DGOffice通讯运营商案例

分享一个御数坊数据治理的案例。虽然做了这么长时间的数据治理，但这个案例实际上是我为数不多的，能把数据治理的业务价值进行量化的一个项目，是一个移动运营商的项目。这个客户做了大数据的发展规划，发现数据质量问题很多，集团对数据治理的要求很多，我们就结合刚才说的要选择业务场景的原则帮它优先选择短期在家庭宽带和渠道这两个模块，选择场景作为数据治理的优先切入点，而没有沿用市面上通常用的整体的体系性规划方法论。这种场景我们开始识别出十几个，最后聚焦到最热点的两个场景：酬金结算不准、订单数据不准，这两个问题导致公司被外部的合作伙伴投诉，有明显的市场压力，所以我们选择业务痛点比较明显的领域。

场景选清楚了，我们会选择这里面的核心业务流程和核心的数据流程，会确定究竟在这个场景当中最核心的数据应该治理哪些，最后得出结论，工号类、渠道类和组织类数据是主数据，要对这三类数据进行治理。治理的过程我们会对框架里的包括标准、质量规则进行设计，比如说帮助客户梳理出渠道体系有哪些分类、中文的含义和英文含义是什么、数据质量的认责矩阵、哪些数据哪个部门负责、数据有哪些规则等。把这些数据梳理好之后，一方面可以改造现有的业务系统，另外一方面用一些系统的数据治理平台功能固化下来，去解决问题，以后问题就不会重复再出现。

通过这样的工作，我们实现了三方面的效果。第一，底层可以改进数据质量，第二，可以消除其业务流程中的一些断点，改善业务运营，第三，提升业务绩效，业务绩效方面我们真的评估出错误数据，原本客户一个月有多少笔订单的业务归属是错误的，产生了错误的酬金结算。有了这个业务价值的量化，客户非常满意，他们认为数据治理效果非常好。

这个过程中我们通过一些数据固化成果，比如数据资产盘点方法论，帮客户提升数据盘点和构建数据目录的效率；比如认责矩阵，有了这个矩阵，我们后来给电网公司评估出来，一年下来某一个供电所可以省十万块钱，这个省有600多家供电所，实现上千万的经济收益。我们也在数据治理做了智能化尝试，把业务的知识图谱和数据资产打通，让不同的业务人员在数据资产和知识图谱里进行应用。