资讯中心
?怎样审核数据治理？（含指标库）
数据治理既要严抓历程 ，更要注重效果 。为了提高数据治理的执行效率 ，需要建设响应的数据治理审核步伐 ，并关联组织及小我私家绩效 ，磨练数据治理各个环节的执行效果 ，以包管数据治理制度的有用推进和落实 。
01
数据治理的4个审核原则
数据治理事情应作为企业的一项常态化营业 ，数据治理绩效审核应融入企业管理的组织绩效审核系统 ，并应遵照以下审核原则 。
1. 公正公正原则
公正公正原则是设计、确定、推行绩效审核机制的条件 。绩效审核系统不具备公正公正的原则 ，就无法施展绩效审核应有的作用 。绩效审核的内容、审核指标、审核程序均应向数据治理利益关连人果真 ，同时 ，审核应客观、准确地体现出数据治理的效果以及被审核职员的能力和态度 。数据治理绩效审核是资助企业员工提升数据管理、数据应用能力的一种主要手段 。
2. 严酷原则
企业一旦最先执行数据治理绩效审核 ，就必需遵照严酷的原则 �Ｉ蠛瞬谎峡� ，就会流于形式 ，形同虚设 ，不但不可周全地反应数据治理的真真相形 ，并且还会爆发消极的效果 �Ｉ蠛说难峡嵝蕴逑衷谝韵路矫妫阂忻魅返纳蠛吮曜� ，要有严肃认真的审核态度 ，要有严酷的赏罚制度与科学的审核要领等 。
3. 果真透明原则
数据治理应具有果真透明性 ，数据治理的各项战略和流程不应成为企业内个体部分、职员的私有或保密的内容 ，而应对企业所有职员果真 ，让各人对数据治理事情都有一定的熟悉和明确 。数据治理的审核内容、审核指标、审核步伐、审核效果也应是果真的 ，这是包管绩效民主的主要手段 �Ｉ蠛诵Ч� ，一方面 ，可以使被审核职员熟悉到数据治理的主要性 ，并相识自己在数据治理事情中的缺乏 ，资助绩效差的部分和职员提升能力和头脑认知 ，勉励绩效好的部分和职员再接再厉 ，坚持领先；另一方面 ，尚有助于避免审核中泛起私见或种种误差 ，以包管审核公正与合理 。
4. 客观评价原则
关于无法量化或者无法借助盘算机软件举行评价的数据治理审核指标 ，举行人工审核 。人工审核应当凭证实确划定的考评标准 ，针对客观的审核资料举行评价 ，阻止掺入主观性 。
02
数据治理的6类审核指标
实质上 ，数据治理绩效审核是一种对企业数据治理的历程管理 ，而不但是对效果的审核 。它通过对数据治理历程的管控 ，将数据治理目的准时间、按主题、按部分等多个维度举行剖析 ，形成可量化审核的指标 ，一直催促相关关连人实现 。
1. 数据治理绩效审核的难度
与企业的其他营业（销售、采购、生产、财务等）相比 ，数据治理是企业营业中最难题的领域 ，一个主要的缘故原由是数据治理的效果难以量化 。销售、采购、生产、财务这些营业都是可以用数据量化的 ，好比产品销售量、物资采购量、生产消耗量、产量、财务收付款数目等 ，而“企业的数据治理是否奏效”这样的问题经常让人不知怎样回覆 。
企业数据治理普遍保存一个征象：当一切营业正常且没有数据问题时 ，数据治理的起劲就会被忽略 ，收获永远是前端营业部分的；而当泛起营业问题且是由数据问题引起时 ，各人首先指责的是数据治理没有做好 ，“取不到数据”“数据禁绝确” ，这些听起来很耳熟吧？
2. 建设绩效指标系统的3个要素
为了证实在数据治理上的起劲和投资能够让企业受益—降低了本钱 ，增添了收入 ，提升了决议效率 ，企业还需要对数据治理的目的举行剖析 ，建设可量化、可执行、可怀抱的数据治理指标系统 。
问题：数据报告禁绝确 ，营业相同耗时较长 ，营业处置惩罚效率低下 。
目的：通过使用准确的数据和已界说的数据管理流程 ，降低销售、库管、生产等营业部分的相同本钱 ，提升营业处置惩罚效率 ，提高营业和管理决议的效率 。
影响：提高数据报告的准确性 ，降低营业部分的相同本钱 。
相识企业亟待解决的问题、治理的目的及解决问题的影响 ，能够得出需要刷新的内容 ，形成数据治理的指标 。使用指标来权衡数据治理的乐成对实现数据目的至关主要 ，它可以资助企业走上准确的数字化转型蹊径 。
3. 数据治理的6类审核指标
数据治理的绩效审核可以从数据治理职员、数据质量问题、数据标准贯彻、治理战略执行、手艺告竣、营业价值实现等6个维度考量 ，见表1 。
表1 数据治理的6类审核指标
数据治理指标系统的建设应涵盖数据治理的组织职员、制度流程包管、手艺步伐等方面 ，突出数据录入、审核、维护、备份、清静等重点环节 ，举行指标量化 。表2给出了一个数据治理审核评价指标的示例 。
表2 数据治理审核评价指标示例
03
数据质量的6种检查步伐
数据治理的绩效审核需要对单个数据点的数据准确性举行检查 ，以实时发明数据质量问题 。常用的数据质量问题检查要领有纪录数检查法、要害指标总量剖析法、历史数据比照法、值域判断法、履历审核法及匹配判断法 。
1. 纪录数检查法
通过较量纪录条数 ，对数据情形举行归纳综合性验证 ，主要是检查数据表的纪录数是否在确定的数值或确定的规模内 。
适用规模：关于数据表中按日期举行增量加载的数据 ，当每个加载周期的纪录数为常数值时 ，需要举行纪录条数磨练 。
举例：每月新增的物料编码条数 。
2. 要害指标总量剖析法
关于要害指标 ，比照数据总量是否一致 ，主要是指具有相同营业寄义的指标 ，检查差别部分、差别系统之间的统计效果是否一致 。
适用规模：本表中的字段与其他表中的字段具有相同的营业寄义 ，从差别的维度统计 ，保存汇总关系 ，且两张表的数据不是经统一数据源加工获得 ，知足此条件时 ，需要举行总量磨练 。
举例：企业的员工总人数、总收入、总利润、总用度、总投资等指标 。
3. 历史数据比照法
通过历史数据比照视察数据转变纪律 ，从而验证数据质量 。从转变趋势、增减速率、周期、拐点等方面判断数据的可靠性 。两种常用的历史数据对例如式是同比和环比 。同比指的是与历史同期较量 ，反应数据的恒久趋势；环比指的是对相邻的两期数据举行较量 ，突出反应数据的短期趋势 。
适用规模：通过比照反应数据短期或恒久趋势时 ，需要使用历史数据比照法 。
举例：本月的数据质量问题环比镌汰20% ，企业营业收入同比增添50% 。
4. 值域判断法
确定一准时期内指标数据的合理变换区间 ，对区间外的数据举行重点审核 ，其中数据的合理变换区间是直接凭证营业履向来确定的 。
适用规模：可以确定事实表中字段的取值规模 ，且可以判断不在此规模内的数据一定是过失的 ，知足此条件时 ，必需举行值域判断法 。
举例：基于年岁维度统计在职员工的数目 ，低于18岁、高于65岁的数据属于异常数据 ，应重点审核 。
5. 履历审核法
关于报表中指标间的逻辑关系仅靠盘算机程序审核无法确认和量化 ，或有些审核虽设定命目界线 ，但界线较宽、欠好判断的情形 ，需要增添人工履历审核 。
适用规模：数据无法量化或量化界线无法评定的情形下 ，使用人工履历审核法 。
举例：某数据清静事故对企业声誉的影响水平 。
6. 匹配判断法
通过与相关部分提供或宣布的有关数据举行比照验证 ，判断数据的有用性 。
适用规模：关于与相关部分提供或宣布的有关数据口径一致的数据 ，可以使用匹配判断法 。
举例：基于外部的数据服务 ，验证用户填写的姓名和身份证号是否真实 。
04
数据治理的4种审核方法
数据治理的绩效审核应接纳日�Ｉ蠛擞氚雌谏蠛讼嗤沤帷⑾低匙远蠛擞肴斯ど蠛讼嗤沤岬哪Ｊ骄傩� ，明确审核赏罚步伐 ，强化数据治理审核机制 。
1. 日�Ｉ蠛�
日�Ｉ蠛耸巧蠛耸葜卫淼南喙毓亓耍ㄓ绕涫鞘莸纳呋蛩姓撸┰谝谎匠Ｊ虑榱鞒讨� ，录入和审核数据是否实时、完整、准确、规范 ，其目的是在源头堵住不良数据的入口以提防数据清静危害 。举例如下 。
1）实时性审核
好比营业员是否第一时间将销售订单录入CRM系统中 ，销售主管是否在划定的时间内完成订单数据的审核 ，ERP系统中本月的有用票据（如请购单、采购单、委托单、收支库单等）是否审核月结完毕 。
2）准确性审核
对营业票据的要害属性的值的完整性、准确性举行审核 ，例如客商档案录入是否完整 ，税率、进货数目、票据价钱是否准确等 。
3）规范性审核
责任人是否越权操作 ，好比：是否使用他人账号/密码登录系统并录入或审核数据；是否未经上级向导批准 ，将账借给他人使用或者让他人代录入或审核数据 。
2. 按期审核
数据管理部分应按期开展数据质量的稽察 ，通过制订数据质量稽察规则 ，明确数据稽察内容、稽察周期、稽察要领 ，来检查数据是否完整、实时、准确 。按期审核可以分为抽样数据稽察和周全数据稽察 。
抽样数据稽察：数据治理小组按期凭证一定的时间规模对相关数据集的数据质量情形举行检查 ，目的是实时发明增量数据中的数据质量问题 。
周全数据稽察：数据治理小组必需凭证一定的周期对相关数据集的存量举行周全的数据质量问题稽察 ，需要按期宣布报告 ，以显示每个指标的乐成之处和待刷新之处 。一样平常来说 ，周全数据稽察的频率要低于抽样数据稽察 ，数据集的纪录数越小 ，越适合接纳周全数据稽察的要领 。例如 ，小于10万条纪录的数据集必需每月举行一次周全数据稽察 。
3. 系统自动审核
关于盘算机系统能够量化的数据质量规则 ，应只管接纳系统自动审核方法举行数据质量问题的稽察 �？闪炕氖葜柿抗嬖蚓倮缦� 。
纪录差别性：检查跨系统之间实体纪录不相同的信息 ，例如A系统中的客户资料在B系统中不保存 。
字段一致性：检查跨系统之间实体相同的纪录的字段是否一致 ，例如A系统中客户“张三”的出生年月与B系统中客户“张三”的出生年月不相同 。
字段准确性：检查单系统中某字段的取值是否准确 ，例如账目表中客商用度的取值不可大于100万元 。
营业逻辑性：检查系统中某字段的取值是否切合营业逻辑 ，例如销售票据中的客户编码、产品编码是否划分保存于客户档案表、产品档案表中 。
系统自动审核要求数据质量管理工具提供数据质量检查规则、数据质量使命、审核规则的设置功效 ，数据质量使命的分派、处置惩罚、审核、监控功效 ，以及数据质量问题报表的展示和盘问功效等 。
4. 人工审核
人工审核主要是凭证审核职员的履历以及填报单位的种种定量和定性信息 ，接纳人机团结的方法对已录入数据举行检查和审核 ，进而判断数据是否切合要求 。人工审核面向的数据主要分为两类 。
无法形成量化指标或者量化规模难以判断的数据 ，例如数据质量问题对企业营业的影响水平 。
盘算机稽察发明的“异常数据”和“重复数据” ，例如：盘算机稽察到CRM系统中有20条重名的客户信息 ，这时需要人来判断这20条客户信息是否真的重复 ，为什么会重复 。经审核确定的“异常数据”和“重复数据”应向填报单位核实 ，核实后 ，填报单位应对数据举行纠正 。
在数据治理绩效审核中 ，只有通过了人工数据审核 ，才华举行数据汇总并给出审核效果 。
05
小结
绩效审核机制是企业数据治理的各项制度有用推进和落实的主要包管 ，它能资助企业有用执行数据标准 ，提升营业操作的规范性 ，提高数据质量 。绩效审核机制也是形成并固化数据文化的主要手段 ，通过制度约束和绩效审核 ，作育企业员工的数据素养 ，从而增进营业效率提升 。
数据治理的绩效审核建设在对数据治理内在的深刻明确基础上 ，应团结企业自身现状和需求 ，制订有针对性的绩效审核计划 ，而不可盲目照搬本章中给出的数据治理审核原则、审核指标、审核步伐、审核方法仅供参考 。
链接：https://www.toutiao.com/a7050012302351057422/?channel=&source=search_tab
————————————————————————————————————————————
免责声明：本文转载自网络 ，所发内容不代表本网站态度 ，若有侵权请联系删除 。
- 上一篇: ?让数听语言 ，数据治理“有章可循”
- 下一篇: ?探索政府数据治理实现路径
