第5章
本书阅读导引

为了便于有不同关注点的读者阅读本书，本章对本书各章的主要内容进行了概述，编成阅读导引，读者可以根据导引直接阅读自己感兴趣的内容。

5.1　数据治理是一个系统工程

数据治理知识体系涉及管理、技术等多个学科领域，是一个非常复杂的系统工程，如何全面而系统地构建较为完整的数据治理体系，是企业实施数据治理的关键课题。

本书第2篇“体系篇”从企业数据治理的全视角系统性地论述了数据治理的知识领域，通过11个维度，科学地构建了数据治理体系框架。同时，为了帮助企业更好地评估数据资产管理能力和水平，提出了可行的数据资产管理能力成熟度评估方法。

体系篇共分12章，包括数据管控、数据战略、数据架构、主数据管理、元数据管理、数据指标管理、时序数据管理、数据质量管理、数据安全管理、数据交换与服务、数据共享与开放、数据管理能力成熟度评估，如表5-1-1所示。

5.2　工具是数据治理的保障

工业大数据治理需要多种数据治理工具软件的支撑。本书第3篇“工具篇”聚焦在数据治理不同领域的常用工具的介绍，内容包括以主数据为核心的套装软件、以数据资源目录为核心的数据资源管理工具、以元数据和数据模型为核心的数据中台，此外还有针对时序数据、数据交换处理的工具。这些工具各有侧重，需要根据实际需求进行取舍。

主数据管理工具可以实现对数据治理组织、数据标准、主数据的有效管理。数据指标工具可以使企业系统梳理的统一数据指标标准落地，以及规范企业业务统计分析语言。数据交换平台属于中间件，IT技术人员要熟练驾驭。时序数据记录了工业过程，支撑对工艺与质量的控制。数据中台是基于数据治理过程的成果面向数据共享与开发的各种应用。

5.3　实施数据治理有路线可循

工业企业实施数据治理是有路线可循，有方法论的。本书第4篇“实施篇”，通过对国际数据管理协会、数据治理学院和国际商业机器公司（IBM）数据治理理事会的方法论进行分析、研究及大量实践，总结出数据治理施实策略，并就数据资产运营实施、主数据管理实施、元数据管理实施、数据指标管理实施、数据质量管理实施、数据安全管理实施及数据治理常见误区进行介绍，为工业企业的数据治理实施，提供了包括内容、方法、路径、模板等方面可参考的意见。

5.4　数据治理已在诸多行业成功实施

工业企业的数据治理需求迫在眉睫。为了促进企业有序开展数据治理工作，进一步厘清工业企业转型升级的主要痛点和关键需求，本书第5篇“案例篇”总结了数据治理解决方案在重点行业、典型企业中落地应用的经验，并梳理了应用成效和价值，包括电力、能源化工、钢铁、重型装备制造、汽车、建材、制造、航天、核工业、战略投资、交通物流、多元化集团等有代表性的14家企业的数据治理实践案例。其中每个案例主要包括企业简介、数据治理中的痛点及难点、实施步骤、应用效果及交流分享等，具体如表5-4-1所示。

希望这些企业在数据治理方面的理论介绍及实践经验，能为众多工业企业在数据治理的研究和实践提供参考和借鉴价值，以期达到让企业少走弯路、打好基础、快速取胜的效果。

参考资料

[1] 李杰. 工业大数据：工业4.0时代的工业转型与价值创造. 邱伯华，等译. 北京：机械工业出版社，2015

[2] 许正. 工业互联网：互联网+时代的产业转型. 北京：机械工业出版社，2015

[3] 李克，朱新月. 第四次工业革命. 北京：北京理工大学出版社，2015

[4] 克劳思·施瓦布. 第四次工业革命. 世界经济论坛北京代表处，李箐，译·北京：中信出版社，2016

[5] 通用电气公司（GE）. 工业互联网：打破智慧与机器的边界. 北京：机械工业出版社，2015

[6] DAMA中国分会翻译组.DAMA数据管理知识体系指南（原书第2版）. 北京：机械工业出版社，2020

[7] GB/T 36073-2018《数据管理能力成熟度评估模型》

[8] GB/T 34960.5-2018《信息技术服务 治理第5部分：数据治理规范》

[9] 《数据资产管理实践白皮书（4.0版）》，中国信息通信研究院

[10] 《主数据管理实践白皮书（1.0版）》，中国信息通信研究院