image.png
image.png
IBM 数据治理成熟度模型如图 所示，共包含 11 个类别来度量数据治理能力，分别隶属于四个相互关联的组 [1]。
成果（Outcomes）
数据治理计划预期结果，通常致力于降低风险和提升价值等，而降低成本和提高收入反过来又促进了实现这些结果。
数据风险管理及合规性（Data Risk Management & Compliance）：
确定数据治理与风险管理关联度，用来量化、跟踪、避免或转移风险等。
价值创造（Value Creation）：
确定数据资产是否帮助企业创造更大价值。
支持条件（Enablers）
组织结构和意识（Organizational Structures & Awareness）：
主要用来评估企业针对数据治理是否拥有合适的数据治理委员会、数据治理工作组和全职的数据治理人员，是否建立了数据治理章程以及高级主管对数据的重视程度等。
管理工作（Stewardship）：
是指质量控制规程，用来管理数据以实现资产增值和风险控制等。
策略（Policy）：为企业如何管理数据在高级别指明方向。
核心规程（Core Disciplines）
数据质量管理（Data Quality Management）：
主要指用来提高数据质量，保证数据准确性、一致性和完整性的各种方法。
信息生命周期管理（Information Lifecycle Management）：
主要指对结构化、半结构化以及非结构信息化全生命周期管理相关的策略、流程和分类等。
信息安全与隐私（Information Security and Privacy）：
主要指保护数据资产、降低风险的各种策略、实践和控制方法。
支持规程（Supporting Disciplines）
数据架构（Data Architecture）：
是指系统的体系结构设计，支持向适当用户提供和分配数据。
分类与元数据（Classification and Metadata）：
是指用于业务元数据和技术元数据以及元模型、存储库创建通用语义定义的方法和工具。
审计信息记录与报告（Audit Information Logging and Reporting）：
是指与数据审计、内部控制、合规和监控超级用户等有关的管理流程。
image.png
image.png
IBM在某银行数据治理成果
image.png
华为数据治理工作方案与进展
image.png
image.png
image.png
京东支付数据治理管控建设
image.png
京东支付
image.png
image.png
image.png
