數據治理暨數據治理審計

邱健老師

課程背景

數字化變革改變了人們看待數據的方式。數據不再僅僅被視為商業活動的副產品，而是戰略資源，是發展和提供新型數字產品與服務，建立新型數字商業模式的基礎，可以說數據就是生產力，2019年10月，《中共中央關于堅持和完善中國特色社會主義制度、推進國家治理體系和治理能力現代化若干重大問題的決定》，《決定》指出:“健全勞動、資本、土地、知識、技術、管理、數據等生產要素由市場評價貢獻，按貢獻決定報酬的機制。”這是首次將數據作為與勞動、資本、土地、知識、 技術、管理并列的生產要素，從制度層面確立了數據作為一種新的生產要素的重要地位。數據治理成為公司一項相當重要的工作，業務到哪里，審計就要到哪里，那如何對公司數據治理開展審計呢？

邱健老師從事內部審計工作多年，有著多個行業的從業經歷，有多年審計及管理經驗，他通過深入淺出的理論分析，實踐經驗傳授，幫助學員深刻理解數據治理及數據治理審計的理論、方法和工具，并通過實際案例演示幫助學員掌握，從而降低企業的數據治理風險，實現審計的價值。

課程對象：企業內部審計同事，信息系統部同事及其他對數據治理感興趣的同事

課程特色：啟發式講授+實際案例分析＋互動式教學＋小組討論＋實際演練，突出實戰性和實用性

課程收益

1、 了解企業數據化轉型的要點和方法

2、 了解數據治理的依據和方法論；

3、 了解數據治理體系和數據治理框架的搭建要點

4、 了解面向業務的信息架構搭建要點；

5、 了解數據治理審計的要點和方法；

6、 學習先進企業的數據治理審計經驗，并能運用到實際工作中。

課程時間 1天

課程大綱

第一章 數據驅動的企業數字轉型

1 非數字原生企業的數字化轉型挑戰

1.1 業態特征

1.2 運營環境

1.3 IT建設過程

1.4 數據質量

2 數字化轉型與數據治理

2.1 數字化轉型整體目標

2.2 數字化轉型藍圖及對數據治理的要求

【案例分析】國內知名企業數據治理實踐

第二章 數據治理

1. 建立公司級的數據治理政策

1.1 數據管理總綱

1.2 信息架構管理政策

1.3 數據源管理政策

1.4 數據質量管理政策

2. 融入變革、運營與IT的數據治理

2.1 建立管理數據流程

2.2 管理數據流程與管理變革項目、管理質量與運營之間的關系

2.3 通過變革體系和運營體系進行決策

2.4 數據治理融入IT實施

2.5 通過內控體系賦能數據治理

2.6 建立業務負責制的數據管理責任體系

3. 差異化的企業數據分類管理框架

3.1 基于數據特性的分類管理框架

3.2 以統一語言為核心的結構化數據管理

3.3 以特征提取為核心的非結構化數據管理

3.4 以確保合規遵從為核心的外部數據管理

3.5 作用于數據價值流的元數據管理

4. 面向業務的信息架構建設

4.1 信息架構的四個組件

4.2 信息架構原則：建立企業層面的共同行為準則

4.3 信息架構建設核心要素：基于業務對象進行設計和落地

4.4 傳統信息架構向業務數字化擴展：對象、過程、規則

5. 面向共享的數據基礎建設

5.1 支撐非數字原生企業數字化轉型的數據基礎建設框架

5.2 數據湖：實現企業數據的“邏輯匯聚”

5.3 數據主題聯接：將數據轉換為“信息”

6. 面向消費的數據服務建設

6.1 數據服務：實現數據自助、高效、復用

6.2 構建以用戶體驗為核心的數據地圖

6.3 人人都是分析師

6.4 從結果管理到過程管理，從能“看”到能“管”

7. 打造數字孿生的數據全量感知能力

7.1 “全量、無接觸”的數據感知能力框架

7.2 基于物理世界的“硬感知”能力

7.3 基于數字世界的“軟感知”能力

7.4 通過感知能力推進企業業務數字化

8. 打造清潔數據的質量綜合管理能力

8.1 基于PDCA的數據質量管理框架

8.2 全面監控企業業務異常數據

8.3 通過數據質量綜合水平牽引質量提升

9. 打造安全合規的數據可控共享能力

9.1 內外部安全形勢，驅動數據安全治理發展

9.2 數字化轉型下的數據安全共享

9.3 構建以元數據為基礎的安全隱私保護框架

9.4 “靜”“動”結合的數據保護與授權管理

第三章 數據治理審計

1. 公司數據治理遠景規劃

1.1 審計方法

1.2 需要資料

1.3 可能問題

2. 公司數據治理政策制定

2.1 審計方法

2.2 需要資料

2.3 可能問題

3. 數據架構建設及數據分類管理

3.1 審計方法

3.2 需要資料

3.3 可能問題

4. 數據基礎建設

4.1 審計方法

4.2 需要資料

4.3 可能問題

5. 數據服務

5.1 審計方法

5.2 需要資料

5.3 可能問題

6. 數據感知

6.1 審計方法

6.2 需要資料

6.3 可能問題

7. 數據質量與安全

7.1 DSMM模型引入

7.2 數據安全的六個階段

7.3 DSMM模型成熟度評估