导图社区 CCRC-CDO数据治理：总论
这是一篇关于CCRC-CDO数据治理：总论的思维导图，主要内容包括：数据运营发展趋势（自我整理），数据治理发展趋势，数据治理实施路线，数据治理工具和技术，数据治理组织和活动，数据治理范围和模式，数据治理定义、目标原则、业务驱动因素。
这是一篇关于数据分析的思维导图，主要内容包括：数据模型，数据指标体系，数据标签体系，数据分析方式，用户转化与付费分析，三大分析思维，软技能。
这是一篇关于CCRC-CDO数据治理：数据集成与共享的思维导图，主要内容包括：数据集成的4种典型应用，数据集成步骤与方法，数据集成架构的演进，应用集成的4个层面。
这是一篇关于CCRC-CDO数据治理：数据标准管理的思维导图，主要内容包括：数据标准管理与其他治理活动的关系，数据标准设计流程，企业数据标准的梳理，数据标准管理的内容，什么是数据标准。
社区模板帮助中心，点此进入>>
项目时间管理6大步骤
项目管理的五个步骤
电商部人员工作结构
暮尚正常运转导图
产品经理如何做好项目管理
车队管理
创业者10条创业经
创业十大思维误区
管培生课程作业
商业模型
CCRC-CDO 数据治理：总论
一、 数据治理定义、目标原则、业务驱动因素
定义
在管理数据资产过程中行使 权力和管控，包括计划、监控 和实施的系列活动
目标
提升企业数据资产管理能力
定义、规划、批准、执行数据 管理的原则、政策、程序、指 标、工具、责任
监控和指导政策合规性、数据 使用和管理活动
原则
治理涵盖方面：可持续，嵌入式，可度量
领导力和战略
业务驱动
共担责任(业务，IT，分析，商业智能)
多层次(企业范围，部门和本地)
基于框架
业务驱动力
合规性
法规遵从性
降低风险
一般风险管理（例如声誉风险、财务风险）
数据安全
隐私保护
改善流程
数据质量改进
元数据管理
系统开发生命周期（SDLC）中的效率
供应商管理
管理与治理的区别
数据治理： 保证数据是被管理的
总体视角
数据管理： 管理数据以达到既定目标
执行层面
数据、信息 和内容的生 命周期
二、 数据治理范围和模式
数据治理范围
架构
整合
控制
交付
数据质量管理
规范
分析
度量
改进
数据架构管理
企业数据模型
价值链分析
相关数据架构
数据开发
数据建模
数据库设计
实施
数据操作管理
获取
恢复
调优
保留
清除
数据安全管理
标准
分级
管理
授权
审计
参考数据和主数据管理
外部规范
内部规范
客户数据
产品数据
维度管理
数据从仓库和商务智能管理
培训与支持
监控调优
文档和内容管理
获取和存储
备份和恢复
内容管理
检索
数据治理各模块内容以及相互间关系
数据治理运营模式
集中式
分布式
联邦式
三、 数据治理组织和活动
数据治理组织
企业级
治理委员会
高级人员
项目管理
部门和项目
数据治理活动
规划组织的数据治理
执行就绪评估
基于业务探索、挑战
开发组织触电
预算和资金
采购和合同
财务预算
策略、程序和标准
数据管理和远景
制度规范
数据治理
SDLC和敏捷控制点检查
EAI数据资产优化
数据质量控制
应用场景
CDO触点
制定数据治理战略
定义数据治理运营框架
数据对组织的价值
业务模式
文化因素
监管影响
制定目标、原则、制度
推送数据管理项目
评估法规遵从性
参与变更管理
参与问题管理
实施数据治理
发起数据标准和规程
制定业务数据表
对核心业务概念和术语又共同的理解
降低由于对业务概念理解不一致而导致数据误使用的风险
改进技术资产（包括技术命名规范）与业务组织之间的一致性
最大限度的提高搜索能力，并能够获得记录在案的组织知识
协调架构团队协作
发起数据资产估值
替换成本
发现商机
售卖数据
市场价值
风险成本
嵌入数据治理 （控制和运营）
数据治理活动重点
创建和管理核心元数据
记录规则和标准
管理数据质量问题
执行数据治理运营活动
四、 数据治理工具和技术
线上应用/网站
m 数据治理战略和项目章程，包括愿景、效益、目标、原则和实施路线图 m 数据制度和数据标准 m 数据管理制度的角色和职责说明 m 数据治理相关新闻公告 m 指向相关数据治理社区论坛的链接 m 这项相关数据治理主题执行进展的链接 m 数据质量测试报告 m 问题识别和上报规程 m 请求服务或获取问题的入口 m 相关在线资源的描述和链接、演示文档和培训计划 m 数据管理实施路线图
业务术语表
数据治理的核心工具
业务术语的定义，定义与数据进行关联
对核心业务概念和术语有共同的理解
工作流程工具
文件管理工具
数据治理积分卡
五、 数据治理实施路线
组织文化建立
调整与沟通
业务战略数治理蓝图
数据治理路线图
数据治理的持续业务案例
数据治理指标
价值
• 对业务目标的贡献 • 风险降低 • 操作效率提升
效率
• 目标的实现 • 使用相关工具的程度 • 沟通的有效性 • 教育/培训的有效性 • 采纳变革的速度
可持续性
• 制度和流程的执行情况 • 标准和规程的遵从情况
六、 数据治理发展趋势
面向人工智能开展数据治理
通过数据训练算法
通过算法形成数据
七、 数据运营发展趋势（自我整理）
C端场景 （较为成熟）
C to C：如wps稻壳商城（办公文件模板）、百度文库（模板）、剪影（视频剪辑模板）
C to B：个人信息数据（敏感数据） 使用行为数据
B to C：统一接入平台 （企查查、视频app、音频app、高德地图、墨迹天气……）
C to G：个人信息数据（敏感民生数据） 社保信息、房产信息等
G to C：官方数据发布（如旅游数据发布）
G端场景 （正在开展）
G to G（政策行为）： 公共数据横向拉通：工商、税收、金融、旅游、医疗、气象、应急、治安……
B端场景 （试点尝试）
B to B（市场行为）： 市场类销售数据：招投标数据、产品购买力数据、电商平台（客户标签，分类推荐）
B to G：数据入表 （企业内部数据：财务数据、资产数据、销售数据、采购数据）
G to B：数据交易市场报表
面向人工智能
