《构建高价值数据矩阵：基于深度数据治理的企业数据资产优化和数据体系建设》


构建高价值数据矩阵：基于深度数据治理的企业数据资产优化和数据体系建设

主讲：黄辰 教授

【课程背景】
数据不仅是企业的核心资产和重要战略资源，也是重要的生产要素。数据资产已日益
成为企业抢占未来发展主动权的前提和保障，而数据治理就是发掘这些数据资产的重要
手段和工具。国务院国资委在颁布的《关于加快推进国有企业数字化转型工作的通知》中
强调，要构建数据治理体系，加强数据标准化、元数据和主数据管理工作，定期评估数
据治理能力成熟度。要强化业务场景数据建模，深入挖掘数据价值，提升数据洞察能力
。管好数据、用好数据，不仅能够帮助企业洞察市场变化和趋势，降低风险，还能提高
决策效率，进一步提升企业核心竞争力。
本课程针对数据治理的数据关联、分析处理模式以及和结构化存储等核心内容展开系
统化的阐述，深入浅出地从国内、国际标准、工具、最佳实践等多方面，详细介绍数据
治理的方式、方法及数据治理策略，提出和分析了大数据治理的解决方案；进一步，通
过典型的实际案例，，介绍了当今主流的数据治理技术与平台，在此基础上，结合大数
据、区块链、移动互联、人工智能等前沿技术，在数据治理和数据共享交换等方面为企
业提供相关的建议和技术指南，有效提高工业企业的数据治理水平。


【课程收益】
➢ 可以有效指导大型企业全方位开展高质量的数据治理
➢
对数据治理的数据关联、分析处理模式以及和结构化存储等核心内容，展开全面、系
统地阐述，见解独到，对数字化工作者具有重要的启示意义
➢ 数据治理在战略层面的顶层设计，以及数据治理在执行层面的实施方法
➢ 既是企业数据治理的纲领性指南，也是数据治理的实操指导
➢ 深度解析业界主流的数据治理理论框架，包含多年的数据项目实战经验总结
➢
详细阐述了数据治理的理论、方法、技术和工具，为企业打好数智商业创新的数据基
础提供启示和帮助
➢ 由表及里地分析了系统性提升企业数据管理能力的方法，具有很强的实用性

【课程特色】
➢ 从道、法、术、器4个维度全面展开，视野宽广、立足前沿、内容翔实、深入浅出
➢ 视野开阔、高屋建瓴、洞察未来
➢ 管理咨询背景深厚，视角客观扎实，避免空谈，实操性强
➢ 既符合“模块化管理”趋势，又强调灵活性
➢
既有顶层设计思路，帮助企业规划数字治理的蓝图，又有清晰的实施路线图和实用的
工具，让企业转型有路径可循、有方法可用
➢
丰富的一线管理经验，多年对于大量企业组织的研究，将复杂的话题变得简单、有逻
辑且可行

【课程对象】
➢ 企业高层管理者：董事长、总裁、总经理、分管副总等
➢ 战略高层、战略规划、顶层设计负责人（CEO、CTO、CIO、CMO等）
➢ 各个条线的业务负责人和技术专家
➢ 产品开发与创新人员、服务方案制定者
➢ 市场营销策划、客户经理、产品经理等
➢ 创新业务的负责人，创新创业导师及实践者

【课程时间】6-12小时

【课程大纲】

第一阶段 数据治理的核心概念、框架及应用思路

一、数字时代对于大型企业的数据治理要求
1、数字治理的行业现状和需求
2、未来企业的发展趋势：数字治理成为数字化企业的标配
3、数据治理是大数据平台服务化的关键
➢ 传统数据治理难以解决大数据平台的问题
➢ 大数据治理连接业务创新与大数据

二、数据治理的结构化存储和数据关联
1、结构化存储概念
➢ 文件系统
➢ 从文件系统到结构化存储
➢ 存储对象和流对象
2、复合文档——结构化存储的实现
➢ LockBytes对象
➢ 创建基于内存的复合文档
➢ 创建基于文件的复合文档
➢ 复合文档的CLSID
➢ 永久对象
3、数据关联与关联数据
➢ 数据治理的主数据管理
➢ 元数据与关联数据
➢ 元数据转换为关联数据的平台、挑战和方法
案例：
复合文档

三、数据治理的分析处理核心框架
1、数据治理的分析处理范围
2、数据治理的分析处理框架
3、数据治理的总体解决思路
➢ 数据资产盘点：暗数据发现和分类
➢ 让数据变得更干净，少歧义
➢ 重新组织数据
➢ 数据治理持久化
➢ 数据治理的延伸：数据管理
4、数据治理的体系架构
5、数据治理的方案价值
6、大数据的技术能力框架
7、数据管理产品体系
➢ Part1：暗数据发现和分类
➢ Part2：数据实时采集：数据支撑平台
➢ Part3：数据管控平台
➢ Part4：流动数据安全：大数据脱敏

四、行业大数据的深度治理平台及解决方案
1、大数据治理体系与数据治理体系的联系与区别
➢ 大数据时代下的数据治理压力
➢ 大数据时代的数据治理（典型案例）
2、企业的大数据服务转型
➢ 数字化企业的数据中心转型
➢ 大数据治理与创新能力提升（管理/业务/技术）
3、新一代的大数据治理框架
➢ 大数据治理框架
➢ 大数据治理要点（技术原则）
4、大数据中心建设方案
➢ 新一代大数据中心
➢ 大数据基础平台
➢ 大数据治理平台
➢ 大数据智能分析平台
➢ 大数据可视化平台

第二阶段 基于深度数据治理的企业数据资产优化和数据价值挖掘

一、数字化改革及大数据治理优化
1、数字化改革对于大数据治理的需求
➢ 消费市场的重新定义
➢ 供给侧数字化改革的要点以及要避免的误区
➢ 供给侧改革的数据化助力
2、大数据生态圈
➢ 大数据生态圈的能力建设
➢ 大数据生态圈的规划
3、大数据治理的管理体系
➢ 大数据治理的组织架构
➢ 数据管理专员制度
➢ 大数据治理的管理组织（管理团队的角色分工）
4、大数据的全生命周期治理及相关核心概念
➢ 大数据全生命周期管理
➢ 大数据全生命周期中的四种角色
5、大数据治理优化的数据质量
➢ 林林总总的数据质量问题和示例
➢ 数据质量需求的定义与首要管理工作
➢ 全生命周期的数据管控体系与数据质量保障

二、数据资产治理优化实践
1、数据治理的行业需求及治理规范
➢ 数据治理的国家规范
➢ 行业数据治理的行业规范
2、数据资产管理
3、数据资产优化的主要内容
➢ 项目建设的主体框架
➢ 需要解决的主要问题
➢ 数据治理的合规性
4、数据治理成效的保障方式
➢ 数据治理工作的长效与速赢
➢ 数据管控体系的落地
➢ 制度管理要求的执行
5、关于大数据治理的非技术话题
➢ 数据治理优化项目的扎实推动
➢ 数据治理优化的心得

三、综合案例：以大数据治理为驱动的企业数字化转型
1、红领集团：业务创新实现由客户需求直接驱动工厂的运作模式
2、苏州工业园区：政务信息共享：“三库、三通、九枢纽”建设
3、浙江电力：数据自劣化分析平台
4、东方航空：业务数据地图加速业务创新过程

黄辰老师的其它课程