价值导向数据治理(lǐ)培训与主题工作坊
讲师介绍
常國(guó)珍--前ThoughtWorks首席金融数据科(kē)學(xué)家，北京大學(xué)管理(lǐ)學(xué)博士，中國(guó)大数据产业生态联盟专家委员会委员，腾讯云最有(yǒu)价值专家（TVP），建设银行数据资产管理(lǐ)资深专家。著作《Python数据科(kē)學(xué)：技术详解与商(shāng)业实践》、《用(yòng)商(shāng)业案例學(xué)R语言数据挖掘》、《胸有(yǒu)成竹：数据分(fēn)析的SASEG进阶》等多(duō)本著作。拥有(yǒu)15年金融、電(diàn)信和互联网行业经验。在加入ThoughtWorks之前，曾在毕马威咨询大数据部担任总监、在中银消费金融数据部担任高级经理(lǐ)、在百度大数据部担任算法工程师。现专注于金融行业的数据战略、数据应用(yòng)、数据治理(lǐ)和数字化人才培养，同时提供数智化客户运营和风险管控的解决方案。
课程简介
当前，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。数据资产已日益成為(wèi)企业抢占未来发展主动权的前提和保障，而数据治理(lǐ)就是发掘这些数据资产的重要保障机制。國(guó)務(wù)院國(guó)资委在颁布的《关于加快推进國(guó)有(yǒu)企业数字化转型工作的通知》中强调，要构建数据治理(lǐ)體(tǐ)系，加强数据标准化、元数据和主数据管理(lǐ)工作，定期评估数据治理(lǐ)能(néng)力成熟度。要强化业務(wù)场景数据建模，深入挖掘数据价值，提升数据洞察能(néng)力。管好数据、用(yòng)好数据，不仅能(néng)够帮助企业洞察市场变化和趋势，降低风险，还能(néng)提高决策效率，进一步提升企业核心竞争力。
从全球看，数据治理(lǐ)还处在起步的阶段，从技术、商(shāng)业到法律都还面临一系列的挑战，而我國(guó)企业数据的治理(lǐ)更是任重道遠(yuǎn)，亟需实现从理(lǐ)论到实践的突破。本课程对企业的数据治理(lǐ)内容进行概述，从理(lǐ)论层面的分(fēn)析，到实战经验的总结，帮助听众明确企业数字化转型对数据治理(lǐ)的需求点，了解数据治理(lǐ)體(tǐ)系，理(lǐ)解数据生产要素发挥价值的保障机制。
课程收益
1、企业数字化架构：了解新(xīn)市场环境下业态改变对IT创新(xīn)的要求，明确数据治理(lǐ)在数字化转型中起到的关键作用(yòng)。
2、精益数据管理(lǐ)最佳实践：总结了國(guó)内外企业在数据战略和数据治理(lǐ)方面的最佳实践，识别数据资产、制定数据治理(lǐ)计划、搭建数据架构、落地数据标准，确实提升企业挖掘数据价值等能(néng)力；
课程特点
1、理(lǐ)论与实践相结合、案例分(fēn)析与理(lǐ)论穿插进行；
2、通过全面知识理(lǐ)解和专题技能(néng)掌握的授课方式。
课程对象
1、数据管理(lǐ)团队
2、企业业務(wù)、数据、技术部门人员
物(wù)料需求
1、每人一个筆(bǐ)记本電(diàn)脑
2、所涉及系统的说明文(wén)档（需求说明书、设计文(wén)档、开发文(wén)档、使用(yòng)说明书、数据字典）
课程大纲
第一天培训：
标题 | 内容 | 描述 |
第1讲： 企业数字化转型的核心内容与数据治理(lǐ)的目标 | 一、从企业数字化转型的成功案例认识其核心内容 二、企业数字化转型对数据治理(lǐ)工作提出的要求 三、数据管理(lǐ)的相关概念 四、企业数字化转型过程中数据治理(lǐ)工作面临的挑战 | 数字经济时代，知识的作用(yòng)更加凸显。所谓的数字化转型，其底层逻辑就是“隐性知识显性化、显性算法化”。 每一家数字化成功的企业，就是能(néng)够很(hěn)好的管理(lǐ)知识的企业，而知识的基础是数据。在数据管理(lǐ)中遇到的很(hěn)多(duō)问题，比如“数据分(fēn)类的规则不了解”、“数据分(fēn)析的维度混乱”、“数据变更频繁”等问题，说到底是对业務(wù)知识掌握不完整造成的，而“数据孤岛”、“数据管理(lǐ)处于项目级别”等现象也是对知识不重视造成的。 所以明确数字化转型的业務(wù)诉求，识别数据应用(yòng)的业務(wù)价值和数据核心资产，是企业数据治理(lǐ)主要输入。 在“从企业数字化转型的成功案例认识其核心内容”这里部分(fēn)中，会讲解某車(chē)企電(diàn)池制造模块XBOM系统优化中数据治理(lǐ)的价值，如何实现指标可(kě)信、分(fēn)析便捷的数据应用(yòng)两步走方案。 |
第2讲： 精益数据治理(lǐ)流程 | 一、数据治理(lǐ)规范國(guó)标内容与精益数据治理(lǐ)流程介绍 二、“盘”-盘清现状 三、“规”-制定规范 四、“治”-问题整治 五、“用(yòng)”-数据应用(yòng) 六、数据管理(lǐ)效果检验 | 本节重点讲解精益数据治理(lǐ)的主要流程和每阶段需要解决的核心问题。比如在“盘”的阶段如何识别业務(wù)需求和掌握数据资产；在“规”的阶段如何明确业務(wù)部门、数据管理(lǐ)部门和IT开发部门的权责分(fēn)配和设定机制；在“治”的阶段如何制定数据质量提升流程；在“用(yòng)”的阶段如何实现业務(wù)数字化和数据业務(wù)化。 |
第3讲： 数据标准化与数据质量提升理(lǐ)论与案例 | 一、数据标准概述 二、指标数据标准 三、基础数据标准 四、数据质量考核维度 五、数据质量工程实践十步法 六、数据质量提升案例 | 介绍数据标准历程和经验借鉴，了解数据标准总體(tǐ)要求与属性分(fēn)类要求，详细介绍数据标准制定与落地方法和案例，用(yòng)于应对“指标标准经常变更的技术解决方案”。 介绍数据质量概念与管理(lǐ)数据质量的活动。以数据质量提升真实案例，讲解数据质量提升方法的落地实践。 |
第二天主题工作坊（根据需求调整模块）：
时间 | 标题 | 内容 |
第二天上午 | 一、数据应用(yòng)场景激发 | 通过梳理(lǐ)某个业務(wù)领域的业務(wù)流程，从指标分(fēn)析和主数据共享这两个角度发现业務(wù)中的数据应用(yòng)痛点、根因分(fēn)析、解决方案。
|
二、数据资产盘点 | 根据解决方案中涉及到的系统，使用(yòng)之间授课中讲授的数据资产盘点的方法，采用(yòng)数据分(fēn)析法或企业架构法进行数据资产盘点，形成数据清单。
| |
第二天下午 | 三、数据标准制定 | 依次制定业務(wù)术语表、数据元标准
|
第三天上午 | 四、数据质量校验规则制定和数据质量评估 | -针对重要数据，根据数据质量的六性制定基础和高级数据质量校验规则 -制定数据质量评估指标，设计看板
|
第三天下午 | 五、数据管理(lǐ)流程和制度制定 | -學(xué)习数据管理(lǐ)制度范本 -编写数据标准管理(lǐ)流程 -编写数据质量问题解决管理(lǐ)流程
|
