第一部分：数据治理基本概念

（1h）

1.1 什么是数据治理？

1.1 什么是数据治理？

1.1.1 数据治理行业发展历程

1.1.2 国际体系-DAMA数据管理知识体系

1.1.3 国内标准-DCMM数据管理能力成熟度评价模型

1.2 为什么要做数据治理？

1.2.1 业务驱动背景

1.2.2 技术驱动背景

1.2.3 数据驱动背景

1.2.4 组织驱动背景

1.3 概念定义小结

1.3.1 数据治理是企业数字化转型的基础，是提升企业数据管理与应用水平的关键举措，是进一步梳理业务及其数据、强化跨部门协同、提高信息系统应用水平的过程，同时也是明确数据责任、优化数据管理流程、实现跨部门协同的管理要素。

第二部分：

数据治理方法体系

(4h)  

2.1 总体设计原则

2.1.1 数据治理总体框架

     主导数据治理顶层设计，以数据战略、数据文化、数据治理成熟度为牵引，以数据政策、数据流程为管控，以数据组织、数据平台为保障，驱动企业数据治理工作持续开展。

2.1.2 数据治理体系设计原则

     数据治理工作的开展遵循六统一原则：统一体系、统一标准、统一资产、统一工具、统一服务、统一数据湖。

2.2 总体方案设计

2.2.1 数据治理体系框架：“ 五横四纵”

       五横：政策、架构、流程、组织、IT

       四纵：数据架构、数据质量、主数据、维度数据

2.2.2 数据治理体系框架说明

2.3 数据组织运作方案

2.3.1 数据治理组织作用和设计原则

2.3.2 组建数据管理实体组织（参考案例）

2.3.3 组织关键岗位定位与职责（参考案例）

2.3.4 数据管理人力配置规划（参考案例）

2.3.5 依托数字化管控体系运作（参考案例）

2.3.5 依托数字化管控体系运作（参考案例）

2.3.6 数据管理决策机制（参考案例）

2.4 数据管理政策机制

2.4.1 数据管理政策框架

2.4.2 数据政策整体设计思路

2.4.3 数据架构管理政策（参考案例）

2.4.4 数据源管理政策（参考案例）

2.4.5 数据质量管理政策（参考案例）

2.4.6 数据安全管理政策（参考案例）

2.4.7 数据服务管理政策（参考案例）

2.4.8 数据标准规划建议（参考案例）

2.5 数据管理流程保障

2.5.1 数据治理流程总体设计

2.5.2 流程架构说明卡

2.5.3 数据治理流程设计：管理数据治理体系流程（参考案例）

2.5.4 数据治理流程设计：管理数据资产目录流程（参考案例）

2.5.5 数据治理流程设计：数据模型开发流程（参考案例）

2.5.6 数据治理流程设计：数据标准开发流程（参考案例）

2.5.7 数据治理流程设计：数据源认证流程（参考案例）

2.5.8 数据治理流程设计：数据质量度量流程（参考案例）

2.5.9 数据治理流程设计：数据湖平台建设流程（参考案例）

2.5.10 数据治理流程设计：管理数据分析流程（参考案例）

2.6 数据架构设计方法

2.6.1 数据架构定义与价值

2.6.2 数据架构设计原则

2.6.3 数据架构设计方法

2.6.4 业务域主题域设计方法

2.6.5 业务对象设计方法

2.6.6 业务对象设计案例（设备设施）

2.6.7 数据分布定义

2.6.8 数据流设计方法

2.6.9 认证数据源

2.7 数据质量管理方案

2.7.1 数据质量定义：数据质量指数据满足用户使用的程度

2.7.2 数据质量维度：及时性、唯一性、有效性、一致性、准确性、完整性

2.7.3 数据质量现状梳理（参考案例）

2.7.4 数据质量管理方案总体框架

2.7.5 数据质量管理策略

2.7.6 数据质量文化：向不同层级群体宣传数据质量文化，营造全民参与的数据质量氛围

2.7.7 数据质量文化实施手段参考建议

2.7.8 数据质量持续改进机制

2.7.9 数据质量计划和实施模板（参考案例）

2.7.10 数据质量规则设计参考规范（参考案例）

2.7.11 数据质量管理组织（参考案例）

数据XX角色为数据质量第一责任人，数据XX角色支撑落地

2.7.12 数据质量问题解决方法：

工作启动、确定标准、数据度量、问题解决、数据清洗、质量保障

2.8 数据湖平台建设方案

2.8.1 数据湖平台定位

2.8.2 数据湖平台整体功能架构

2.8.3 数据湖平台存储计算底座服务

2.8.4 数据湖平台数据治理工具服务

2.8.5 数据湖平台主数据服务

2.8.6 数据湖平台数据安全服务

2.8.7 数据湖平台数据共享服务

2.8.8 数据湖平台数据资产地图服务

2.8.9 数据湖平台数据可视化成果展示

第三部分：

制造业数据治理案例    （1h）

3.1 数据治理规划项目背景

3.2 数据治理规划方法论

3.3 现状成果、问题与挑战

3.4 总体规划目标框架

3.5 六项治理能力：开放共享、数据质量、数据安全、数据资产、数据架构与标准、主数据

3.6 四个全面：全业务全系统全过程全流程

3.7 实施路径、里程碑、施工图、组织保障

第四部分

答疑

（0.5h）

Q&A