一、制造业数据治理

1、一体化业务及数据管理体系

2、数据治理的数据架构—示例

• 建立可信、一致和实时的数据生态系统，支持透明和可视的供应链，并提供有价值得业务洞察。

1.通过数据标准拉通数据流

2.实时外部数据采集

3.建立统一的基础数据关系（数仓&数据模型）

4.报表、数据可视化

5.数据分析提供有价值得业务洞察

6.数据资产管理-通过管控，获得可信的、一致的和及时的数据

二、华为数据管理之道

1、华为一体化数据架构

2、一体化建模架构

3、华为企业级信息架构的四个组件

4、六项入湖标准

三、制造业数据治理解决方案

1、数据治理的价值

数据是公司的核心资产，数据准确是有效内控的基础。数据的价值和风险应被有效管理，以支撑内部管理简化、业务流集成、运营效率提升和经营结果的真实呈现。

让数据供给更好的支撑数据消费体系，降低使用成本，提升使用效率

2、数据治理及数据集设计的整体方法论

数据治理及数据集设计的整体方法论

数据治理及数据集设计的整体方法论

二、数据资产梳理：成果 – 数据目录（L1-L5资产清单）

三、数据标准制定：成果 – 数据标准（L5属性标准）

➢ 数据标准：对于 数据目录中 L5层属性 的标准化定义，用来说明 数据的 业务属性（名称、业务规则等），技术属性（数据类型、长度等），管理属性（数据维护责任人、数据管家等）。

四、数据模型设计：ONE ID逻辑设计

1、数据模型是数据中台的核心位置

数据模型是数据中台的核心位置数据模型是数据中台的核心数据资产，关系到基础数据整合，开发效率，和数据质量。如何整合好数据模型是数据中台成功的标志

2、全面管理和升级模型数据资产

通过对数据中台模型的管理，实现从孤井式的代码开发，到模型驱动的代码开发阶段的转变。实现了模型驱动的数据模型资产化，开发过程可审查，代码质量可靠性等转变，使中台成为企业数据资产的沉淀和发布中心，进而形成行业模型的影响力。

3、开发阶段的数据模型标准化

数据模型设计是开发过程的重要一环，影响程序架构，内外部API，会影响业务逻辑，以至分布式组件架构。

4、实现自动化和少人值守的落标流程