在数字化时代，数据已经深入渗透到企业的各个层面，成为至关重要的生产要素。但是，仅仅拥有数据不代表拥有数据价值，企业只有通过实施有效的数据治理，才能形成高质量的数据资产，释放潜在的数据价值。
目前，金融、能源、电信等行业的数据治理水平相对靠前，部分头部企业已经深入到数据资产管理阶段，充分发挥数据要素价值。而大部分制造业企业尚处于数字化转型的初级阶段，正在积极开展数据治理工作。
沙丘社区从汽车制造、食品制造、家电制造三个制造业细分领域切入，通过研究中国一汽、吉利商用车、光明食品集团、海信集团等各细分领域头部企业的数据治理实践，旨在为其他制造业企业提供参考。
01 汽车制造
▎案例一：中国一汽数据治理实践
2021年后，中国一汽的数据治理从过去的IT主导转向业务主导，从点状化治理转向体系化治理。对此，中国一汽从策略、方法、模式、重点和体系五个方面出发构建数据治理方法，构建统一的数据体系规范和数据标准，建立统一管理口径的统一指标和标准化的模型；对各个数据源端的数据进行统一，打破数据孤岛，建立统一的大数据中心；构建全链路全域数据资产，对数据进行治理和数据资产化管理，建立统一数据共享交换中心。在数据安全管控机制下，面向各个体系进行开放赋能。
获取完整版案例，可添加微信号zimu738
▎案例二：吉利商用车数据治理实践
为了解决日益增长的各类业务数据以及跨部门、跨系统的数据应用需求，服务于数据价值体现和数字化转型工作，吉利商用车开展数据治理工作，形成完善的数据治理体系、达成标准化的数据治理过程、建设综合性数据治理平台。
吉利商用车数据治理项目分为三阶段实施，第一阶段打好基础、第二阶段推进标准化建设、第三阶段促进数据深化应用。各阶段的核心工作如下：
第一阶段：数据战略聚焦解决各部门报表应用问题，建立项目型数据治理小组，制定数据治理管理规范；构建数据治理平台，提供元数据、数据标准、数据质量、数据资产管理功能，并试运行元数据管理、数据治理管理流程。
第二阶段：建立覆盖全局的数据治理战略，解决系统间数据共享应用难题，按照数据治理领域扩充数据治理小组；构建主数据管理平台，按照业务线条构建集团数据分析架构，完善元数据、数据治理管理流程，试运行数据标准、主数据管理流程。
第三阶段：数据战略与业务战略保持一致，进一步完善数据治理制度与队伍，建立覆盖数据管理全领域的支撑平台，构建覆盖全方位数据应用的数据架构，持续优化、规范数据问题治理流程。
获取完整版案例，可添加微信号zimu738
02 食品制造
▎案例三：光明食品集团基于统分结合的主数据治理实践
主数据是企业核心业务操作对象，统一定义了企业信息化系统中所需的核心数据。作为一家大型集团型企业，光明食品集团搭建统分结合的主数据治理体系。
统分结合体现在三个层面：
第一，数据标准。集团制定统一的数据标准并将标准落地成集团主数据模型，各级单位可以在承接集团主数据模型的基础上根据业务需求对部分模型进行扩展（物料、客商等）。在标准之外，各级单位可建立自己特定领域的主数据模型。
第二，数据管理。体现集团管控思路的主数据（会计科目、组织架构等）由集团统一管理统一维护，成员单位不可以改动；具有集团共性的业务相关数据（物料、客商等）由集团统一管控统一编码，成员单位共同维护；各成员单位私有数据由成员单位各自编码各自维护。此外，对于多个成员单位的共性需求可以采用协同模式。
第三，技术平台。技术平台是数据的容器，也限制着数据的使用。光明食品集团统一构建技术平台，各二级单位分散维护。
获取完整版案例，可添加微信号zimu738
03 家电制造
▎案例四：海信集团数据治理实践
海信集团采取源端数据治理的模式，通过解决源头数据标准和质量问题，提高数据的准确率：
• 通过建立数据管理体系（数据标准、数据管理组织、流程规范、责任体系、管控机制）的长效机制，确保前清后不乱；
• 以问题入手，以结果价值为导向，成立攻关小组，聚焦问题，解决业务部门的痛点场景，“打小胜仗”，建立信心，让业务部门认可数据治理工作；
• 通过建立数据资产管理信息系统，固化数据管理体系，保障数据“长治久安”。
参考《数据管理能力成熟度评估模型》，海信集团构建了数据资产管理体系，逐步实现财务、人资、生产、研发、营销、采购等领域的数据标准化和数据质量提升工作。
获取完整版案例，可添加微信号zimu738
