艾瑞白皮书解读（五）丨深度解析企业数据治理第二步：落地环节

2024年7月 艾瑞咨询公司对国内数据治理行业进行了研究，访问了国内多位大中型企业数据治理相关负责人，深度剖析中国企业在数字化转型过程中面临到的核心数据问题后，重磅发布《2024中国企业数据治理白皮书》（以下简称“白皮书”）。

白皮书指出，企业数据建设是一项系统工程，需要解析业务现象背后的需求原因，针对性地实现落地，才能帮助企业善用数据资产，充分释放数据价值，进一步为实践提供指导。数据工程建设可分为咨询、落地、应用、管理四大环节。本文将围绕数据工程的落地环节展开详细介绍。

落地环节是企业进行数据建设闭环管理的第二步，白皮书指出落地环节，基于数据工程咨询成果，落地业务数据地图并开发业务指标、主数据模型、风控模型、审计模型，完善数据管理，支撑数据应用。

数据工程的落地环节，是数据建设的具体实践，通过一站式的数据集成、处理、指标/模型开发等全栈能力，将前序咨询成果实实在在地落地实施，其包括八大落地内容：业务数据地图（数据资产）落地、价值地图落地、主数据管理与分发、业务指标开发、主题模型构建、风控模型开发、审计模型开发和知识资产落地。

1

业务数据地图（数据资产）落地

业务数据地图以业务流程视角构建企业业务数据与流程关系的模型。基于咨询阶段的梳理成果，可自动生成业务责任矩阵、数据责任矩阵、实体/属性以及实体关系，同时快速实现多源数据汇聚、数据标准处理、业务流程表落地、数据质量稽核、数据安全管控、数据血缘生成和全业务流程构建，实现业务数据地图（数据资产）落地。

• 多源数据汇聚

通过数据集成能力实现各类主流关系型数据库、大数据仓库和文件系统等多源数据接入。

• 数据标准化处理

对原始数据进行过滤、去重、转换、关联回填等标准化操作，将数据转换成符合系统定义的标准数据的格式，并对数据集进行关键信息补全。

• 业务流程表落地

即业务数据地图模型物化为业务流程表的过程。可通过ODS层来完善业务数据地图模型的取数过程、质量规则配置、存储策略及调度策略配置等。

• 数据质量稽核

基于业务数据调研梳理的数据质量规则，构建质量稽核任务，并在业务数据地图模型落地时同步落地。

• 数据安全管控

基于业务数据调研梳理时梳理的分级、分类等安全规则，在数据发布为资产时自动绑定数据安全策略。

• 数据血缘生成

随着业务流程表的落地，可自动生成数据血缘，以图形化的方式展示数据的流转方向。

• 业务流程表落地

年终工作总结是对过去一年、某一时期或某项工作的情况（包括成绩、经验和存在的问题）的总回顾、评价和结论。

2

价值地图落地

结合业务域数据地图与业务流数据地图的落地成果，将业务流融合组织和财务属性，能够快速落地企业的业务价值地图模型，赋能企业运营过程可视化应用建设，帮助企业及时深入地分析业务流各环节成本和效益。

基于价值地图咨询阶段成果，支持EXCEL模式和画布模式落地价值地图。

• EXCEL模式

通过在模板填写数据后导入，自动生成业务流程价值体系。

• 画布模式

通过组件化挂载新增价值节点和端到端流程节点实现快速创建。

3

主数据管理与分发

基于主数据的调研咨询成果，能够实现主数据快速接入与处理，以及一键同步咨询阶段梳理的主数据模型并建立映射、构建灵活的分发规则以及对主数据的全生命周期管理。

按照以下路径进行开发落地：

• 主数据快速接入与处理

多源主数据快速接入，全面的数据标准化处理能力，让咨询阶段梳理的数据标准能够真正落实。

• 咨询成果一键同步

咨询阶段梳理的主数据模型可一键同步，通过可视化的方式与来源数据建立映射关系。

• 灵活的分发规则

根据不同业务场景定义主数据分发范围、方式，支持失败重发，并可通过日志查看分发内容。

• 业务流程表落地

年终工作总结是对过去一年、某一时期或某项工作的情况（包括成绩、经验和存在的问题）的总回顾、评价和结论。

4

业务指标开发

基于业务指标咨询成果，形成业务指标地图、梳理定义业务指标属性、构建指标责任矩阵，为指标应用奠定基础。

按照以下路径进行开发落地：

• 咨询结果一键同步至指标开发

在咨询阶段梳理构建的业务指标可全量/批量/单独同步至指标管理平台进行进一步的指标审核与模型开发，无缝衔接。

• 指标审核到发布一站式指标开发

通过审核后的指标方可进入开发阶段，避免无效投入，指标开发全流程通过配置化操作即可完成，降低开发门槛。

• 指标构建全链路血缘关系自动生成

指标数据从原始表→标准表→主题表→维度表&事实表→汇总表→应用指标，全过程血缘关系（字段级）清晰可溯源。

• 指标数据一键发布为数据资产

发布成数据资产的指标数据可在数据资产管理平台被检索、被申请，提供API接口快速供各业务部门/第三方厂商使用。

5

主题模型构建

主题模型围绕实体，将跨域的实体数据在同一个粒度基础上组织归纳起来。基于主题模型咨询成果，以全程可视化配置完成企业主题模型建设、形成主题画像。通过整合和分析企业内外部的数据为管理层提供更全面、准确的信息，有助于制定科学合理的战略规划和决策，是企业数字化转型和业务创新的重要基础。

按照以下路径进行开发落地：

• 实体落地与关联

基于主题模型咨询成果，创建业务数据地图中的实体和属性。

• 主题模型构建

基于主题模型咨询成果，围绕实体创建主题逻辑模型，当主题表单表无法满足存储需要时，可关联创建主题子表和主题扩展表。

• 主题模型构建

基于主题模型咨询成果，围绕实体创建主题逻辑模型，当主题表单表无法满足存储需要时，可关联创建主题子表和主题扩展表。

• 主题画像

主题画像基于主题模型为企业提供丰富、直观的数据和信息，帮助企业进行数据驱动的决策。通过对主题画像的深入分析，企业可以制定更加科学和有效的战略，提高决策的准确性和成功率。

6

风控模型开发

完成风控咨询后可快速实现成果落地，立足大数据视角通过风险模型对业务数据进行监测和预警，及时发现业务开展过程中的风险操作/不合规操作状况并进行闭环管控。同时，在风控管理过程中会沉淀出风控指标库、风险分析模型库及风险库，形成企业风控合规管理生态，持续为风控监管赋能。

按照以下路径进行开发落地：

• 业务数据采集汇聚

基于风控目标和咨询成果，随着业务数据地图落地汇聚风控相关业务数据，结合企业现行风控监测指标，分层分类地落地风险指标体系。

• 风险分析模型构建

基于风控咨询阶段梳理的风险分类和风险项创建风险分析模型，模型创建时可关联风险分类与指标。

• 风险数据关联分析

以风控咨询结果作为风险管控落地的入参依据，通过智能化算子编排的方式快速实现风险分析模型构建。

• 风险分析阈值设置

根据风控指标类型、风控阈值区间判定风险项的风险等级，触发对应风险后将根据风险等级落在不同风险区。

• 风险模型库

随着风险模型开发，企业也将逐步沉淀各类风险模型资产，持续为企业风控监管赋能。

7

审计模型开发

基于审计咨询成果，以大数据技术为基础的审计分析引擎为支撑，打通流程、数据壁垒，从线索分析、数据模型构建为重点，沉淀审计知识，构建审计资源，沉淀审计模型，形成审计知识库，为企业审计提供模型及知识基础，赋能审计应用，促进审计业务创新。

按照以下路径进行开发落地：

• 审计数据采集汇聚

基于审计项目和咨询成果，随着业务数据地图落地汇聚审计相关业务数据。

• 审计分析模型开发

以审计咨询结果作为审计模型落地的入参依据，通过智能化算子编排的方式快速实现审计分析模型构建。

• 审计模型线索分析

基于审计分析模型运行识别的疑似线索数据进行审计线索分析，同时也支持自定义分析数据，以图表和明细数据的方式分析展示。

• 项目审计疑点标注

对于可疑的数据进行疑点数据标注，可生成工单指派专人进行后续的跟踪和处理。

• 审计分析模型库

随着审计分析模型开发，企业也将逐步沉淀审计模型资产和审计线索、疑点知识，为企业后续审计项目不断赋能。

8

知识资产落地

随着前七项数据工程的陆续落地，企业将逐步沉淀丰富的主题、指标、文档等数据知识资产。通过AI大模型驱动知识资产库，让用户能够通过自然语言的方式进行对答形式的数据和知识查询，降低知识数据在获取、使用的门槛和效率方面的挑战，为决策者和业务人员带来前所未有的数据分析体验。

知识资产落地应用包括：

• 问数-指标智能问答

可通过对话方式，查询分析指标及表格数据，生成分析报告和数据仪表盘等，例如快速查询某段时间内集团营收分布情况、预算执行情况、人才引进情况等。

• 知信-企业智能知识库

对企业内规章制度、管理规范、产品文档、操作手册、各类档案/案例等知识资产进行加工，借助大模型的意图理解、逻辑推理及内容生成等能力，提高经验传递效率，减少因认知偏差带来的成本损耗。

落地是企业数据建设的核心环节工作，而无缝衔接咨询成果与开发落地是企业数据工程的前提条件，成熟的数据引擎是企业数据工程的必要支撑，全面的数据配置能力是企业数据工程的基础保障。基于数据工程咨询成果，通过业务数据地图（数据资产）落地、价值地图落地、主数据管理与分发、业务指标开发、主题模型构建、风控模型开发、审计模型开发和知识资产落地共同组成数据工程-落地环节，完善数据管理，支撑数据应用。