Aimip®-Data_DR完整性数据资产治理解决方案

   信息系统建设发展到一定阶段,数据资源将成为战略资产,而有效的数据治理才是数据资产形成的必要条件。数据治理对于确保数据的准确、适度分享和保护是至关重要的。有效的数据治理计划会通过改进决策、缩减成本、降低风险和提高安全合规等方式，将价值回馈于业务，并最终体现为增加收入和利润。从全球范围来看，加强数据治理提升数据质量已成为企业提升管理能力的重要任务。

数据治理概念

 数据治理是对数据资产管理行使权力和控制的活动集合。数据治理指导其他数据管理职能如何执行，图1说明了数据治理与其他几个数据管理职能的关系。

数据治理体系框架

   仅仅依靠技术手段，以建设系统的方式是难以有效解决数据治理面临的所有问题。构建数据治理体系是数据治理工作的基础，为了有序实施数据治理，应采用规划先行的原则，制定适合企业业务特点的管理流程，选择可行的技术手段和实施方案，明确数据治理的工作机制和工作内容，稳步推进数据治理各项工作，数据治理体系框架如图2所示。

    随着各个行业竞争的日趋激烈，成本控制的压力越来越大，特别是库存占用大量资金的企业，开展物资数据的标准化，进行数据清洗、实物检查，推进库存共享，减存量，控增量，加强废旧物资清查和处置工作，着手建立长效管理机制，是一项势在必行的工作。

     威诺达公司在数据标准化方面有丰富的经验，我们有一整套数据标准化工作解决方案，包括方法论、标准和规范、数据清洗工具、模板等，能够帮助用户规范、快速的实施物资数据的标准化。我们可以为企业制定符合行业要求和生产的物资标准，包括物资分类和属性模板，属性模板包括属性设置和属性填写规范。同时对按照物资标准提报的数据进行专业审核，确保数据既符合相关标准又符合生产需求；我们可以提供ERP/EAM系统基础数据收集和优化服务，主要包括：位置树、设备树、预防性维护、标准作业计划、技术属性、故障代码等等。

图3 数据治理阶段

数据治理的应用案例

图4 治理步骤

 图6 数据范例