春耕行动·治理篇｜ 释放数据潜能，让数字化转型更近一步

▐  Facebook、谷歌等互联网巨头，将数据转化为人工智能（AI）资产，催生出新的收入来源。

▐  生产高档电动汽车的特斯拉，通过最新车型收集巨量数据，优化自动驾驶算法，进而更新软件。

▐  互联网金融巨头蚂蚁金服，基于海量客户信用数据和行为数据，实现从金融支付到金融科技输出。

·····

今天，拥有大量的数字用户资产而成为天然的数字企业，正在依靠着精细化的数据运营，巧妙地转化为新服务，不断崛起。

而在传统业务领域发展得枝繁叶茂的大型传统企业，基于海量数据资源，也开始了一场“轰轰烈烈的革命”——如今，金融、医疗、制造、教育等各行各业正在利用大数据技术来构建系统化的数据体系，向“数据化-信息化-数字化-智能化”的演进路线持续升级。

数据作为关键生产要素，所具有划时代的意义已越发显现。然而，不论是新兴企业还是传统企业，在数据驱动的征途上，仍面临着诸多关卡。

数据在你手中，是成本，还是资产？

著名国际分析机构IDC的预测，到2025年，每年捕获的数据量形成的全球数据圈，将增长到175ZB。

全世界的数字宇宙正在快速膨胀，企业存储和备份的数据也越来越多，随着各行业倡导数字化求成，数据价值的转化将成为关键。
然而数据源的不断增多，数据结构的不断增加，企业如何从浩如烟海的数据中识别所需的数据、如何保证数据质量进而最大化利用数据，面临严峻考验。

众所周知，医疗行业是数据聚集与生产的富矿。目前，我国国内医疗信息化建设持续保持20%以上的年增速，从面向医院管理信息化（HIS），到以患者和医疗过程为核心的医院临床管理医疗信息化（如PACS、LIS、RIS、EMR等），再到区域医疗服务信息化（GMIS），广覆盖的医疗信息化建设项目累积了海量数据，而医院互联互通、国家与省市大数据中心的建设，更为健康医疗大数据业务的开展奠定了坚实基础。

👉见全文：医院数据治理的探索和实践

但由于数据隐私管理、数据使用的权限与流程缺乏指导性的技术标准和规范，医疗数据在完整性、一致性、时效性、准确性等方方面面存在问题，大多数医院守着“数据金矿”依然贫穷，出现求数无源、有量无质、有病无数、有数无据的局面。


数据质量、数据标准等成为制约各行业数据应用发展的瓶颈，这样下来，海量且参差不齐的数据不仅会导致企业存储和管理成本开支居高不下，并使数据转化为业务增长举步维艰。





那么如何让大数据生根发芽，让数据驱动业务转型？数据治理就成为了一个必要的条件。
近些年，国家及各省市关于推进落实数据治理的相关政策陆续出台。统计显示，目前国家累计发布了11条相关政策，全国各省市政策涉及到政府数据治理、政府数据共享、大数据整体规范、教育、地理信息数据管理的方方面面。
监管部门对行业数据治理的监督管控力度也在不断加码。今年1月份，一则针对安徽凤阳农商行的罚单将市场目光聚焦到了银行的 “数据治理” 问题上。银保监会披露的罚单信息显示，安徽凤阳农商银行被罚25万元，被罚原因为“未能根据要求有效开展数据治理工作，数据治理存在严重缺陷，严重违反审慎经营规则”。

据悉，此张罚单也是银保监会发布《银行业金融机构数据治理指引》开出的第一张关于“数据治理”的罚单。

释放数据潜力

无论为了确保监管达标的“被动”需求，还是满足当前企业数字化应用，数据治理已经从纸上谈兵进入真刀真枪的时代。

那么如何开展数据治理呢？这需要一个具有指导意义的可落地方法论，并且建立一个自下而上的企业数据治理架构，实现以数据为核心，流程驱动、责任明确的深入治理。

历经十五年的成长，美创科技数据治理解决方案，以全面的产品、技术、方案与服务组合；以建立数据标准、实现数据资产化，提高数据质量、支持丰富的数据应用，数据确权与合规为目标，帮助企业提升构建数据资产能力，加速企业数字化转型之旅。

▲▲美创数据治理整体解决思路

在数据建设上，针对企业涉及数据源“多”、协调条线“广”、标准规范“乱”、持续治理“难”痛点，美创科技数据治理解决方案，从盘点数据资产、规范体系建设、数据集成、数据运营等多角度，帮助企业快速打通数据治理各个环节，建立统一、规范、标准、可随企业生成数据实时变动的数据资产。

美创数据治理解决方案涵盖：暗数据发现和分类工具、数据支撑平台、数据管控平台、数据脱敏等产品，并提供丰富对外的接口，具有高度灵活性、扩展性和集成能的特点。

▲▲美创数据治理方案架构

此外，各产品模块可以任意组合，从而解决数据治理过程中不同场景问题，比如：数据发现与分类场景、数据采集与清洗场景、数据标准建设场景，主数据建设场景、元数据建设场景、数据流动模型建设场景等。同时，针对关键敏感数据保护方面，该解决方案可进行快速探查和分析，并进行脱敏处理，为企业合规性工作提供支持。

产品化支撑数据治理过程



>>  暗数据发现与分类
盘点数据资产是数据治理的基础。对此，暗数据发现与分类系统，通过引入自然语言处理、统计模型、特征分析、机器学习等方法，可以智能、快速地实现对企业数据资产盘点，让不可认知、不可利用的“暗数据”变得可认知、分类明晰”。

▲▲暗数据发现过程

>>  数据支撑平台
数据支撑平台集数据抽取、清洗、转化、装载于一体，通过对于企业业务系统数据进行标准化，让企业数据资产变得干净，向数据仓库或大数据分析平台提供高质量数据。
>>  数据管控平台数据管控平台通过主数据建设、元数据管理、数据质量管理，勾勒企业信息资产视图，分析数据流向，定位数据问题、预估数据变更影响，实现科学、统一的数据管理。

>>  数据中心建设
美创独有的“真实世界模型”建模方法，可根据行业特性、业务需求建立适用于不同企业的数据中心，重新组织企业数据，让数据变得好用。
>>  数据脱敏
为了保障数据流通安全。数据脱敏系统对敏感数据自动发现、并以丰富的脱敏算法对敏感数据进行漂白、变形处理，确保数据无论在组织内部还是外部进行交换共享，满足合规要求。

将企业的数据转变成优质资产，让企业凡事有“数”可依。目前，美创数据治理解决方案已经广泛应用于医疗、交通物流、人社、金融等各行各业，而在释放数据潜能的道路上，美创科技也在不断强化自身的技术能力，为企业用户迈入数据时代全面赋能。

往期精选