データ ガバナンス運用 (データ ガバナンス プロセス全体を実装するための包括的なガイド)

データガバナンスプロセス全体を実装するための包括的なガイド

新しい時代において、データは重要な生産要素、戦略的資源としての地位を確立しました。データガバナンスは、データ要素の価値を活性化するための基本プロジェクトとして、デジタル発展の機会をつかむためにあらゆる分野の人々の焦点と主戦場となっています。

データ ガバナンスは、トップレベルの設計、データ ガバナンス システムの構築、データ サービス、データ インサイトなどの複数のモジュールを含むクローズド ループ システムであり、継続的に改善されます。この記事では、データ ガバナンス実装のプロセス システムから始めて、戦略からアプリケーションまでのデータ ガバナンス プロセスを整理し、政府と企業に方法論的および思想的な参考資料を提供します。

01

データガバナンスのトップレベルの設計

データ戦略とは、企業が長期的な目標を達成するために、データに関して行う方向性の選択とリソースの重点です。それは終わりから始まる道です。企業がデータ戦略をうまく計画したいのであれば、自社のポジショニングを明確にした上で目標と方向性を特定し、それに応じたルート計画を立てなければなりません。

データ戦略は、ビジネス戦略に固有のデータ ニーズを理解することから生まれます。つまり、組織に必要なデータは何か、そのデータを取得する方法、そのデータを管理して信頼性を確保する方法、そしてそのデータを活用する方法です。一般的に言えば、データ戦略には 3 つの基本的なタイプがあります。

（１）意思決定データ戦略：市場の理解とトレンドの特定

（２）業務主導型データ戦略：効率化と変革の推進

（３）データ収益化戦略：データは資産となるデータの収益化

データ ガバナンス プロジェクトの実装は、決して単一の部門の責任ではありません。専門的なデータガバナンス組織システムを確立し、データ管理の責任と権利、つまりデータの作成者、ユーザー、所有者、管理者を決定するには、上から下まで調整する必要があります。

データガバナンス構築の初期段階では、上から下まで意思決定レベル、管理レベル、経営レベルで構成されるデータガバナンス管理委員会を設立する必要があります。意思決定レベルで意思決定を行い、管理レベルで計画を策定し、経営レベルでそれを実行するという階層的な管理と統一的な調整を実現します。

秩序だった報酬と罰則を備えたデータ ガバナンス パフォーマンス評価システムは、企業がデータ管理プロセスを標準化し、データ ガバナンスの利害関係者の責任を実行するのに役立ちます。これにより、全体的なデータ品質が向上し、データ戦略が実現します。評価指標には 2 つの側面が含まれます。1 つは、データの生成、管理、および適用プロセスの評価と評価の指標です。一方、データ品質の評価指標。

データ ガバナンスのパフォーマンス評価には、データ ガバナンス担当者、データ品質の問題、データ標準の実装、ガバナンス戦略の実行、テクノロジの達成、ビジネス価値の実現という 6 つの基本的な側面があります。

データ ガバナンスのパフォーマンスを評価する方法は、毎日評価、定期的に評価、システム自動評価、手動評価の 4 つあります。

02

データガバナンス技術システム

メタデータはエンタープライズ データの DNA です。メタデータ管理は、メタデータを作成、保存、統合、制御する完全なプロセスであり、データ ガバナンス プロセスの一部です。

ビジネスニーズに基づいて、メタデータ管理システムの構築は次の 4 つのモジュールに分けられます。

（１）メタデータ取得：メタデータの収集、保存、出力を全段階で統一的に行う。自動取得と手動取得の 2 つの部分が含まれます。

（２）メタデータ保存：メタデータおよびメタモデルの保存を含む。

（３）メタデータ機能：基本的なメタデータ操作（クエリ、追加、変更、削除などの管理操作）、メタデータ分析（ビジネス指標の一貫性分析、データ系統分析、データ影響分析など）、メタデータ権限管理、メタデータサービスのカプセル化など。

（4）メタデータアプリケーション：メタデータ基本機能の公開、レポート指標の最適化とクリーンアップアプリケーション、指標操作関係分析アプリケーションなどを含む。

マスターデータはデータのソースです。マスターデータのニーズに基づいたデータガバナンス作業は、ビジネスのデジタル化を推進するさまざまな組織にとって最優先事項となることがよくあります。

マスター データ プロジェクトを実装するための標準的なプロセスは、コンサルティング計画と実装の 2 つの部分に分かれています。主に現状分析・評価、システム企画、実装計画、プラットフォーム構築・実装の4つのステップがあります。

（１）現状分析と評価：企業の現状を把握し、企業の現状の問題点とデータ管理の成熟度を特定する。

（２）システム計画段階：企業の内部組織構造、企業のマスターデータ管理システム、評価方法の標準と仕様、マスターデータ運用の設計方法などを設計する必要がある。

（３）マスターデータの実装：トップレベルの設計計画が策定された後、コーディング分類、属性、フィールド、承認プロセス、統合、クリーニングと配布、統合スイッチング戦略の策定を含むマスターデータの実装を実施する必要があります。マスターデータ実装プロセスは、これらの戦略に従って実行されます。

（4）プラットフォーム実装：マスターデータ実装内容を明確に把握した後、マスターデータモデルの実装、マスターデータのメンテナンス、マスターデータガバナンス関連の内容を含むマスターデータ管理プラットフォーム上で実装します。

データの標準化は、企業がデジタル変革を実行するための基盤です。データ標準は、エンタープライズ データ管理のあらゆる領域に関連しており、データ ガバナンス作業の最も基本的な内容です。

データ標準を確立するには、通常、標準分類計画、標準システム構築、標準レビューとリリース、標準実装、標準運用と保守の 5 つのステップがあります。

（１）標準計画：データ標準分類フレームワークを構築し、データ標準管理の実施ルートを開発する。

（２）標準策定：標準分類計画の完了に基づいて、データ標準および関連ルールを定義します。

（３）規格の公開：意見を募集し、意見分析と規格の改訂が完了したら規格を公開する。

（４）標準実装：企業が公開しているデータ標準を情報構築に適用し、データの不整合を解消する。

（５）標準維持：ビジネスの発展や変化、データ標準の実装の有効性に基づいて、データ標準を継続的に更新し、改善します。

データ品質管理とは、計画、取得、共有、保守、適用、消滅など、データライフサイクルの各段階で発生する可能性のあるさまざまなデータ品質の問題を特定、測定、監視、早期警告するなどの一連の管理活動であり、組織の管理レベルを向上・強化することでデータ品質をさらに向上させます。

国家情報技術標準化技術委員会は、完全性、一貫性、正確性、適時性、一意性、アクセス可能性などの側面を含むデータ品質評価指標（GB/T36344-2018 ICS 35.24.01）を提案しました。

データ品質を向上させるには、次の 7 つの手順を参照してください。

（１）高品質なデータを定義する：データ品質を向上するための目標と優先順位について合意する。

（２）データ品質戦略を定義する：データ品質の優先順位はビジネス戦略と整合させる必要がある

（３）主要な業務ルールと品質ルールを特定する：主要なデータを決定した後、データ品質特性に必要な業務ルールを特定し、整理する。

（4）初期データ品質評価の実施：初期データ品質評価を実施し、実行可能な改善計画を定義します。

（５）改善の方向性を特定し、優先順位を決定する：問題のビジネスへの影響を分析し、最終的に優先順位を議論して決定します。

（6）データ品質改善目標を定義する：ビジネス価値を定量化し、具体的かつ達成可能な目標を設定する。

（7）データ品質業務の開発と展開：データ品質プログラムに関する実施計画を策定し、データ品質のルールと標準を管理し、データとルールの実行の一貫性を監視し、データ品質の問題を特定して管理し、品質レベルを報告します。

承認境界を越えてあるシステムから別のシステムにデータがアクセスされたり渡されたりする場合、各組織の責任、アクセスまたは交換されるデータの種類と影響ドメイン、交換されたデータの使用方法、交換システムの両端でデータが処理、保存、または送信されるときにデータがどのように保護されるかを指定するために、1 つ以上のプロトコルが必要です。データ交換は主に、異なる機関やシステム間でデータやファイルを送信および共有するために使用され、データ サイロを排除し、情報リソースの利用率を向上させるのに役立ちます。

データ リソース交換、共有、開発アプリケーション プラットフォームは、データの流れに応じて、下から上に向かって、外部データ リソース層、データ集約層、データ融合層、サービス管理層、サービス ポータル層の 5 つの層に分かれています。

（１）外部データリソース層：システムの外部データのソースとなるソースデータベース。

（２）データ集約層：取得したデータの特性に応じて、対応する収集ソリューションを使用して外部データソースを統合する。

（３）データ融合層：エンジニアリングデータの永続的な保存とアクセスのための場所を提供します。

（4）サービス管理層：主にディレクトリ管理、リソース管理、サービス管理、交換管理などの機能が含まれます。

（５）サービスポータル層：サービスポータルとインターフェースサポートを通じてアプリケーションシステムに標準化されたサービスを提供します。

データ セキュリティ管理は、データの機密性、整合性、可用性、監査可能性、真正性、信頼性を実現および維持するために使用されるプロセスです。

データ セキュリティの問題は、データ ライフ サイクルのあらゆるリンクに存在します。新たな状況下で、データセキュリティガバナンスをうまく行うには、企業のデータセキュリティ保護能力を強化し、強力かつ動的なセキュリティ保護メカニズムを確立する必要があります。このメカニズムの重要なポイントは、主に、データセキュリティガバナンス計画の改善、データセキュリティ技術保護機能の強化、データセキュリティ監査の強化という 3 つの側面にあります。

（１）データセキュリティガバナンス計画の改善：データセキュリティの現状を評価し、データセキュリティのニーズを特定し、データセキュリティガバナンスの組織計画と制度的保証システムを改善する

（2）データセキュリティ技術保護能力の向上：主に、データの自動分類と分類、データの権限管理と制御の精緻化、リスクの防止、リスクの特定、リスクの予測、リスクの解決という4つの側面から組織のリスク耐性能力の向上が含まれます。

（３）データセキュリティ監視・監査の実施：日常的な監査に加え、業務内容に応じた特別監査も必要となる。

データ ライフサイクル管理は、データの作成、使用、アーカイブ、破棄に関するポリシーと手順を含むポリシー ベースのアプローチです。

（１）データ作成：データモデルを使用してデータの整合性を確保し、データ標準を適用してデータの正確性を確保し、データ品質チェックを追加してデータの正確性を確保し、データが合理的なシステムで生成されるようにします。

（２）データの使用：メタデータを使用してデータの使用を監視し、データ標準を使用してデータの正確性を確保し、データ品質チェックを使用してデータ処理の正確性を確保し、データが合理的なシステムで使用されることを保証し、データの導出を制御する。

（３）データのアーカイブ：評価方法を用いてアーカイブのタイミングを確保し、データの種類ごとにデータをアーカイブする。

（4）データ破棄：データ破棄のタイミングを確保するための評価方法を使用し、データの種類に基づいてデータを破棄します。

03

データサービスとデータインサイト

データは企業の「特別な資産」として、企業の貸借対照表に含まれています。データ資産を識別し、データ資産を効果的に管理・運用し、既存のデータ資産を使用して価値を生み出す方法も、データ ガバナンスにおける重要なタスクと目標です。

技術的な観点から見ると、データ要素の価値を生み出すための道筋は、データのリソース化、リソースの製品化、製品の価値創造という 3 つの主要な段階に分けられます。

（１）データのリソース化：異なるソースからのデータは、必要に応じて処理、統合、処理され、一定のロジックに従って物理的にグループ化され、「一定の規模」に達し、再利用可能で適用可能でアクセス可能なデータセットを形成します。この段階では、データ戦略計画方法、データ機能システムの構築、エンタープライズ データ ガバナンス システムの確立が必要です。

（２）データ製品化：企業は、自社の組織を通じて、または外部組織に効果的に権限委譲して、データ利用者のニーズに基づいたデータ製品の研究開発を行う。この段階には、データ リソースの可能なアプリケーション価値マップの確立、対象顧客のデータ ニーズとアプリケーション シナリオの分析、適切なテスト顧客の選択、データ製品とそのテクノロジの開発の共同組織化が含まれます。

（３）商品価値創造：データ商品はデータ要素取引市場で売買できるようになり、持続的な利益をもたらすことができる。この段階では、データ資産化戦略の確立、データ資産管理システムの構築、およびデータ資産の運用管理の実現が必要です。

データ サービスとは、データの収集と整理、データ分析と洞察、データの視覚化、データのセキュリティとプライバシー、データのアプリケーションと機能という 5 つの側面を含む、さまざまなデータ関連のサービスとサポートをユーザーに提供するビジネス モデルを指します。

（１）データの収集と整理：様々な情報源からデータを収集し、理解しやすく使いやすいように整理・分類する。

（2）データ分析と洞察：収集したデータを分析およびマイニングして、パターン、傾向、相関関係を特定し、賢明な意思決定を可能にします。

（3）データの視覚化：データサービスは、複雑なデータをグラフや画像などの形式で視覚化できるため、ユーザーがデータを理解し、解釈しやすくなります。

（4）データのセキュリティとプライバシー：当社は、ユーザーデータの処理および保管中に安全性と信頼性を確保するためのセキュリティ対策を講じます。同時に、ユーザーのプライバシー権を尊重し、ユーザーの個人情報が悪用または漏洩されることを防ぎます。

（５）データアプリケーションと機能：さまざまな分野や業界のニーズを満たすために、さまざまなアプリケーションと機能をユーザーに提供します。

Esin Huachen は長年の技術蓄積とサービス経験を活かし、リソースを完全に統合して企業のデータ基盤を強化し、データ要素の価値を高めます。データ収集、データ処理、データ保存、データガバナンス、データセキュリティ、データ分析からデータアプリケーションまで、データライフサイクル全体にわたるフルスタックソリューションを顧客に提供できます。今後、エシン華塵は既存の製品とサービスに基づいて、科学技術の潜在的な優位性を深く活用し、デジタル時代の文脈で必要なデータインテリジェンスサービスエコシステムを継続的に探求・構築し、デジタル経済の高品質な発展を促進していきます。