隐藏按钮
开课吧企业服务客服
开课吧企业服务联系电话
开课吧企业服务市场部二维码

数据治理有哪些硬性的要求

提高生产数据质量需要管理层的重视,在推动制造业数据质量管理机制的建立、制造业数据质量检测体系的实现、制造业数据质量文化的建设等方面可以获得更多的资源。数据是企业成功的关键,它为企业决策提供依据,数据质量流程的成功实施需要一个治理结构(数据管理、数据质量问责制、倡导改进项目)。数据治理有哪些硬性的要求?

 

 

  1. 让管理层注意生产数据的质量

在当今制造业数据驱动型的组织中,是否有准确可用的高质量制造数据,直接影响到领导层是否能做出正确的决策,实现战略目标。获得管理层对制造数据质量的承诺,不仅意味着获得制造数据质量项目所需的资源支持,还意味着管理层认识到高质量制造数据的价值,愿意投资改进工作并奖励这种行为。

  1. 建立生产数据链管理机制

源系统的制造数据输入接口强加更好的限制,以消除制造数据的质量问题。例如,在app上,当用户需要填写月收入信息时,设置等级范围供用户选择,而不是输入框,输入生产数据的英文或中文。系统间交换制造数据,制定符合制造数据质量标准的接口调用规范。调用第三方系统,双方就制造数据接口规范等达成一致。源系统在系统设计和生产过程中考虑消费者对制造数据的使用。如果在不考虑制造数据消费者需求的情况下存储大量非典型类型,不仅可以设计制造数据的安全性,还可以更好地利用这些制造数据。将系统建设和制造数据开发集成到项目开发的生命周期中,并随系统的演进进行管理和维护。如元制造数据管理,系统文档在利益相关者之间共享,包括制造数据质量的测试结果等。

数据生产者是创建数据过程的所有者,为产生高质量的数据,需要解消费者的需求和期望。一旦定义这些需求和期望,管理层就必须确保数据生产者对他们的数据链链负责。同时,数据生产者还需要提供系统相关的数据知识、系统文档、元数据和培训材料。就像数据本身一样,这些知识必须被共享和数据治理管理。