【大纲】 企业级数据治理体系培训
——点、线、面全方位赋能管理者、数据管理者
课程背景
- [技术驱动进化]：我们已进入数字智能时代，数据技术的成熟和应用正在推动我们经济、社会和企业生产方式、管理方式、组织方式和商业模式的升级和进化；数字化转型已成为时代大趋势。
- [认知决定行动]：数字化转型-利用数字技术提升竞争力不是一个做与不做的选择题，而是一个“转什么、向哪儿转、如何转”的必答的行动问题。数字化转型作为新兴技术应用，涉及面广，影响因素繁杂，且理论成熟度低，专业人才匮乏，所以如何正确地、顺利地、有效地转型已成为一个从认知到行动的专业难题。
- [认知和能力决定成功率]：数字化转型首先要对数字化转型有清晰的认知和团队的共识，其次要有合适的方法来规划设计，然后不断育成能力以推动实施落地。
- 培训课程背景：
- 随着公司业务快速发展，数据重要性日益凸显，为了更好地管理和利用数据资源，提高数据质量和数据价值，由数据治理办公室牵头定期开展数据治理专项培训，提升数据治理意识及能力。
- 课程培训目标：
- 了解数据治理基本概念、原则和方法
- 掌握数据治理核心技术和工具，提升数据治理意识和能力，为公司数据管理和利用提供有力支持。
课程对象
- 企业董事长/总裁、总经理、以及企业高层领导团队、企业数字化转型委员会
- 企业数字化转型执行小组成员、数字化转型技术团队骨干、信息中心/数据中心负责人
- 数据治理委员会成员
- 数据使用及分析场景较多的关键岗位人员
时间安排
- EMBA总裁班、高级经理人班等公开课、企业高管内训，标准版课程2天
- 企业高管内训，分学习小组，深度研讨，输出初步方案，工作坊式定制内训课3天
课程收益
- 明确认知：真正的数字化转型到底是什么？与信息化有什么区别？为什么要且必须进行转型？数据管理体系是什么样的？国内数据管理方向趋势什么样？
- 明确价值：数据治理体系建设对企业经营管理者价值、对业务部门价值、对个人及其它方面价值是什么？
- 明确方向：我们的数据治理工作起点在哪？应该怎么推进数据治理工作？数据治理各层组织职责是什么？如何达成一致，如何跨部门高效协同推进治理工作？数据治理工作重点应该放在那个领域？转？
- 明确愿景：未来公司数据战略是什么？数据治理的蓝图是什么？愿景是什么？我们最终要达到什么样子？
- 明确路径：「长远规划，阶段实施」才能保证所有的努力都是在同一个方向上的，才能形成合力效应和迭代效应。没有清晰的路线，转型过程中碰到难点就容易退缩，就会迷失；
- 达成共识：达成团队的协同与共识；认知决定行动，共识大于知识，高层团队的同心协力才能让企业的数字化转型进行得更顺畅、更彻底、更有效。
课程大纲
第一部分、数据管理领域认知
1、数据管理趋势
- 国内数据战略布局：国家、政府层面相继出台相关政策。重视价值、促进应用、明确要素、加快要素建设。
- 国内数据管理发展：外部环境变化加速，不确定性成为新常态；国家数字经济发展要求、国资委/数据管理局、企业战略发展要求。
- 2023年国内数据管理重大事件：国内数据管理十大关键词解析
- 2024年数据治理趋势：AI数据治理、数据治理涉及范围更广
2、数字化转型的底层逻辑
- 数据管理成熟度评估工具（DCMM）：DCMM各分级介绍、建设特点
- 企业数据底座建设与数字化转型：统一汇聚数据得数据湖、各业务得数字化转型
- 数字化转型的本质是驱动企业智力升级，建设智慧型企业；
- 数字化转型与传统IT区别对比
- 行业案例：石油化工企业数据治理体系建设路径
第二部分、数据治理背景与概念
1、第一步：数据治理背景——企业为什么进行数据治理
企业为什么进行数据治理；对公司经营管理的意义；对部门的效率提升有哪些助力；对部门间的协作影响有哪些；给公司经营带来的其他价值阐述。
- 企业为什么进行数据治理：
- 对公司经营管理的意义；
- 对部门的效率提升有哪些助力；
- 对部门间的协作影响有哪些；
- 给公司经营带来的其他价值阐述。
2、第二步：数据治理常见的问题
- 数据治理典型常见得问题（国网甘肃梳理出来内容）
3、第三步：数据治理典型业务场景
- 业务场景一：数据一物多码现象
- 业务场景二：报表统计问题
- 业务场景三：数据共享问题
- 业务场景四：知识传递和沟通交流问题
4、第四步：数据治理主流框架体系-IBM数据治理框架
- IBM数据治理框架：价值释放和降低风险；
- IBM数据治理流程
5、第五步：数据治理典型业务场景-华为数据治理框架
- 华为数据治理框架：四层保障、二个抓手
6、第六步：数据治理典型业务场景-DAMA数据治理框架
- DAMA数据治理框架：框架介绍
7、第七步：数据治理典型业务场景-DCMM数据治理框架
- DCMM数据治理框架：框架介绍
8、第八步：企业怎样选择适合自己的数据治理框架
- 数据治理框架选择：根据客户关键诉求、客观环境，裁剪使用治理框架
9、第九步：行业案例（数据释放价值）：大审计、大监督、大合规业务数字化
- 合规监管企业管控释放价值：五位一体得监督管控体系
- 数据合规
第三部分、数据治理蓝图规划
1、第一步：数据治理难点及痛点——新五力模型分析企业内外部环境
- 组织层面：数据治理组织面临得难点痛点；
- 跨部门协调推动层面：面临得困难难点；
- 数据打通层面：面临困难问题
- 技术层面：面临问题；
2、第二步：数据治理——蓝图规划方法
- 横向：4大维度规划设计数据治理蓝图，避免全面性缺失；
- 纵向：3个数字化升级的阶段（数字化-数据化-数智化）。
3、第三步：数据治理——蓝图规划落地流程
- 现状调研：调研问卷，访谈提纲，最佳实践，差距分析，改进建议
- 蓝图规划：整体蓝图规划，数据标准管理，数据质量管理，数据架构，数据安全，数据生命周期管理等；关键架构决策
- 实施路径规划：项目识别，项目优先级分析模型，项目实施路径
4、第四步：数据治理——保障机制
- 组织保障机制
- 制度流程保障机制
- IT保障机制
第四部分、数据治理关键举措
1、第一步：举措一——组织保障
- 联邦式数据管理
- 数据管理组织设计
- 岗位职责流程设计
- 运转机制设计
2、第二步：举措二——数据底座
- 数据底座建设
3、第三步：举措三——数据标准
- 数据标准规范及应用
- 主数据标准规范及应用
4、第四步：举措四——数据质量
- 数据质量管理办法
- 数据质量PDCA
- 数据质量管理流程
5、第五步：举措五——数据资产
- 数据资产成果展示
6、第六步：举措六——数据安全
- 数据安全合规
第五部分、数据资产管理
1、第一步：企业级统一数据资产梳理
- 统一数据资产管理价值阐述
2、第二步：为什么要进行企业数据资产管理
- 为什么要进行数据资产管理
3、第三步：数据分类分级管理
- 数据分类分级管理：数据分类分级依据、分类分级方法
4、第四步：数据资产管理
- 数据资产价值
- 如何梳理数据资产
- 数据资产成果
- 数据资产管理流程
5、第五步：数据资产盘点----系统侧数据盘点
- 系统数据盘点方法
6、第六步：数据资产盘点----指标侧数据盘点
- 指标侧数据盘点方法
第六部分、如何开展数据治理咨询项目
1、第一步：数据治理常见误区
- 齐头并进推进还是以业务痛点作为试点推进项目？
- 项目制还是持续优化？
2、第二步：真实案例分享
- 某大型运营商数据治理咨询规划项目
第七部分、数据治理常见误区
1、数据治理常见误区
- 数据崇拜陷阱、技术崇拜陷阱、数据资产陷阱、项目陷阱、表象陷阱、组织陷阱、文化陷阱、能力陷阱、变革陷阱、意识陷阱
2、数据治理几个核心观点
- 数据基础关、开放共享关、技术应用关、人才能力关、组织变革关
第八部分、数据治理实战场景案例
本部分根据实际企业情况遴选不同的实战案例。
- 数据指标化管理提效：让信息化产生的数据发挥出力量，驱动数字化转型
- 数据可视化管理：让管理可见、过程可控、目标可达
- 数据模型化管理：让管理决策有据可依，让数据分析优化资源配置，提升效益
- 组织平台化创新：数据驱动的组织平台化创新，让数据导航赋能持续经营
- 数据资产管理：
- 数据治理POC：