智盟创课（北京）科技有限公司（智盟 Stu.） 作为IT产业第三方专业人才能力提升服务机构，秉承互联共成长的理念，恪守IT企业实际业务需求为第一优先级的本职，为IT企业人才培养提供多方位的师资、培训体系打造， 行业前沿交流峰会，打通企业全方面的学习视角，实现人才能力提升最佳学习方案。助力企业全面提升竞争优势、推进组织的成功转型及经营业绩的持续增长。同时，智盟组织承办IT领域两大品牌会议：QECon全球软件质量&效能大会，SECon软件工程技术大会，旨在深化各大研发中心加快数字化转型的同时，也将目光从追求快速增长转向内建能力，运用前沿技术帮助企业实现快速交付，同时又要稳高质量发展的大方针。
价值导向数据治理培训与主题工作坊
讲师介绍
常国珍--前ThoughtWorks首席金融数据科学家，北京大学管理学博士，中国大数据产业生态联盟专家委员会委员，腾讯云最有价值专家（TVP），建设银行数据资产管理资深专家。著作《Python数据科学：技术详解与商业实践》、《用商业案例学R语言数据挖掘》、《胸有成竹：数据分析的SASEG进阶》等多本著作。拥有15年金融、电信和互联网行业经验。在加入ThoughtWorks之前，曾在毕马威咨询大数据部担任总监、在中银消费金融数据部担任高级经理、在百度大数据部担任算法工程师。现专注于金融行业的数据战略、数据应用、数据治理和数字化人才培养，同时提供数智化客户运营和风险管控的解决方案。
课程简介
当前，数据不仅是企业的核心资产和重要战略资源，也是重要的生产要素。数据资产已日益成为企业抢占未来发展主动权的前提和保障，而数据治理就是发掘这些数据资产的重要保障机制。国务院国资委在颁布的《关于加快推进国有企业数字化转型工作的通知》中强调，要构建数据治理体系，加强数据标准化、元数据和主数据管理工作，定期评估数据治理能力成熟度。要强化业务场景数据建模，深入挖掘数据价值，提升数据洞察能力。管好数据、用好数据，不仅能够帮助企业洞察市场变化和趋势，降低风险，还能提高决策效率，进一步提升企业核心竞争力。
从全球看，数据治理还处在起步的阶段，从技术、商业到法律都还面临一系列的挑战，而我国企业数据的治理更是任重道远，亟需实现从理论到实践的突破。本课程对企业的数据治理内容进行概述，从理论层面的分析，到实战经验的总结，帮助听众明确企业数字化转型对数据治理的需求点，了解数据治理体系，理解数据生产要素发挥价值的保障机制。
课程收益
1、企业数字化架构：了解新市场环境下业态改变对IT创新的要求，明确数据治理在数字化转型中起到的关键作用。
2、精益数据管理最佳实践：总结了国内外企业在数据战略和数据治理方面的最佳实践，识别数据资产、制定数据治理计划、搭建数据架构、落地数据标准，确实提升企业挖掘数据价值等能力；
课程特点
1、理论与实践相结合、案例分析与理论穿插进行；
2、通过全面知识理解和专题技能掌握的授课方式。
课程对象
1、数据管理团队
2、企业业务、数据、技术部门人员
物料需求
1、每人一个笔记本电脑
2、所涉及系统的说明文档（需求说明书、设计文档、开发文档、使用说明书、数据字典）
课程大纲
第一天培训：
标题 | 内容 | 描述 |
第1讲： 企业数字化转型的核心内容与数据治理的目标 | 一、从企业数字化转型的成功案例认识其核心内容 二、企业数字化转型对数据治理工作提出的要求 三、数据管理的相关概念 四、企业数字化转型过程中数据治理工作面临的挑战 | 数字经济时代，知识的作用更加凸显。所谓的数字化转型，其底层逻辑就是“隐性知识显性化、显性算法化”。 每一家数字化成功的企业，就是能够很好的管理知识的企业，而知识的基础是数据。在数据管理中遇到的很多问题，比如“数据分类的规则不了解”、“数据分析的维度混乱”、“数据变更频繁”等问题，说到底是对业务知识掌握不完整造成的，而“数据孤岛”、“数据管理处于项目级别”等现象也是对知识不重视造成的。 所以明确数字化转型的业务诉求，识别数据应用的业务价值和数据核心资产，是企业数据治理主要输入。 在“从企业数字化转型的成功案例认识其核心内容”这里部分中，会讲解某车企电池制造模块XBOM系统优化中数据治理的价值，如何实现指标可信、分析便捷的数据应用两步走方案。 |
第2讲： 精益数据治理流程 | 一、数据治理规范国标内容与精益数据治理流程介绍 二、“盘”-盘清现状 三、“规”-制定规范 四、“治”-问题整治 五、“用”-数据应用 六、数据管理效果检验 | 本节重点讲解精益数据治理的主要流程和每阶段需要解决的核心问题。比如在“盘”的阶段如何识别业务需求和掌握数据资产；在“规”的阶段如何明确业务部门、数据管理部门和IT开发部门的权责分配和设定机制；在“治”的阶段如何制定数据质量提升流程；在“用”的阶段如何实现业务数字化和数据业务化。 |
第3讲： 数据标准化与数据质量提升理论与案例 | 一、数据标准概述 二、指标数据标准 三、基础数据标准 四、数据质量考核维度 五、数据质量工程实践十步法 六、数据质量提升案例 | 介绍数据标准历程和经验借鉴，了解数据标准总体要求与属性分类要求，详细介绍数据标准制定与落地方法和案例，用于应对“指标标准经常变更的技术解决方案”。 介绍数据质量概念与管理数据质量的活动。以数据质量提升真实案例，讲解数据质量提升方法的落地实践。 |
第二天主题工作坊（根据需求调整模块）：
时间 | 标题 | 内容 |
第二天上午 | 一、数据应用场景激发 | 通过梳理某个业务领域的业务流程，从指标分析和主数据共享这两个角度发现业务中的数据应用痛点、根因分析、解决方案。
|
二、数据资产盘点 | 根据解决方案中涉及到的系统，使用之间授课中讲授的数据资产盘点的方法，采用数据分析法或企业架构法进行数据资产盘点，形成数据清单。
| |
第二天下午 | 三、数据标准制定 | 依次制定业务术语表、数据元标准
|
第三天上午 | 四、数据质量校验规则制定和数据质量评估 | -针对重要数据，根据数据质量的六性制定基础和高级数据质量校验规则 -制定数据质量评估指标，设计看板
|
第三天下午 | 五、数据管理流程和制度制定 | -学习数据管理制度范本 -编写数据标准管理流程 -编写数据质量问题解决管理流程
|
