对企业而言，信息化建设已经成为企业发展的重要推动力，发展信息化已经不仅仅只是满足日常业务，更多的是要通过信息化发现问题、优化管理、提升效能。而为了实现信息化建设的价值最大化， 开展数据治理分析，深度挖掘数据价值 已经成为企业信息化建设的一个共识。

(资料图)

数据治理分析是一项复杂的工作，系统越多、数据量越大，实施建设的难度就越大，但通过数据治理分析可以将分散于各系统的数据进行整合汇聚、综合分析，充分挖掘数据价值。在实施数据治理分析项目时，主要的工作就是对数据的采集、整合，由于数据分散于各个系统，所以不仅需要了解实际业务，也要了解系统功能，能够分析并梳理出所需的数据和指标。

对于数据治理分析项目而言，最核心的内容就是 梳理业务主题和业务指标 ，然后才是基于主题和指标采集数据，所以前期的调研工作至关重要，在调研阶段，一定要明确核心业务场景和流程，基于业务梳理相关指标，同时结合行业经验、最佳实践、标准规范等，才能保证项目的实施效果。

数据治理分析方案是一套综合性的信息化解决方案，主要是为了解决企业数据整合、数据分析的难题，以达到深度挖掘数据价值，通过数据支撑业务、推动业务升级的目的。

1.方案说明

数据治理分析方案的主要内容包括基础数据治理、数据仓库建设、数据分析展现等内容，通过平台建设实现企业数据的整合汇聚，构建数据中心，基于数据进行分析展现、透视业务、价值挖掘，有效支撑企业的业务发展。

数据治理分析方案主要包括 DAP、MDM、ESB 产品，在具体实施过程中，整体架构图如下：

DAP数据分析平台作为数据分析的核心，完成数仓建设、数据分析两部分内容，数仓通过ODS、DW构建数仓模型，实现分层建设，并能进行数据集、立方体等分析模型的配置，从而 支持基于业务主题和业务指标的可视化分析 。ESB作为数据集成平台，实现源头系统到ODS以及ODS到DW数据抽取、加工、转换，完成数据汇聚的过程。而MDM基础数据平台则实现基础数据治理，为数仓提供基础数据支撑，构建数仓维表。

2.数仓架构

数仓的建设是基于DAP平台配置的多层数仓体系，具体架构体系如下：

数仓的建设过程主要是将源头数据汇聚到数仓，并进行分析配置的过程，包括了贴源层ODS、数仓DW和应用层ADS， 而DW又分为数据明细层DWD和数据服务层DWS 。数仓数据加工汇聚的过程：

1.源头数据首先进入ODS，一般直接以原始数据的形式存储，支撑数仓的同时，为湖仓一体、数据追溯提供原始数据；

落地数据后，再基于ODS构建数仓中的基础事实表，形成DWD；

3.基于DWD根据实际需要进行进一步的数据汇总， 构建数据宽表和模型 ，形成DWS；

4.数仓构建完成后，基于数仓模型，根据分析主题和分析指标的要求进行数据集、立方体、多维分析、业务报表的配置，为最终的展现效果提供分析模型。

3.实施规划

数据治理分析项目的实施主要包括：项目调研、蓝图准备、项目实施和上线验收几个阶段，其中调研和蓝图是整个项目的基础，在实施过程中非常关键，调研是基础，是后续蓝图资料和实施落地的前置条件，而蓝图是标准，是实施落地的依据。

1. 项目调研 ：主要是明确需求，通过和技术、业务、领导层的沟通，明确客户的业务需求，建设目的，最终期望等，这个阶段需要尽可能多的了解业务和场景，即使是项目实施范围之外的内容也可以更多的了解。调研的目的是清晰业务，熟悉流程和场景，这样才能保证在蓝图和实施阶段能更加准确的获取数据、融合业务；

2. 蓝图阶段 ：蓝图阶段主要是基于调研阶段确认的需求和场景，规划梳理实施的范围和内容，蓝图是实施阶段的依据，需要对具体的实施内容、建设效果、整体规划、标准规范等进行规划和落地，以保证实施阶段的顺利开展，并且达到预期效果，避免需求蔓延。

调研规划

调研阶段是整个数据治理分析项目实施的基础，所以前期的调研工作需要精准到位，并且尽可能涵盖所有的业务，能够将客户的业务场景整合起来， 形成业务闭环 。

1.调研清单

在调研开始前需要提前准备相关资料，包括调研的内容、方式、对象、问题等，对于数据治理分析项目，主要的调研内容包括业务系统、数据分析、基础数据、业务集成等。

1. 业务系统 ：主要确认业务系统信息，包括已上线、建设中、待建设等，对于已经上线使用的系统，需要明确系统的建设时间、系统厂商、使用情况、使用人员、运维情况等；

2. 数据分析 ：数据分析是整个项目的核心，需要重点调研，需要根据行业、业务的不同，规划业务主题、梳理业务指标，并确认各指标的来源系统、计算方式、报警阈值等；

3. 基础数据 ：基础数据包括两个作用，一是支撑数据分析时构建数仓，为数仓提供维表数据，二是进行基础数据治理，对各业务系统分发基础数据，所以在调研时需要进行区分，哪些用于维表，哪些用于数据治理，或者同时满足两个作用，再基于作用确认基础数据的来源位置、同步方式、分发方式、属性信息等；

4. 业务集成 ：业务集成主要是实现系统间业务数据对接，有两种实现方式，一种是先通过数仓汇总业务数据，再构建数据服务，然后对外提供查询接口，这种方式适用于数据获取，不适用于数据写入；二是通过ESB的API管理进行服务注册、治理，这种方式数据读写都可以完成，但是在平台中不会留存数据。在调研过程中，需要明确需要集成的业务单据，并根据实际需要确认集成方式。

2.调研阶段

调研是一项持续的工作， 从项目进场开始会一直持续到蓝图完成 ，甚至在实施阶段，如果有业务或需要的变更，也要进行一些调研工作，但是主要工作还是在进场后的调研工作。对于数据治理分析项目，一般调研会分几个阶段：

>>>>系统调研

1.主要面对客户的信息中心，通过信息中心了解企业的业务系统情况，了解各个业务系统的 功能模块、使用人员、业务场景、管理流程 等；

2.再调研前需要准备好可以访问的环境，并能有对应的数据，可以看到系统功能、展现效果等，能够让客户知道项目建设的效果，并根据客户的想法和意见进行设计和完善；

3.在系统调研时需要要求客户提供测试环境以及测试账号，一方面可以更好地了解业务系统的功能模块、业务场景，同时实施时也可以对对接测试环境进行验证；

4.系统调研主要通过信息中心，如果信息中心对业务系统的掌握不到位，或者系统功能了解不全面，需要通过客户协调系统厂商进行系统补充调研；

>>>>业务调研

1.在系统调研阶段已经初步了解了相关系统的使用情况，同时也对业务有了初步的了解，接下来就需要针对每一个业务部门进行详细调研， 明确业务细节 ，以及相关业务的关联关系；

2.业务调研时需要排出计划，按照业务部门分别进行调研，每个部门调研后需要及时整理相关记录和问题，之后再带着问题进行沟通或者和其他相关部门进行调研；

>>>>高层调研

1.因为数据治理分析项目有很大一部分内容是直接面对高层领导，所以前期调研时高层调研很有必要，在系统和业务调研后，需要根据调研结果整理资料，输出相关原型，再基于原型和资料进行高层调研，了解高层领导对项目的期望，同时也让领导层看到最终的效果，提出完善的意见；

2.在调研时，一定要注意了解领导层对未来的规划和想法，根据未来的规划考虑项目的建设方向和内容， 使平台具有可生长性 ，后续可以根据据业务发展不断完善升级；

3.一般高层调研都不是一次性的调研，需要根据意见对相关资料和原型进行反复迭代优化，在优化完善的过程中满足客户的需求，同时加深对客户业务的了解以及未来的规划。

3.调研输出

调研工作进行后一定要有对应的输出，包括调研过程的输出，以及相关需求、原型、设计等内容，根据调研阶段和调研内容的不同，每次调研也要输出不同的调研资料。

1. 系统调研 ：需要补充完善系统情况，整理系统功能模块、业务场景清单等，同时输出初步的业务流程，按照模块化的方式将业务流程穿起来；

2. 业务调研 ：每次调研后需要整理调研的会议纪要，将调研过程、相关问题、业务场景等梳理出来，并根据问题进行补充调研，或者调研其他业务部门；

3. 高层调研 ：输出会议，整理领导层的意见，并根据意见对需求、原型、设计等进行完善，或者二次调研等。

准备工作

在项目正式调研开始前，需要提前准备相关调研资料，并且在调研过程中，也要不断对调研资料进行完善。数据治理分析项目前期资料包括项目实施内容的梳理、调研清单的准备，以及相关标准、行业、通用的模板等，前期准备一方面可以全面了解项目情况，调研时做到游刃有余，另一方面更容易挖掘客户的需求，了解客户的想法，加快项目实施，避免后续需求蔓延。

1.业务分析

在开始调研前，可以通过前期沟通、售前交流、项目招投标过程中的相关资料对客户的业务进行分析，包括客户的行业、业务场景、业务流程、建设内容等。由于数据治理分析需要从各个系统对接业务数据，并基于业务数据建立业务主题和指标，所以需要充分了解业务场景，如 人事、财务、成本、采购、销售、生产 等，并了解各业务场景的交互，如采购和成本、销售和生产、销售和财务、生产和采购等。在分析业务的过程中，可以结合以往同类型、同行业的相关项目，或者参考一些行业类业务。

2.标准模板

对于数据治理分析项目，由于涉及到数仓建设、基础数据治理、服务集成等内容，所以标准规范的输出非常重要，基于标准规范，可以保证数据集成过程中标准化，保证数据的准确性和全面性，同时也能 为后续的运维、扩展、考核等工作提供依据 。

一般而言，数据治理分析的标准规范会在蓝图阶段作为输出，同时作为实施阶段的输入，以保证实施过程中遵守标准规范，保证数据质量。而数据治理分析项目作为标准的实施方案，内部已经形成了一些标准的规范体系，可以直接整理相关规范文档模板，并在实际项目中根据具体场景进行完善，这样不仅可以提升项目交付的效率，同时也能给客户提供更加专业的指导，提升项目的效果。

3.演示环境

在进行项目调研前，一定要准备演示环境，由于目前采用的都是 K8S云平台的部署方式 ，在调研前或调研期间，需要客户提供服务器，部署演示环境，初期调研演示环境可以只部署3台的非高可用环境，主要用于调研期间对客户进行演示，同时进行原型开发需要。

通过演示环境进行调研可以做到事半功倍的效果，基于演示环境可以直接给客户呈现项目建设的效果，并能根据客户的需求进行原型的设计，大大提升项目调研、实施的效率。

数据分析

数据分析是数据治理分析项目的核心内容，包括了 数仓搭建、可视化分析、数据指标、数据服务 等内容，其中数仓搭建和可视化分析是数据分析的主体，而数据指标和数据服务可以根据客户需求进行灵活调整，但为了提升数据分析的效果，一般都会进行数据指标的建设。

1.业务主题

业务主题是进行数仓搭建和数据分析的基础，通过业务主题规划可以更好地划分企业业务，同时能够对数据进行更加精细化的管理。在调研开始前的准备阶段时，已经根据业务初步规划了业务主题，如人事、财务、采购、成本、生产、销售等，在调研过程中，需要对这些主题进行沟通确认，确认主题范围。

根据项目周期、建设规划以及业务模式，可以分阶段进行主题建设，如 一期建设人事、财务、生产、销售等主要业务，二期再进行采购、成本、市场、库存等主题 ，通过分期建设缩短建设周期，更快体现建设成果，同时也能以一期的成果作为二期的输入，进行不断优化迭代，提升建设效果。

数据分析的建设可以分期进行，但是调研时可以统一调研，总体规划，先将主题范围确认下来，在二期建设时可以在一期调研成果的基础上进行优化，加快后续的建设效率。

2.业务指标

如果说业务主题是数仓建设和数据分析的基础，那么业务指标就是数据分析的核心，在进行数据分析、可视化展现时，最重要的就是展现业务指标，体现业务指标的结果、范围、趋势等，可以说数据分析就是对业务指标的分析，通过指标展现了解业务情况，分析业务趋势，优化业务模式。

业务指标的调研不仅仅是梳理出指标，更重要的是 明确指标的计算方式 ，通过指标如何分析业务的好坏和趋势，如何通过指标的分析、组合挖掘业务的问题，促进企业的良性发展。所以在调研阶段要对指标进行重点调研，每一个指标的来源、计算、展示、组合、阈值都需要非常清晰，同时要和业务紧密结合，基于指标体现业务，基于业务分析指标。

3.数据看板

数据看板主要是业务主题和业务指标的展现形式，根据业务主题规划分析展现的看板，并且对每个看板展现的业务指标、组件样式等进行规划和原型设计。一般而言每个分析主题包括三级页面：一级看板页面、二级详情页面、三级报表页面以及数据大屏：

1. 看板页面 ：综合展现当前主题下的总体指标，展现内容相对集中，大多为高度汇总的数据，一般内部无联动，但是可以穿透到二级详情页面，并带有过滤条件；

2. 详情页面 ：看板页面的指标明细，一般带有树形、列表、查询条件等，可以通过看板页面穿透并接收看板参数；

3. 三级报表 ：主要是多维分析和数据报表，同时带有过滤条件，可以通过看板或详情页面穿透并接收参数；

4. 数据大屏 ：在进行分析主题建设时，为了加强建设效果，一般都会为每一个主题建设一个数据大屏，数据大屏不具备数据穿透能力，但是数据大屏的显示效果会更加酷炫，同时实时性相对较高，可以直接展现实时数据变化。

数据看板的调研不同于业务调研，需要先输出原型，由于客户尤其是业务人员对数据看板没有清晰的概念，所有需要根据业务主题、业务指标进行原型设计，设计数据看板的展现形式，根据展现形式让客户选择或者提出调整意见。

数据治理

数据治理的调研主要是对基础数据进行调研，在数据治理分析项目中，基础数据的主要作用是构建数仓的维表，同时支撑数据分析的指标计算、展现维度处理，根据具体业务需要，基础数据也可能支撑数据治理集成， 实现基础数据的同步分发，以及业务集成等需求 。

1.基础数据

首先要明确基础数据的范围，即确认基础数据类别，在前期准备时可以根据客户业务确认一些常用的基础数据，如 组织、岗位、人员、客户、供应商、物料 等，在调研过程中再根据实际业务以及业务主题、指标、分析的需要进行基础数据类别的确认。

在完成基础数据类别确认后，根据数据类别对基础数据的属性字段、参考数据、来源系统、集成方式的内容进行沟通确认，一般而言这部分调研需要和信息中心调研，如果信息中心不了解相关内容，则需要协调系统厂商进行调研确认。

另外，如果需要通过基础数据进行数据治理，实现基础数据的集成与统一，还需要对基础数据进行深入调研，确认如各类基础数据的编码规则、检验规则、同步接口、分发系统、接收接口等内容，以满足通过主数据平台进行数据采集、管理、维护、分发、启用、禁用等全生命周期管理的需求。

2.标准规范

对于基础数据，由于会作为数仓维表，为跨系统业务数据整合提供关联维度，所以必须保证基础数据的一致性和准确性，所以需要对基础数据建立相应的标准规范，如 管理规范、数据规范、集成规范、清洗规范 等。

在调研前进行准备工作时，准备的标准模板就包含基础数据规范模板，在调研过程中需要基于这些模板对内容进行补充完善，并且形成可落地的统一标准，后续无论何时搭建数据，还是进行基础数据治理，都必须严格遵守相关的标准规范，从而保证数据的准确性。

3.数据集成

数据集成包括两部分， 一是搭建数据的集成，二是基础数据治理的集成 ，二者都有相对标准的集成模式，并且已经通过平台进行了固化，在调研过程中，主要基于集成标准进行确认即可，确认基础数据的建设范围、作用、来源系统、目标系统、集成接口、集成方式等内容。

数据集成的调研一般主要面对信息中心进行调研，通过相关技术和运维人员确认基础数据的内容，但是注意在调研时结合实际业务对于基础数据的即时性要求，如果业务对基础数据即时性要求比较高，则需要在调研和设计过程中考虑数据触发推送的方式，以及可能涉及的系统改造内容。

总结分析

项目调研是项目进场实施的第一阶段 ，也是项目正式开始的标志，项目调研的结果会直接影响后续的蓝图开展和实施落地，所以对于项目人员而言，调研工作至关重要，需要加以重视，并提前做好准备工作。

1.提前准备

在正式进场开展调研之前，项目团队成员需要提前做好资料的准备工作，包括调研计划、调研内容、调研模板等，这些资料可以借鉴其他项目的相关资料模板，结合当前项目的实际情况进行整理。提前准备可以保证在进场后可以直接开展工作，提高工作效率，同时通过提前准备资料把控调研的进度和节奏，提高客户对于实施团队、项目落地的信心。

2.业务理解

数据治理分析项目是一个业务性比较强的项目，需要和众多和系统、业务交互，所以理解业务是一项非常重要的工作，只有理解业务，才能更好地分析业务主题、业务指标，并基于主题和指标进行项目规划，规划项目实施内容、落地效果。在调研阶段一定要做好充足的准备，多听、多看、多问，将产品功能、 实施模式与实际业务相结合 ，加强项目实施的效果。

3.沟通交互

由于前期调研需要反复和客户沟通，需要和技术人员、业务人员、管理人员、高层领导等进行沟通交互，甚至需要和其他业务厂商进行沟通，所以沟通能力是一项非常重要的能力，并且需要掌握沟通技巧，面对不同人员、不同身份做到举止得体、游刃有余，多从客户的角度思考问题，多从业务角度出发，保证沟通效果的同时，也能维护好人际关系。

数据治理分析项目是一个重业务、重集成的项目 ，所以在项目实施过程中需要对平台、业务、系统等进行全面地掌握，并且时刻把握业务的变化，保证实施内容有效落地的同时，也能为客户未来的业务发展带来足够的效益。调研阶段是项目的开始，但也是项目的基础，只有调研工作做到位、做精准，才能保证后续的实施工作顺利推进，最终的建设效果符合客户的预期。

本文由 原创，欢迎转发，仅供学习交流使用，引用请注明出处！谢谢~

关键词：