大家晚上好。
今天我为大家带来的分享内容是DGOffice产品系列之数据认责管理工具助力数据认责工作效能倍数提升，我们希望能够借助数据认责管理工具，辅助大家高效的开展数据认责工作。
讲到数据认责工具，首先就要讲到什么是数据认责？数据认责概况一句话就是“构建并管理人与数据之间的关系“。
那么我们又为什么要去做数据认责呢 ？第一点是解决数据问题，在明确了人与数据之间的问题之后我们可以快速定位数据问题的负责人，通过责任关系，提升解决数据的效率；第二点是在做数据分析的时候要找到对应的资产，找到对应的数据，利用数据来做分析。通过数据认责，我们可以明确数据资产审核路径，快速获取分析所需要使用的数据。
我们做数据认责的产物是责任矩阵，责任矩阵中包含了，数据主题、业务域、数据对象、数据项等等，针对不同的数据项，有不同的数据责任类型。例如业务数据需要明确主责、录入责任、审核责任。
在做数据认责过程中的认责对象要如何选择呢？企业中的数据资产量是比较大的，我们选择认责的数据项不能是广撒网式的全都做，那么我们应该优先选择哪些数据对象做认责，数据认责过程中数据对象做哪些责任的认责，认责过程中会涉及到哪些流程、工具、关键推手，又有哪些小妙招帮助我们体系化的做好数据认责工作呢？关于这些问题，我们有一套对应的方法论，在上一期的主题分享中，方方老师为大家详细阐述了这部分内容，我们也做成了专项课程，如果您对方法论感兴趣，可以通过文末二维码购买学习。如果您进入到我们的御数学堂直播群，群内还有50元全场通用抵扣券，可以抵扣全线商品，请大家一定记得领取呦。
开展数据认责工作一般有两种方式，一种是通过咨询的方式来做数据认责；一种是通过数据认责工具的方式来承载数据认责咨询的方法论，基于认责工具高效的管理认责过程，实现数据认责的工作落地。
如何更快的做数据认责，下面通过一个真实的案例来解读：
我们通过咨询的方式对120个数据项开展了数据认责工作，数据资产（认责对象）的确认，责任关系的收集与确定，
大致耗费了3个月的时间
，在这三个月中的
前2个多月的时间内
，我们都是在做认责关系协调和收集工作。
后续的1个月时间里
，在处理所收集的认责关系的异常关系，例如录入数据的人员和审核数据的人员是同一个人，这样在数据管理过程中会滋生较多的数据质量问题，我们要剔除掉如上这样的异常责任。在三个月的时间里，企业的数据又会出现更新，数据责任也随之会发生变更，我们利用
大致2周的时间
对这些变更的数据的责任进行更新。对于这120个数据项我们的认责
工作整整持续了3个半月的时间
，如此大的投入可以见得数据认责工作是非常繁琐和困难的。但做好数据认责工作对企业来说是物超所值的，为什么这么说呢，我们后面会进一步讲到。
接下来，让我们看一下，有没有一种方式能够高效的完成数据认责工作呢？
我们可以使用数据认责管理工具来完成整个数据认责工作的过程。
我们再以之前的120个数据项为例，确定了这些认责对象，接下来我们就需要制定认责工作计划。认责计划的制订可能会包括基本信息填写、制订计划活动、认责对象选择、阶段计划跟踪、认责计划审批、认责计划生成等等多种活动。集团型的管理企业与扁平化的管理企业在这个环节中所需要的管理活动不尽相同，我们可以通过业务单元配置的方式来选择不同的业务单元组合成企业实际的认责计划操作页面，这个过程我们可以通过业务单元配置引擎灵活的实现支撑。业务单元配置引擎如下图：
通过这种方式我们同样可以将数据认责管理的过程配置出来，假设政法操作流程需要经过我的分配对象-》认责分配管理-》我的认责待办-》我的责任确认-》岗位责任书签订这样五个步骤，我们可以通过业务单元配置引擎快速构建起这个流程，并在系统内形成协同办公的场景，如下图所示：
在线下对这120个数据项认责的过程中，我们花费了将近一个月的时间来处理数据责任异常数据的修正，借助数据认责管理工具，我们可以在做系统认责的过程中实现对责任关系的完整性、规范性以及一致性的校验，将关系的调整融合到数据认责的过程中，从而大大降低异常数据责任关系维护的成本。
企业的管理过程中会不断有组织、岗位以及人员职责的调整，这就为认责关系的维护带来了挑战，例如这120个数据项，我们就需要定期开展认责关系维护的工作，每次维护的时间大概要持续两周左右。
通过数据认责管理工具的智能化监控模块，当组织、岗位以及人员职责发生变化时，系统会针对发生的变化情况给出智能化的判断，从而将需要做责任变更的数据对象推送给原责任成员，由原责任人员发起责任变更的流程，将责任变更到新的责任人。如果原责任人迟迟未发起责任的变更流程，系统会根据配置的规则（例如提醒发出5天原责任人未处理）将该信息同步给数据管理专员进行处理，保障数据认责关系的变更维护的及时性与认责关系的准确性。
为了保障提醒信息能够及时被处理人员获取，系统可以以站内信、短信（需要企业提供对应的接口）、邮件的方式来推送任务信息，如果企业使用的是即时通讯工具，也可以支持通过定制的方式与即时通信工具对接，融入到实际的工作场景中。
我们通过一个例子来说明下这个过程，我们将认责对象“组织”分配给B级市做认责，将认责对象“物料”分配给A地市做认责，两个地市在系统认责流程的支撑下分别完成所分配认责对象的认责关系管理后，通过智能认责分配，将B级市“组织”认责结果根据特征学习到A地市，将A地市的“物料”认责结果根据特征学习到B地市，这样就完成了两个地市对这两个数据对象的全量认责。通过这种方式可以大幅降低数据认责的实施工作量（如果按照10个地市或子公司计算，可有效节约认责成本达5到8倍）。
在认责过程中实时的发现异常关系，通过直观的方式提示当前的关系维护人员，可以有效缩短线下认责关系收集管理关系异常所造成的返工时间的60%。
通过智能化的能力让认责关系的变更管理由人员驱动转变为系统推荐，由阶段执行转变为准实时，降低数据认责变更时间达50%以上。
认责全过程追踪，认责进程看得到。在系统的多种场景下我们均可以及时了解到认责工作的进度。一方面以认责组织为维度通过图形化的方式展现同级组织认责进度之间的差异；一方面用不同颜色来区分组织认责工作的完成状态，直观的看到哪些组织认责工作是完成的，哪些组织的认责工作是正在进行的，哪些组织是未完成的。
在数据认责的使用上我们我们从使用人员的使用以及价值发挥方面做了专门的设计，主要体现在以下几点：
在系统使用上我们通过业务单元引擎配置的方式重新定义了系统的使用方式，在数据认责工作过程中，通过待办任务以及待办事项自动生成的方式使80%以上的系统用户可以在三步以内完成工作任务。
数据认责包含了业务部门与技术部门的人员，在待办事项的处理上我们针对当前系统用户的不同角色，展现不同维度的信息，例如：当前登录系统的人员为业务部门的人员，则从业务视角的角度展示其所负责的业务对象有哪些，通过业务对象关联下钻到技术对象，并与当前登录人员的所参与的年度重点工作任务或者需要解决的重点数据质量问题相关联，以这些信息为判断依据，为登录用户提供待办工作事项的排序。通过这种方式，构建技术与业务都看得懂用得惯的系统。
3，以季度、年度为单位形成系统用户的工作轨迹单，通过该工作轨迹单能够体现统计周期内数据认责活动所带来的价值。
4，提供便捷的智能搜索、认责过程分析、数据认责矩阵的展示能力，帮助系统使用人员快速掌握数据认责的管理过程、从多维度组合查询人与数据之间的责任。
5，数据认责的价值需要与其他的数据活动结合起来才能产生更多的价值，基于此，系统提供了方面的认责数据的使用接口API，通过该API数据分析系统、数据质量管理系统、业务系统等可快速的实现人与数据责任的对接，辅助这些系统高效率的进行分析与数据质量问题解决等。系统为这些数据接口提供了统一的接口管理监控能力，能够实时监测获取到接口使用的情况，例如调用次数，当前调用的状态等等；
通过一个实际案例来看一下如何通过数据认责工具来节省成本的。通过开展数据认责，可以大幅缩短数据问题的追责周期，从而提升数据质量整治工作的效率，节约经济成本。 以案例中开展的某能源行业业务系统间问题数据清理工作为例：通常情况，平均每个局点需投入人员144人天 ；开展数据认责管理后实现快速追责，实际仅投入76人天，提升效率1.47倍，同时还有效降低了新增问题数据的发生率。
节约成本：1200×(144-76)=81600元。
通过拆分条件无法关联到人的数据质量问题可以进一步细分通过系统拆分的方式数据质量解决的成本可进一步降低，
在此案例中因效率提升带来的成本节约预计可达10-12万元。
通过数据认责工作的开展可以有效提升数据分析工作的效率。数据认责工作的推动明确了数据资产的责任，可以促进数据资产信息的补充，从而提升数据资产信息的完整度。
通过数据主责部门的确定，也会推进数据安全等级定级结果的确认，从而进一步明确数据使用过程中的审批路径。从而使得数据分析人员能够及时快速的获取到数据分析工作中所要使用的数据。
以之前实施的经验来看，实施了数据认责之后，
数据分析从场景提出到完成构建可提升50%以上的效率。
最后我们再总结下数据认责工具的实施所能带来的价值：
-
组件化协同化的应用大幅度降低了客户定制实施的难度与工作量
-
智能化学习分配能力构建了由点及面的认责能力，提升认责效能
-
-
-
认责进度实时监控、展示与社区消息通知促进认责进度稳定可控
-
多维度认责矩阵展现与数据服务接口促使认责成果最大程度发挥
以上就是今天关于DGOffice数据管理办公室软件套件中数据认责部分的产品介绍，希望能够和大家一起不断完善产品功能。我们期望通过数据管理产品承载数据管理咨询的方法论以及标准模版，打通数据咨询与产品落地断层的魔咒，让数据管理更规范、更简单、更智能、更高效。
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/69983448/viewspace-2731554/
，如需转载，请注明出处，否则将追究法律责任。
