《艾瑞咨詢：2024年中國企業數據治理白皮書（37頁）.pdf》由會員分享，可在線閱讀，更多相關《艾瑞咨詢：2024年中國企業數據治理白皮書（37頁）.pdf（37頁珍藏版）》請在三個皮匠報告上搜索。

1、2024 iResearch Inc.2024中國企業數據治理白皮書2LEGAL STATEMENT版權聲明本報告為艾瑞數智旗下品牌艾瑞咨詢制作，其版權歸屬艾瑞咨詢，沒有經過艾瑞咨詢的書面許可，任何組織和個人不得以任何形式復制、傳播或輸出中華人民共和國境外。任何未經授權使用本報告的相關商業行為都將違反中華人民共和國著作權法和其他法律法規以及有關國際公約的規定。免責條款本報告中行業數據及相關市場預測主要為公司研究員采用桌面研究、行業訪談、市場調查及其他研究方法，部分文字和數據采集于公開信息，并且結合艾瑞監測產品數據，通過艾瑞統計預測模型估算獲得；企業數據主要為訪談獲得，艾瑞咨詢對該等信息的準確性

2、、完整性或可靠性作盡最大努力的追求，但不作任何保證。在任何情況下，本報告中的信息或所表述的觀點均不構成任何建議。本報告中發布的調研數據采用樣本調研方法，其數據結果受到樣本的影響。由于調研方法及樣本的限制，調查資料收集范圍的限制，該數據僅代表調研時間和人群的基本狀況，僅服務于當前的調研目的，為市場和客戶提供基本參考。受研究方法和數據獲取資源的限制，本報告只提供給用戶作為市場參考資料，本公司對該報告的數據和觀點不承擔法律責任。法律聲明3目 錄CONTENTS010203中國企業數據治理勢在必行中國企業數據治理行業發展洞察中國企業數據治理實踐應用04中國企業數據治理行業發展趨勢4中國企業數據治理勢在

3、必行0152024.7 iResearch Inc.www.s-政府側：政策支持數據產業優化明確數據作為生產要素的重要地位，構建數據制度，發揮數據最大效能近年來，我國從數字經濟發展、數據要素基礎、企業數據資源入表等角度持續完善數據相關政策，旨在鼓勵企業及數據行業廠商深挖數據資源，以數據為生產要素，推動企業高質量發展。去年起，各省市地方也圍繞數據要素的利用分別針對性擬定發展方案，提出未來數年發展目標，圍繞自身優勢稟賦規劃適應自身的數字路徑。國家及地方數據相關政策來源：根據公開資料，艾瑞咨詢研究院自主研究及繪制。關于更好發揮數據要素作用進一步加快發展數字經濟的實施意見立足數字經濟新賽道推動數據要素

4、產業創新發展行動方案關于更好發揮數據要素作用推動廣州高質量發展的實施意見數據要素市場化配置改革三年（20232025年）行動計劃北京市上海市廣州市武漢市充分挖掘數據資產價值，打造數據要素配置樞紐高地。形成一批數據賦能的創新應用場景，培育一批數據要素型領軍企業“十四五”數字經濟發展規劃提出數據要素是數字經濟深化發展的核心引擎。數據對提高生產效率的乘數作用不斷凸顯，成為最具時代特征的生產要素要素市場化配置綜合改革試點總體方案聚焦數據采集、開放、流通、使用、開發、保護等全生命周期的制度建設，推動部分領域數據采集標準化關于構建數據基礎制度更好發揮數據要素作用的意見壓實企業的數據治理責任。在數據采集匯聚

5、、加工處理、流通交易、共享利用等各環節，推動企業依法依規承擔相應責任企業數據資源相關會計處理暫行規定企業應當根據數據資源的持有目的、形成方式、業務模式等方式，對數據資源相關交易和事項進行會計確認、計量和報告要素市場化配置綜合改革試點總體方案在“2522”整體框架下，夯實數字基礎設施和數據資源體系“兩大基礎”，強化數字技術創新體系和數字安全屏障“兩大能力”“數據要素”行動計劃推動數據在不同場景中發揮千姿百態的乘數效應2021.122021.122022.122023.22023.82023.12全力推進數據資源全球化配置、數據產業全鏈條布局、數據生態全方位營造，著力建設具有國際影響力的數據要素配

6、置樞紐節點加快推進數據基礎制度建設，培育統一數據要素市場，激活數據要素潛能，促進數據要素與實體經濟深度融合著力破除影響數據要素有序流通的體制機制障礙，激活數據要素潛能，賦能數字經濟高質量發展國家級省市級62024.7 iResearch Inc.www.s-2024.7 iResearch Inc.www.s-政府側：數據管理成熟度模型DCMM明確數據治理評估維度，幫助企業定位自身能力，優化數據管理升級方向為完善企業數字化建設、提升企業內部管理能力，2018年我國推出首個數據管理領域國家標準DCMM。標準將組織的數據能力劃分為8個核心能力域、28個過程域以及445條能力等級標準。通過材料評審、

7、人員訪談、問卷調研等方式，借助一套成熟模型工具，對目標企業定級并編制評估報告。DCMM一方面幫助企業審視自身數據資產的管理現狀，認知差距及發展方向；另一方面，其評審也是對數據管理理念的一種宣貫，指導企業開展數據相關人員培訓，提升人員數字化技能，增強企業數據管理能力。數據戰略規劃數據戰略實施數據戰略評估數據戰略數據治理組織數據制度建設數據治理溝通數據治理數據需求數據設計和開發數據退役數據生存周期業務術語參考數據和主數據數據元指標數據數據標準數據模型數據分布數據集成與共享元數據管理數據架構數據分析數據開放共享數據服務數據應用數據安全策略數據安全管理數據安全審計數據安全數據質量需求數據質量檢查數據質

8、量分析數據質量提升數據質量優化級量化管理級穩健級受管理級初始級DCMM的八能力域與五等級DCMM對于數據治理供需雙側的意義來源：根據公開資料，艾瑞咨詢研究院自主研究及繪制。來源：根據公開資料，艾瑞咨詢研究院自主研究及繪制。量化評估企業數據管理及數據資產質量在企業數據資產并表的背景下，DCMM評估成為企業數據資源價值的有力佐證。企業期望將自身數據管理的標準度、規范度等隱性能力通過DCMM評估客觀地展示出來促進數據治理平臺的銷售數據治理平臺及工具將數據資產管控過程由人工轉變為線上自動化處理，將管理日志配合專業模板導出，以供DCMM評估，增強了DCMM評審材料可信性，縮短評審周期需求側大型企業及國央

9、企重視數據治理專業能力資質的獲得在企業數字化轉型的必然趨勢下，大型企業及國央企希望通過獲得DCMM認證向外展示內部數字化能力，為企業品牌增色，在市場推廣或行業合作時形成能力加成01供給側0272024.7 iResearch Inc.www.s-2024.7 iResearch Inc.www.s-0.50.60.81.01.31.62.22017201820192020202120222023大數據產業規模（萬億元）來源：數字中國發展報告（2020-2022），全國數據資源調查報告（2023年），艾瑞咨詢研究院自主研究及繪制。來源：數字中國發展報告（2020-2023），數字中國建設發展進程

10、報告（2019），艾瑞咨詢研究院自主研究及繪制。產業側：數據資產已成為重要生產要素數字技術成熟及經濟范式更新，我國數據產量及大數據產業規模高速增長近年來我國數據資源規模高速增長，2023年總規模達到32.9ZB，2017-2023年復合增長率為27.6%，是我國同時期GDP復合增長率的5倍有余。數據已成為國民經濟的重要生產要素，企業通過匯集、整理、加工與分析實現數據的價值釋放，指導企業包括資源分配、流程管理和戰略規劃等一系列生產經營決策。我國大數據產業規模上升幅度與數據產量增幅大致相當，2017-2023年復合增長率為28.0%，2023年規模達到2.2萬億元。這一方面得益于Hadoop、Sp

11、ark、Flink等開源技術更加成熟；另一方面也是數字經濟下消費、生產等各類經濟行為全面的由線下向線上遷移的結果；隨著近年來以大模型為代表的AI技術突破式發展，大數據找到了全新的天然應用場景，經過治理的數據成為大模型訓練的“食物”，支持模型的精細打磨和泛化應用。2.33.03.95.16.68.132.92017201820192020202120222023數據產量（ZB）2017-2023年中國數據產量（ZB）2017-2023年中國大數據產業規模（萬億元）CAGR27.6%CAGR28.0%約5.2%同時期GDP CAGR2”的效果二次增長數據治理進入時點16中國企業數據治理實踐應用03

12、172024.7 iResearch Inc.www.s-數據治理最佳實踐數據工程是一套完整的實現從數據資源到企業價值的系統工程來源：艾瑞咨詢研究院自主研究及繪制。咨詢落地應用管理企業數據治理建設閉環管理特征一：一套容易落地的方法論特征二：一站式的技術平臺能力特征三：一個可復制的最佳實踐根據客戶的實際需求開展輕量咨詢，進行全程線上化工具管理，保證后期的落地；支持承接線上咨詢、輸出，快速接入數據，完成模型落地一站式平臺能夠集中管理組織內的所有數據，提供統一的視圖和控制點；應用場景豐富，能夠基于落地的數據快速搭建數據應用和服務體系引入國內權威數據管理體系，引導企業逐漸走向規范化；數據工程基于通用的

13、原則與方法，適用于不同的項目和組織，并且經過驗證能夠確保數據的準確性、安全性和高效處理182024.7 iResearch Inc.www.s-數據治理的內涵：整體方案架構圖數據引擎封裝底層平臺能力，無縫支撐數據工程建設來源：艾瑞咨詢研究院自主研究及繪制。數據工程整體方案架構圖數據工程PaaS底座數 據 引 擎咨詢成果同步步驟二：落地數據運營組織數據運營體系數據管理能力業務數據地圖主數據管理平臺智能數倉平臺指標管理平臺風險分析引擎審計分析引擎機器學習&AI引擎數字化場景步驟一：咨詢步驟四：管理步驟三：應用運營狀態可視化運營過程可視化運營風控可視化運營狀態可視化運營過程可視化運營風控可視化指標/

14、模型開發數據服務總線數據管理支撐企業內外部數據源數據集成元數據管理數據挖掘處理數據治理數據管理數據資產數據服務數據安全數據基礎平臺業務數據地圖業務數據流程、責任矩陣、數據標準等業務指標指標識別指標定義.風險控制風險識別風險評估.審計監管審計制度審計模型.業務數據地圖（數據資產）數據標準化處理、質量稽核、分級分類等業務指標指標審核指標開發.風險控制模型開發預警配置.審計監管模型開發線索分析.業務系統線下表格非結構化文件第三方數據互聯網數據192024.7 iResearch Inc.www.s-數據工程建設：咨詢環節以數據語言解構業務，線上化咨詢，成果直落平臺，所見即可所得企業數據建設是一項系統

15、工程，需要解析業務現象背后的需求原因，針對性地實現落地，才能幫助企業善用數據資產，充分釋放數據價值，進一步為實踐提供指導。數據工程建設可分為咨詢、落地、應用、管理四大環節，咨詢環節是企業進行數據建設閉環管理的第一步，其能力和優勢體現在三方面：第一，以“業務數據地圖”為抓手，翻譯業務需求為數據化語言，為數據建設確立目標與路徑；第二，咨詢過程與成果線上化，協同用戶快速完成需求確認與修正，避免信息偏差；第三，咨詢成果無縫銜接至數據平臺落地開發，大幅縮短數據建設周期，減少成本投入。整體而言，咨詢環節旨在幫助企業摸清數據現狀、理順數據在業務中的流向、找準數據與業務的關系，解決技術與業務脫節和咨詢與落地“

16、兩張皮”難題，讓數據應用少走彎路。來源：艾瑞咨詢研究院自主研究及繪制。數據工程全鏈路解決方案傳統數據建設vs數據工程解決方案傳統模式下：數據治理大多重技術、輕業務，業務需求難以與數據平臺信息串聯，脫節嚴重。數據工程下：通過咨詢將業務需求轉化為數據語言，倡導可落地化的咨詢體系，并充分與數據落地環節打通，實現數據建設真正緊扣業務價值。01 咨詢企業數據建設閉環：咨詢環節在線需求調研收集，在線構建數據模型數據資產建設主數據管理業務洞察分析數據標準、質量合規、數據共享服務等一物一碼、全局唯一、統一交換等采購/財務/預算/質量等業務數據分析構建數據模型02 落地03 應用04 管理業務數據模型業務數據流

17、標準/質量/安全責任矩陣業務元數據實體關系主數據模型識別主數據范圍、設計主數據模型與編碼、制定主數據運維流程等業務指標模型梳理指標業務、技術與管理屬性、形成指標分類體系與責任矩陣等風險監管模型收集風險監管依據、識別潛在風險項、設計風控指標與預警規則等審計分析模型收集審計監督依據、根據審計項目識別審計要點、設計分析模型等風控/審計監督合同、合規、財務等風險及招采、經責審計等202024.7 iResearch Inc.www.s-落地環節中，能夠實現落地的內容包括數據資產落地、主數據管理與分發、業務指標開發、風控模型開發以及審計模型的開發等?；谧稍冸A段“業務數據地圖”的梳理成果，能夠快速落地各

18、業務域下的業務數據地圖模型，支持企業快速開展數據集成匯聚、數據標準執行、數據質量優化、數據安全管控、數據血緣分析、數據資產管理及服務?；谥鲾祿恼{研咨詢成果，能夠實現主數據快速接入與處理，以及一鍵同步咨詢階段梳理的主數據模型并建立映射、構建靈活的分發規則以及對主數據的全生命周期管理?；跇I務指標咨詢成果，形成業務指標地圖、梳理定義業務指標屬性、構建指標責任矩陣，為指標應用奠定基礎?；趯徲嬶L控咨詢，沉淀審計風控知識，構建審計風控資源，沉淀審計風控模型，形成審計風控知識庫，為企業風控審計提供模型及知識基礎，賦能審計風控應用。數據工程建設：落地環節基于數據工程咨詢成果，落地業務數據地圖并開發業務

19、指標、主數據模型、風控模型、審計模型，完善數據管理，支撐數據應用來源：艾瑞咨詢研究院自主研究及繪制。數據工程全鏈路解決方案02 落地傳統數據建設vs數據工程解決方案傳統模式下：企業對數據建設最終效果缺乏具像化認知，導致對數據治理的實踐成果認可度偏低。數據工程下：通過無縫的咨詢與落地銜接能力，實現咨詢成果與各數據開發平臺打通。全棧的數據引擎開發實現能力為企業數據工程落地提供了全棧的開發能力支持。具有高度可視化的數據配置能力，融合了低代碼化/可視化開發理念，均支持用戶直接配置完成，操作門檻極低。01 咨詢03 應用04 管理數據工程-落地企業數據建設閉環：落地環節數據工程-咨詢業務數據地圖咨詢業務

20、指標咨詢業務指標開發指標開發：指標審核-指標模型配置-模型校驗-模型開發-指標發布指標血緣&溯源指標在線勾稽指標授權管理主數據管理與分發主數據標準化處理主數據模型構建模型類別、模型字段、編碼規則等主數據分發集成主數據運營維護主數據采集匯聚業務數據地圖（數據資產）落地質量優化數據資產統一標準安全管控質量稽核監測結果數據處理資產目錄資產標簽資產檢索數據過濾數據去重命名統一分級分類脫敏加密數據授權咨詢成果同步風控咨詢主數據咨詢審計咨詢模型開發流程：數據采集-審計模型開發-審計線索分析-疑點標注-審計知識庫審計模型開發風險控制流程：風控數據采集-風控模型建構-風險數據分析-風險閾值設定-風控知識庫風控

21、模型開發212024.7 iResearch Inc.www.s-數據工程建設：應用環節聚焦運營狀態、過程、風控三大環節可視化，驅動數據決策和業務創新應用環節的工作聚焦于將數據治理成果應用于實際業務中，推動數據驅動的決策和業務創新，這包括數據資產的管理、數據分析、數據挖掘等。企業需關注數據治理的實際應用效果，確保數據能夠為企業帶來價值，這主要體現在三個方面：1）數據治理通過直觀的可視化手段，將復雜的數據治理過程和成果以圖表、儀表板等形式清晰展現，確保數據資產得到有效利用。2）在數據治理的落地過程中，引入低代碼開發模式，使得業務開發變得簡單快捷。即便沒有專業的編程背景，業務人員也能通過簡單地配置

22、和操作，實現數據治理的相關功能，降低了技術門檻，提高了工作效率。3）數據治理系統支持自適應式配置，可以根據不同層級用戶的需求進行靈活調整，為企業數據驅動的發展提供有力保障。來源：艾瑞咨詢研究院自主研究及繪制。數據工程全鏈路解決方案03 應用傳統數據建設vs數據工程解決方案傳統模式下：提供的產品更類似于一種操作工具，而非一種應用型平臺或實踐策略，實現數據治理需通過手工取數構建應用。數據工程下：新型解決方案可將咨詢、落地環節成果一鍵傳遞至應用建設階段，減少額外進行需求分析、方案設計工作。01 咨詢02 落地04 管理運營狀態可視化運營過程可視化運營風控可視化實時管理研發效能把控戰略運營進度實現數字

23、化績效管理跟蹤審計風控與管理全局把控企業風險洞察企業運營健康度指標化管理數據資產企業數據建設閉環：應用環節222024.7 iResearch Inc.www.s-數據工程建設：管理環節遵循標準數據管理（DCMM）理念，輔助企業數據組織體系建設、賦能企業核心數據管理能力，并提供便捷化完成DCMM貫標的能力DCMM數據管理能力成熟度評估模型，是我國在數據管理領域首個正式發布的國家標準，從組織、制度、流程、技術等不同領域提供不同維度的數據整合及管理能力，提供從數據生存周期到數據應用的全過程數據管理。通過開展數據工程咨詢與落地，全面覆蓋DCMM要求的能力項，包括45項數據管理運營體系（形成數據文化）

24、建設+105項技術平臺落地需求，實現從數據戰略、數據標準、數據架構、數據質量、數據治理、數據應用、數據全生命周期、數據安全等層面的數據管理。同時，為保障企業數據體系的順利運營，通過數據工程，提供材料、架構體系的支持，實現持續的數據運營工作，確保數據工程能夠有效落地。來源：艾瑞咨詢研究院自主研究及繪制。數據工程全鏈路解決方案04 管理傳統數據建設vs數據工程解決方案傳統模式下：只關注業務，沒有按照國家、行業要求進行管理實施，因此無效管理情況嚴重，導致數據有效利用率不足。數據工程下：提供材料、架構體系的支持，輔助企業實現持續的數據運營工作?；贒CMM八大能力域實現企業的全流程的數據標準化管理。D

25、CMM八大能力域與數據工程完美映射，完成數據工程的同時，能夠同步實現DCMM的認證貫標。03 應用01 咨詢02 落地企業數據建設閉環：管理環節數據戰略管理數據標準管理數據架構管理數據質量管理數據治理管理數據應用管理數據生命周期管理數據安全管理管理體系幫助企業建立一個有序、高效的數據組織框架，提升企業數據管理能力方面的價值；通過數據工程，企業可以更好地理解、管理和應用其數據資源，從而增強自身的核心競爭力同步DCMM支持數據體系建設快速幫助企業完成DCMM的貫標過程，既可以提高企業的數據管理能力，還可以使得企業更好地符合行業標準，獲得更廣泛的市場認可遵循標準的數據管理232024.7 iRese

26、arch Inc.www.s-數據工程2.0從“業務流”到“價值流”，鏡像企業運營價值鏈路，擔當企業經營觸角數據工程1.0核心圍繞企業全業務域梳理業務數據流，形成業務數據地圖，幫助企業診斷業務運營健康狀況，識別并分析各運營過程的進度或堵點等。數據工程2.0從企業戰略出發，以“創造價值”為內核，進一步拉通業務運營與財務數據，形成業務決策與財務核算融合的企業“運營孿生體”，前置化感知企業經營行為對財務報表的影響結果，在企業戰略運營、全面預算、成本管控、現金流調度、司庫管理等方面，賦能企業通過最佳資源與資金配置，引導并實現價值增值與流動，發揮業財大數據價值。來源：艾瑞咨詢研究院自主研究及繪制。數據工

27、程2.0建設數據工程1.0：拉通業務數據流L1采購域L2采購管理L3采購執行例：采購業務流按照業務域梳理各子業務流程下數據，形成業務數據流地圖1.0側重滿足企業數據治理需求，助力企業建成高質量數據資產，幫助企業診斷業務運營健康狀況，識別各運營過程進度/堵點等L4采購需求1采購需求單號2需求部門3物料名稱4物料編碼5需求數量6.數據工程2.0：拉通經營價值流例：采購價值流采購需求采購申請采購訂單到貨檢驗財務付款采購入庫關鍵決策點業財關聯流程財務流程梳理端到端價值鏈，形成企業經營域價值流地圖2.0實現了對業財價值全景的透視，為決策者提供實時動態的經營觸手，為中層干部和執行層提供業務行為“度量尺”，

28、避免經營觸礁業務財務數據戰略數據工程1.02.0242024.7 iResearch Inc.www.s-數據工程的價值助力企業構建戰略業務財務戰略的閉環高韌性發展能力數據工程的價值在于提供一整套包含數據治理、數據落地、場景構建、管理運維的完整數據建設與應用體系，改變了以往大量采購各類數據治理工具，最后卻難以落地的現狀。以業務流程為指引，通過全流程在線的數據構建能力，打造企業高可用的數據底座，以此促進數據流與財務流、訂單流的融合，從而實現對戰略規劃與解碼、業務執行、業績對標等重要場景的數據驅動，最終完成對企業運營模式的數字化改造，提升企業對多變環境的感知能力，實現數據驅動的可持續發展。來源：艾

29、瑞咨詢研究院自主研究及繪制。數據工程的價值解讀從業務視角驅動數據治理一站式數據治理以業務全景的展開為準繩，通過咨詢+落地+應用+運營一站式完成數據治理，讓業務部門充分參與到數據治理的工作中，從而讓數據更精準體現業務屬性，最終構建高質量的數據資產體系業財融合的價值鏈構建構建創新的數字運營孿生體運營視角釋放數據價值數據視角打通業財融合通過數據能力將企業核心業務活動與其財務價值視角進行串聯，實現運用價值鏈的分析方法來確定核心競爭力，以形成和鞏固企業在行業內的競爭優勢通過數據能力構建企業從戰略決策到運營執行、績效評估的運營過程的鏡像孿生體，幫助企業決策層穿透經營的各個環節，打破管理的黑盒，實現真正用數

30、據輔助決策252024.7 iResearch Inc.www.s-制造業行業痛點及數據治理效果踐行業務驅動數據治理理念，線上化構建業務數據地圖，通過數據治理打造企業數據資產基座，實現企業狀態、過程、風控可視化管理數字化轉型已成為制造業提升競爭力、實現高質量發展的關鍵途徑。但制造業業務系統MES、ERP、PLM、OA等存在數據孤島、數據標準不統一、數據質量差等問題，影響制造業全流程協作效率和決策及時性、準確性與科學性，也不同程度的影響著企業戰略運營執行，無法滿足企業抵御內外部風險的能力要求，最終阻礙企業數字化轉型進程。因此，制造業亟需通過業務驅動數據治理，形成企業不同業務域的數據資產，以此為基

31、礎孵化各數字化數據應用場景，實現輔助企業經營管理、加強戰略執行、提升風險監管的目標。來源：艾瑞咨詢研究院自主研究及繪制。制造業行業痛點及數據治理效果數據孤島數據標準不統一數據質量差數據服務弱MES、ERP、PLM、OA等各制造業業務系統存在系統墻，導致數據孤島嚴重打通數據壁壘打通各業務系統之間的系統墻，融合生產域、財務域、采購域等數據，加強數據深度及廣度的融合挖掘制造業業務系統之間存在著數據標準不統一的情況，導致訂單、生產、倉儲等數據無法融合統一數據標準以主數據管理為抓手，重塑制造業人員、組織架構、物料、資產數據標準，加速數據在不同部門、系統間流轉各業務之間差別很大，業務環節對數據質量監管不足

32、，導致數據質量低下，直接影響數據分析的準確性提升數據質量加大數據質量管理力度，對業務數據進行數據質量檢測，提高數據質量標準，提升數據分析的準確性、科學性缺乏制造業數據資產建設，且在數據資產基礎上數據服務能力差，數據要素價值體現亟待加強加強數據共享加強制造業數據資產建設，從生產域、財務域、采購域等入手，提升數據共享服務能力，加快數據價值體現前后前后前后前后運營狀態可視為制造業企業構建全局狀態縱向到底狀態可視場景，建立企業數字化經營管理指標體系，實時全局經營狀況的數字可視化，層層穿透，高效輔助業務決策運營過程可視為制造業企業構建全業務流程橫向到邊、縱向到底的場景，業務全生命周期管理體系，業務全流程

33、可視化追蹤，以數據驅動業務，提升企業協同運營效率運營風控可視為制造業構建企業數字化風險控制體系，企業運營的持續性風險控制，幫助企業改善運營，降低成本，提高收益應 用治理治理治理治理262024.7 iResearch Inc.www.s-制造業數據治理典型解決方案以業務驅動數據治理為理念，基于業務數據地圖，圍繞企業核心業務域展開數據治理，構建制造業數字應用場景，支持企業經營管理與風險控制來源：艾瑞咨詢研究院自主研究及繪制。制造業數據治理典型方案ERP、SRM、CRM、MES、QMS、WMS、PLM、財務、人事、合同.內部業務系統數據企業基本信息數據（企查查等）、征信數據（啟信寶等）、輿情服務平

34、臺數據.第三方數據裁判文書網、微博數據.互聯網數據數據源數據工程數據引擎數據中臺智能數倉主數據管理平臺指標管理平臺風險引擎審計引擎機器學習&AI引擎數據工程STEP01-咨詢STEP02-落地STEP03-應用STEP04-管理運營孿生運營規劃與解碼運營管理與調控運營評價與復盤運營狀態可視化運營過程可視化運營風險可視化事前/事中預警風險分析監測與預警事后違規追責業務全面審計監督事后事前/事中企業審計風控大腦看目標進度目標達成監控預警看預算執行企業預算執行跟蹤看財務報告業財價值全景與透視量化戰略目標戰略目標分解為量化指標做計劃和預算經營計劃制定與預算編制定戰略基調企業戰略目標規劃評估目標達成度運

35、營目標評估分析考核績效做分配運營績效管理與考核結果復盤與改進目標復盤分析與調優技術平臺與服務支撐決策層看整體企業運營駕駛艙管理層看部門如采購/庫存看板執行層看細節業務執行分析報表制造業企業的數字系統建設水平相對較高，具備ERP、MES、PLM、OA等運營管理系統管理系統，但這些系統彼此孤立，系統間數據標準不一致、數據質量不高、資產建設薄弱且數據共享能力不足。制造業的數據治理核心是“業務驅動”這一理念，圍繞這一理念展開數據治理這一工作，從線上化咨詢到落地、到場景化應用以及項目建設前期、中期、后期的運營管理進行階段性建設。通過對企業經營管理、戰略運營、績效管理、審計風控等場景化建設，從不同維度加強

36、企業經營管理的輔助決策、過程分析、風險管控，加速制造業數字化轉型。272024.7 iResearch Inc.www.s-工程設計行業痛點及數據治理效果以項目全生命周期管理為切入點，用數據助力“大象跳舞”當前，工程設計行業信息化工作仍然存在不足。企業信息系統的信息孤島普遍存在，工程勘察設計、施工和運維的數據還不能高效共享。設計行業重點關注合同與項目的全生命周期管理，亟需打破傳統信息孤島，基于統一的數據資產進行項目全生命周期的科學決策。住建部印發的“十四五”工程勘察設計行業的發展規劃中指出，行業應當側重管理運營的數字化舉措，優化完善現行管理流程與業務系統。在總體數字化戰略基礎上，小步快跑的敏捷

37、模式能夠讓工業設計企業跟上市場、業務與技術的變化，少走彎路，并提升數字化舉措的投入回報，讓傳統的工程設計行業這頭大象“翩翩起舞”。來源：艾瑞咨詢研究院自主研究及繪制。工程設計行業痛點及數據治理效果數據過于分散、歷史數據質量不高企業在歷史業務中存在非常大量的非標準數據，并且在持續產生大量數據，進行網絡清洗和數據治理的工作量很大數據安全風險管控工程設計類企業通常處理大量敏感數據，如設計圖紙、客戶信息等，數據泄露或不當使用將帶來嚴重的安全風險數據割裂嚴重，難以支撐全生命周期穿透項目管理流程長、牽涉部門與系統多，系統間數據割裂較為嚴重，難以從全生命周期視角對于項目管理的情況進行實時穿透，存在大量管理黑

38、盒治理思路01 數據范式規范化02 數據安全保障03 體系化的數據管理打通多種專業軟件和系統，使得設計、材料、成本等數據版本一致、可聚合管理，滿足項目效率要求04 以數據驅動決策工程設計對數據準確性要求高，且項目體量大，數字化平臺加密保護設計圖紙、技術細節和客戶信息日常數據處理與運維留痕，支持歷史數據追溯和多版本信息留存，解決追蹤難題建立統一的數據視圖，使得管理系統具備集中化、可視化分析業務的能力，從而為管理層決策提供支撐282024.7 iResearch Inc.www.s-工程設計行業數據治理典型解決方案構建全面的數據治理體系賦能工程企業，提高管控水平來源：艾瑞咨詢研究院自主研究及繪制。

39、工程設計行業數據治理典型方案在工程設計類企業中搭建數據治理體系，幫助其串聯內部多系統數據以及外部招投標實時數據，完成主數據治理以及各主題域的指標體系建設。具體可結合數據工程體系分析，著眼于咨詢、應用、管理三方面：1）咨詢：定義數據的模型結構和編碼規則，為用戶明確主數據（如客戶、產品、供應商等九大類）的管理和維護流程，建立高效的數據集成和分發機制；2）應用：為企業經營者提供統一的數據視圖，支持對企業全域數據直觀認知，并提供系統性、智能化決策；3）管理：幫助用戶構建日常數據運維的標準化流程，確保數據的持續穩定運行，并為數據管理提供制度保障。企業內外部數據源第三方數據互聯網平臺數據外部數據資產平臺企

40、業內部業務數據構建一體化數據賦能解決方案主數據建模主數據治理主數據管理智能數倉數據中臺統一企業全局數據，保證唯一性為決策提供指標支撐建立高質量數據體系主數據分發主數據維護指標建模指標溯源數據模型開發指標管理數據接入與處理數據挖掘數據資產管理數據安全管理API對接數據打通運營駕駛艙 可視化控制面板 輔助日常管理決策風險監管 實時感知重大客戶風險 精準識別供應商風險審計監督 經營審計 采購審計涵蓋集團數據公司數據洞察運營健康狀況業務賦能292024.7 iResearch Inc.www.s-創投行業痛點及數據治理效果立足數據視角驅動全局數字化轉型構建創投業務全生命周期運營管理與數據洞察體系中國投

41、資市場歷經三十載耕耘，已成長為全球矚目的繁榮市場，同時也意味著優勝劣汰加速、競爭更激烈，對投資機構運營能力要求更高。創投機構需要從投、管、退等各個業務環節對投資項目進行管控，管控周期長；且投資項目多，決策材料多，決策者無法在會前快速掌握項目情況來輔助決策，難以全盤掌握基金使用情況以及項目信息，基金健康分析難度大；同時基金多、人員多、項目多、項目區域分布廣等因素，使得創投機構難以分析投資人員的分布情況、項目投入是否合理等，無法對人力資源合理分配與調度；因此企業需要通過數據融合與治理，圍繞項目、基金、人員、財務等核心業務流程，建立投資業務全生命周期的數據洞察分析體系，助力創投機構提高投資專業力。來

42、源：艾瑞咨詢研究院自主研究及繪制。創投行業痛點及數據治理效果投資決策難1 痛點：投資項目整個流程鏈路長、涉及系統多、部門多；項目進展、企業信息等多維度項目信息跟蹤難以實現 效果：完成內部投資數據的橫向拉通與縱向貫穿，實現項目從投資階段、管理階段到退市階段的全生命周期的多維度統計和分析行業痛點基金洞悉難2 痛點：當前很多基金信息仍需線下管理，整個流程信息難以貫通，管理決策者無法全盤洞悉基金全流程動向 效果：實現從設立、投資、管理到退出的基金運營和管理情況多維度、全生命周期統計和分析人員規劃難3 痛點：各業務系統數據割裂導致無法建立對人員、部門進行綜合、客觀地分析，無法準確考核及輔助人力管理等決策

43、 效果：構建集團人才概覽、部門業績概覽、員工績效概覽，實現對集團人員信息的多維度統計和分析數據驅動難4 痛點：未形成統一的數據標準，導致各系統間的數據不一致，無法進行分析。例如：財務相關數據無法及時同步到跟投系統中 效果：形成數據標準，反哺ERP系統，打通財務、項目、人事的關鍵數據，實現業務數據驅動302024.7 iResearch Inc.www.s-創投行業數據治理典型解決方案構建多模塊事實洞察與線索分析，幫助企業以數據驅動業務優化來源：艾瑞咨詢研究院自主研究及繪制。創投行業數據治理典型方案數據洞察全維度業務洞察01大屏系統可視化數據流02自主分析基于數據洞察和自主分析獲得確定性指標，解

44、決歷史數據缺失和分析手段不足等問題，填補業務數據盲點數據驅動業務03創投行業數據治理為企業用戶提供了一個全面的解決方案，它首先支持離線數據的采集，并將這些數據與企業的ERP系統進行深度整合和治理。通過這種整合，企業能夠構建包括線索、項目、基金在內的多個業務模塊的事實洞察和詳細線索分析，從而獲得更全面、更深入的業務認識。其所構建的數據倉庫在這個過程中發揮著至關重要的作用，它能夠通過關聯回溯機制，有效解決ERP系統中可能存在的數據不一致、數據缺失或數據勾稽關系核查困難等問題。這使得輸出的各項指標具有高度的一致性和準確性，為企業提供了以數據驅動業務優化的堅實基礎。企業通過完善數據體系洞察業務進展和數

45、據分析，掌握基金、項目資源全維度信息，輔助業務部門和管理層的決策在對外場景下，可通過可視化大屏滿足參觀、監控、匯報的需求，包括賽道、階段、投資強度、社會效益等信息智能數倉：支持血緣回溯，可持續在線進行可視化關系的稽核，保證輸出指標的準確性，推動數據、流程整改數據基礎平臺：多源數據高效集成、海量數據存儲、海量數據實時分析挖掘能力，為上層業務應用提供統一數據能力支撐31中國企業數據治理行業發展趨勢04322024.7 iResearch Inc.www.s-數據治理趨勢（1/3）工程化數據治理逐步擺脫對工具的簡單使用，轉向更加工程化的整體建設思維企業需要更加積極擁抱新技術、新手段，將企業數據治理項

46、目建設的效率提升一個臺階。一方面，企業需要認識到體系化的建設工程的價值與意義；另一方面，企業需要探尋與引進支持全流程線上化、無縫化的數據治理與應用工具及平臺。來源：艾瑞咨詢研究院自主研究及繪制。數據治理全流程線上化平臺承載01從企業業務現狀出發，瞄準建設目標，線上化梳理出業務模型、業務指標、風控指標等咨詢交付物咨 詢02支持一鍵導入咨詢成果，接入實時數據后將各類業務模型、指標模型進行快速落地落 地03基于已落地的數據資產，面向戰略側、管理側、運營側的需求快速構建各類數據應用，提升數字化運營能力應 用04建立線上化的數據管理與運維體系，切實提升數據管控能力以及數據全流程運維能力管 理332024

47、.7 iResearch Inc.www.s-數據治理趨勢（2/3）業務驅動數據治理的驅動力需要由數據本身驅動切換至業務驅動業務驅動就是以業務需求為導向，從數據出發，實現數據的價值挖掘和應用。業務數據地圖是實現數據的工程化建設的核心抓手，它強調數據與業務的緊密結合，從而實現業務價值的最大化。業務數據地圖可以避免傳統數據建設中只注重技術和數據的局限性，能更好地支持業務的發展和決策。來源：艾瑞咨詢研究院自主研究及繪制。業務數據地圖數據資產建設審計分析監管主數據管理風險監測預警指標體系構建一“圖”多用統一標準質量合規數據安全權限管理主數據采集匯聚主數據標準化處理主數據模型構建主數據運營維護指標責任矩

48、陣指標屬性指標迭代留痕業務指標地圖風險管理目標風險信息收集風險分類分級風險定責審計要點識別審計分析模型審計數據盤點審計資料庫一張業務數據地圖，多個使用場景342024.7 iResearch Inc.www.s-來源：艾瑞咨詢研究院自主研究及繪制。數據治理趨勢（3/3）透明化引入可視化數據治理平臺，洞察數據治理全過程前瞻性研究分析指出，以DataOps為例的體系化思維與工具將有效支持企業進行數據工程的建設。從前期的數據類咨詢開始，到數據體系的構建過程、后續的管理與運維的全生命周期，通過線上工具將實時工作進展、未來建設目標、過程問題點等進行透明化管理，做到所見即所得，提升業務用戶與管理者對于數據

49、治理工作的感知度。數據治理透明化咨詢成果實時在線咨詢目標實時對齊落地進展透明呈現落地結果簡單可用01 咨詢02 構建管理制度流程透明管理成熟度能力在線對標數據全生命周期透明化追溯全局數據運行狀態透明易維護全流程透明04 運維03 管理35About Us關于中新賽克南京中新賽克科技有限責任公司（簡稱：中新賽克）成立于2007年，前身是中興通訊旗下子公司，現由深圳市創新投資集團有限公司投資控股。公司于2017年在深交所掛牌上市，股票代碼：002912。關于OceanMind海睿思OceanMind 海睿思，品牌創立于2016年，是中新賽克旗下的大數據操作系統品牌。海睿思在業內創新性提出系統化、線上化數據工程解決方案，重新定義企業數據治理，提供基于業務驅動、線上化、可視化、無縫銜接的數據建設服務，不斷助力企業數字化轉型。關于我們公司總部位于南京，10+全國分支機構，員工規模1200+核心研發職員約占員工總數的70%,具有中高級職稱的職員超30%客戶覆蓋制造業、工程設計、創投、能源、交通、石化、醫療等深耕數據領域，已為500+高端客戶，完成1000+成熟案例交付36BUSINESS COOPERATION業務合作海 睿 思 官 網中新賽克微信公眾號中 新 賽 克 官 網海 睿 思 微 信 公 眾 號www.s-400-100-聯系我們海 睿 思-企 業 數 據 治 理 新 主 張