的需求,也要先根据项目情况来分析是要放在当前项目计划里做,还是放在后续项目中去实现。


04项目验收阶段

此阶段所要做的事归结起来就是一个词——“查漏补缺”,主要的工作内容有:核查并完成未完成事项、 用户操作培训、系统运维培训、交付文档整理、项目总结与验收。

1.用户培训

除了系统操作培训,同时在推广数据管理体系的过程中培养全体员工的数据思维,持续沉淀各数据角色的数据能力。

2.试运行及上线

到了上线阶段,可先在小范围试运行系统,从业务满足性方面检验数据治理平台试运行效果,重点是业务流程满足度和业务场景满足度,后安全上线切换。

3.运维管理

数据治理项目贯穿数据的全生命周期,是一个长期的、需要持续开展的工作,需要长期问题跟踪,建设运维制度。在实际使用中,通过用户的反馈不断地打磨和完善系统,让数据治理系统更加贴合实际使用场景。

总的而言,数据治理项目是一种以管理为主导,以工具为辅助的项目。表面上,我们是在建设一个数据治理系统,实质是企业管理流程、管理方法的一次变革。借项目之手,帮助企业集团梳理自身的数据脉络,重新定义各类数据的权责与归口,让数据能够在制度的约束下逐步完善。



良好的数据项目管理可以对信息系统实施全过程进行有效计划、组织、协调、领导和控制,达到事半功倍的效果。亿信华辰作为业界知名的数据治理软件开发服务商,在主数据管理、数据资产管理、数据治理等领域拥有丰富的经验以及专业化的团队,具备完善的数据治理体系方法论及模版,为客户提供优质的过程指导,大大缩短交付周期。

相关文章