|
数据需求
|
概述
|
数据需求是指组织对业务运营、经营分析和战略决策过程中产生和使用数据的分类、含义、分布和流向的描述。数据需求管理包括制定数据需求管理制度、数据需求收集和识别、数据需求分析、数据需求评审、更新数据管理标准和数据需求变更等活动。
|
|
过程描述
|
a）制定数据需求管理制度，明确集中管理数据需求的原则，明确数据需求的职责分工、管理流程、描述规范等内容；
b）数据需求收集与识别，结合业务目标、业务流程梳理数据应用场景，收集和识别数据需求；
c）数据需求分析，评估数据需求的合理性和可行性，分析数据应用场景中的数据分类、数据名称、数据含义、数据创建、数据使用、数据质量、数据安全和数据保留等需求，编写数据需求文档，对需求优先级进行排序；
d）数据需求评审，对数据需求文档进行评审，评审关注数据需求与业务需求的一致性，数据需求与数据标准的符合性，相关方与数据需求达成共识；
e）更新数据管理标准，对数据标准中未覆盖的数据需求或需变更的数据标准，由数据管理部门依据评审结果及数据管理要求，启动标准更新流程，保持数据标准与实际需求的一致性；
f）数据需求变更，按数据需求变更流程实施变更，记录变更原因、内容及影响范围，同步更新数据需求文档及相关资料，并通知相关方。
|
|
过程目标
|
a）建立数据需求管理制度和流程，统一管理各类数据需求；
b）持续将业务需求转化为数据需求，支撑业务需要。
|
|
初始级
|
1）在项目层面识别、评估、分析和验证数据需求，将其与业务目标和应用需求匹配一致；
2）在项目层面评审和审批数据需求。
|
|
受管理级
|
1）在部门层面建立数据需求管理机制，明确组织架构、职责分工和协作机制；
2）数据需求管理依托信息化项目管理流程运行，被动跟随项目流程推进；
3）数据需求与业务流程和数据模型之间的匹配关系得到管理和维护；
4）各业务部门自行开展数据溯源的工作。
|
|
稳健级
|
1）制定组织级的数据需求管理制度，包含数据需求收集、验证和汇总的标准流程；
2）数据需求管理独立开展，流程与信息化项目管理流程协调一致；
3）设定适用于各类数据需求的模板，明确数据需求需描述的内容；
4）集中处理各部门的数据需求，统一开展数据溯源工作，明确数据来源、数据流向和数据使用情况；
5）记录产生数据的业务流程，管理和维护业务流程与数据需求的匹配关系；
6）制定数据需求评审流程，评审数据需求与数据标准和数据架构之间的一致性，对数据标准和数据架构等内容进行完善；
7）根据业务和管理等方面的要求设计数据需求优先级模型；
8）建立数据需求跟踪维护流程，实现数据需求的动态维护和历史追溯。
9）建立数据需求变更管理流程，对组织中的需求变更进行管理。
|
|
量化管理级
|
1）设定量化指标，跟踪评价数据需求管理流程有效性并持续改进；
2）采用人工智能技术支撑需求状态同步、数据需求查验和动态追踪需求变更等工作，提高数据需求管理效率；
3）覆盖外部商业机构对本组织的数据需求，促进基于数据的商业模式创新；
4）参与数据需求相关国家标准，主导行业标准的制定。
|
|
优化级
|
1）参与数据需求相关国际标准，主导国家标准的制定；
2）在国际和国家层面分享最佳实践，成为行业标杆。
|
|
数据设计与开发
|
概述
|
数据设计与开发是指设计和实施数据解决方案，提供数据应用，持续实现组织的数据需求的过程，数据解决方案包括数据库结构、数据采集、数据整合、数据交换、数据访问和数据产品等。数据设计开发管理包括制定数据设计开发管理制度、解决方案设计、数据准备、解决方案质量管理和解决方案实施等活动。
|
|
过程描述
|
a）制定数据设计开发的管理制度，明确数据设计开发的管理组织、制度和流程；
b）解决方案设计，数据解决方案的设计分为概要设计与详细设计两个阶段，主要内容是面向具体应用系统设计逻辑数据模型、物理数据模型、物理数据库、数据产品、数据访问服务及数据整合服务等，最终形成符合数据需求的解决方案；
c）数据准备，梳理组织的各类数据，明确数据提供方，制定数据提供方案；
d）解决方案质量管理，制定设计与开发标准，评审设计开发过程中权威数据源引用、数据架构符合性、数据模型标准符合性、数据质量规则符合性、数据服务引用及安全策略配置的合规性；
e）解决方案实施，通过质量评审的数据解决方案进入实施阶段，主要内容包括开发和测试数据库、建立和维护测试数据、数据迁移和转换、开发和测试数据产品、数据访问服务、数据整合服务、验证数据需求等。
|
|
过程目标
|
a）数据解决方案符合组织数据架构、数据标准、数据质量和数据安全的要求；
b）数据解决方案符合数据的完整性、安全性、可用性和可维护性等数据管理需求。
|
|
初始级
|
在项目层面设计和实施数据解决方案，根据项目要求进行管理。
|
|
受管理级
|
1）在部门层面建立数据设计和开发的流程；
2）在部门层面建立数据解决方案设计和开发规范，指导约束数据设计和开发；
3）在部门层面开展数据溯源，评估数据需求；
4）制定数据解决方案设计和开发过程中的质量标准；
5）数据解决方案设计和开发过程中加强数据架构和数据标准方面的应用；
6）各业务部门根据需要开展数据准备工作。
|
|
稳健级
|
1）建立组织级数据设计和开发的标准流程，明确执行要求并指导各类数据设计和开发活动；
2）制定组织级数据解决方案的质量标准和安全标准并执行；
3）数据溯源过程建立部门间的沟通机制，明确数据溯源的责任和流程，分析评估数据来源、用途和预期结果；
4）应用级数据解决方案与组织级数据架构、数据标准、数据质量和数据安全等协调一致；
5）数据解决方案设计和开发过程中参考权威数据源的设计，优化数据集成关系并进行评审；
6）明确数据供需双方职责，统一开展数据准备工作，建立标准化的工作流程。
|
|
量化管理级
|
1）设定量化指标，跟踪评价数据设计与开发管理流程有效性并持续改进；
2）采用人工智能技术，量化评价数据架构、数据标准、数据质量和数据安全等方面的符合性，并持续改进；
3）参与数据设计与开发相关国家标准，主导行业标准的制定。
|
|
优化级
|
1）数据设计和开发能支撑数据战略的实施，促进数据的流通应用；
2）所设计和开发的数据产品具备国家级第三方实验室出具的标准符合性检测报告；
3）参与数据设计与开发相关国际标准，主导国家标准的制定；
4）在国际和国家层面分享最佳实践，成为行业标杆。
|
|
数据运维
|
概述
|
数据运维是指相关数据系统、工具和服务建设完成正式投入运营后，对数据采集、数据处理和数据存储等过程的日常运行及维护过程。数据运维管理包括制定数据运维制度、数据提供方管理、数据系统运维、数据任务监控和数据运维应急管理等活动。
|
|
过程描述
|
a）制定数据运维制度，结合组织数据管理需求，明确组织职责，统一数据运维流程与规范；
b）数据提供方管理，建立数据提供方的监控规则、监控机制和合格标准等SLA，持续监控服务水平，覆盖组织内外部数据提供方；
c）数据系统运维，数据运维方对数据库、数据中台、数据建模工具、数据分析工具、ETL工具、数据质量工具、元数据工具和主数据管理工具的选型、部署和运行等进行管理，各技术工具的选择符合数据架构整体规划，正常运行各项指标符合数据需求；
d）数据任务监控，建立数据任务的监控规则、监控机制和数据合格标准，持续监控并优化数据任务运行；
e）数据运维应急管理，建立应急预案和快速响应及自动恢复机制，减少故障对业务的影响。
|
|
过程目标
|
a）组织内外部数据提供方可按约定的SLA提供符合业务需求的数据；
b）保证数据相关系统和工具的稳定运行。
|
|
初始级
|
各项目分别开展数据运维工作，跟踪数据的运行状态，处理日常的问题。
|
|
受管理级
|
1）在部门层面建立数据运维管理制度，指导相关工作的开展；
2）对某类或某些数据确定多个备选提供方，建立选择数据提供方的标准；
3）在部门层面建立数据提供方管理流程，包括数据溯源、职责分工与协同工作机制等；
4）在部门层面建立数据任务监控的规则和标准并执行；
5）在部门层面建立数据运维应急预案，在发生突发事件时依照执行。
|
|
稳健级
|
1）制定组织级的数据运维制度和流程并执行；
2）制定组织级数据提供方管理流程和标准并执行；
3）数据运维解决方案与组织级数据架构、数据标准和数据质量等工作协调一致；
4）建立组织级数据任务监控规则和标准，对数据任务进行监控管理；
5）建立组织级的数据运维应急管理预案，在发生突发事件时执行，定期开展应急和灾备演练；
6）定期制定数据运维管理工作报告，在组织内进行发布。
|
|
量化管理级
|
1）设定量化指标，跟踪评价数据运维管理流程有效性并持续改进；
2）采用人工智能技术开展数据运维，有效提升工作效率；
3）参与数据运维相关国家标准，主导行业标准的制定。
|
|
优化级
|
1）参与数据运维相关国际标准，主导国家标准的制定；
2）在国际和国家层面分享最佳实践，成为行业标杆。
|
|
数据退役
|
概述
|
数据退役是对历史数据的管理，根据法律法规、业务和技术等外部需求，开展历史数据的归档、迁移和销毁等工作。数据退役管理包括数据退役需求分析、数据退役设计、数据退役影响分析、数据退役执行、数据恢复检查、归档数据查询和数据销毁等活动。
|
|
过程描述
|
a）数据退役需求分析，调研内外部数据退役需求，明确内外部数据保留与清除要求，兼顾信息技术对存储容量、访问速度和存储成本等需求。
b）数据退役设计，综合合规、业务及信息技术需求，设计退役标准和执行流程，明确不同类型数据的保留策略，建立归档、迁移、销毁的工作流程与操作规程。
c）数据退役影响分析，基于业务要求与数据血缘分析结果，评估退役需求的合规性、必要性及影响范围，不影响现有业务正常运行。
d）数据退役执行，依据退役流程执行归档、迁移、销毁等操作，同步更新数据目录、数据血缘等关联信息，按需迭代退役设计。
e）数据恢复检查，制定数据恢复检查机制，定期核查退役数据状态，可按需恢复数据。
f）归档数据查询，依据业务管理或监管要求，受理归档数据查询请求，恢复相关数据以供应用。
g）数据销毁，对达到预设保留期限且无业务、法律或监管保留需求的数据进行销毁。
|
|
过程目标
|
a）对历史数据的使用、保留和销毁方案符合组织的内外部业务需求和监管需求；
b）建立流程和标准，规范开展数据退役需求收集、方案设计和执行。
|
|
初始级
|
在项目层面开展数据退役管理，包括收集数据保留和销毁的内外部需求，设计并执行方案。
|
|
受管理级
|
1）在部门层面建立数据退役标准并执行；
2）对部门层面的数据进行统一归档和迁移；
3）在需要归档数据查询时进行数据的恢复；
4）采用不可逆方式进行数据销毁，已销毁数据无法恢复。
|
|
稳健级
|
1）全面收集组织内部业务部门和外部监管部门数据退役需求；
2）结合组织利益相关者的需求，建立组织层面统一的数据退役标准；
3）对不同数据建立符合需求的数据保留和销毁策略，根据数据优先级确定存储设备；
4）在组织层面开展数据退役影响情况分析；
5）数据退役执行时，涉及数据目录变更的，更新相关信息；
6）制定数据恢复检查机制，定期检查归档数据状态；
7）对归档数据恢复申请进行审批，相关人员审核通过后进行数据恢复和查询；
8）记录数据退役执行、数据恢复检查和归档数据查询等过程，可审计追溯；
9）对达到预设保留期限且无业务、法律或监管保留需求的数据进行销毁。
|
|
量化管理级
|
1）设定量化指标，衡量数据退役管理运行有效性和经济性并持续改进；
2）设定量化指标，从数据使用频度和数据存储成本等方面衡量数据价值，优化数据退役策略；
3）采用人工智能技术自动识别低价值数据，动态生成数据退役需求建议；
4）参与数据退役相关国家标准，主导行业标准的制定。
|
|
优化级
|
1）数据退役提升数据访问性能、降低数据存储成本并保证数据安全；
2）参与数据退役相关国际标准，主导国家标准的制定；
3）在国际和国家层面分享最佳实践，成为行业标杆。
|
