服务内容

1. 数据管理成熟度诊断

   数据管理成熟度诊断是一种基于能力成熟度模型框架的能力提升方案，基于DCMM的基础上，融合了华为数据管理经验，描述数据管理能力初始状态发展到最优化的过程。数据管理成熟度模型通过描述各阶段能力特点来定义成熟度级别，当一个组织满足某阶段能力特征时，就可以评估其成熟度等级，并制订一个提高能力的计划。它还可以帮助组织在等级评估的指导下进行改进，在每一个新等级，能力评估会变得更加一致、可预测和可靠。

   企业数据管理成熟度划按照8+1个能力域开展诊断工作，分别为数据政策与流程、数据组织、数据标准、数据架构、数据应用、数据质量、主数据、元数据管理、数据安全等9大能力域。每个能力域下面又分为不同的子能力域，共计28个子能力域；每个评估细项按照5个等级模型进行评估，综合平均后计算出整体数据管理成熟度，输出《企业数据管理生熟度报告》。

   基于《企业数据管理生熟度报告》，可准确识别当前数据管理短板，从组织、制度、平台、数据等维度针对性的制定数据管理优化措施，提升企业数据管理水平，支撑企业业务战略目标。

2. 数据使能业务架构设计

   数据使能业务架构设计，是业务的结构化表达，描述组织如何运用业务的关键要素来实现其战略意图，旨在基于企业战略目标，为企业提供一个清晰的业务蓝图规划，确保业务架构与企业的使命和愿景保持一致，支撑其战略目标和运营目标达成，主要包含如下几方面工作：

   1. 需求调研

      与企业内部各利益相关部门和负责人进行访谈交流，了解业务需求、痛点和目标，收集业务场景、流程、组织等数据和信息。

   2. 设计内容
      • 业务场景规划：根据业务目标和需求，制定业务全景图，规划未来3-5年的业务场景，并匹配项目落地计划。
      • 业务指标定义：基于业务运营需求，梳理关键业务指标，统一业务语言，规范指标计算口径，度量业务运营效果和绩效。
      • 组织架构设计：基于企业战略和业务目标，设计可承载业务场景规划的企业组织结构，明确组织、角色、职责、权限和协作方式。
      • 业务流程设计：梳理现有业务流程，结合业务目标和业务场景规划，对现有业务流程进行流程重构或优化，支撑企业组织架构高效运转。
3. 数据使能信息架构设计

   数据使能信息架构设计，以结构化的方式描述在业务运作和管理决策中所需要的各类信息及其关系的一套整体组件规范，主要通过业务需求开展系统调研，对IT系统进行数据探查，根据调研和探查结果进行数据资产目录设计，通过 数据治理中心 承载落地，用于后续的数据资产管理和消费，主要包含如下几方面工作：

   1. 需求调研
      • 信息收集：基于当期的项目需求范围，收集包括业务流程和分析指标体系等在内的业务文档、系统架构文档、数据字典文档等。
      • 调研分析：通过访谈、相关资料分析解读等方式，明确当期业务需求，深入了解目标业务信息架构，预期输出成果范围等
   2. 设计内容
      • 数据资产目录设计：参考客户现有及业界最佳实践信息架构，分析实际业务，按“自上而下”和“自下而上”相结合的方式设计数据资产目录（目录范围：L1主题域分组、L2主题域、数据对象L3）。
      • 逻辑模型设计：基于客户业务场景，输出支撑业务对象的逻辑实体及业务属性（逻辑数据实体L4、属性L5）
      • 数据标准设计：针对数据资产目录重要属性L5，设计并输出数据标准（业务属性），明确数据标准名称、定义、所属业务域、数据OWNER等。
4. 数据使能技术架构设计

   数据使能技术架构设计，主要从技术角度进行远景的技术架构规划近期的技术方案设计，支撑业务架构、信息架构落地，包含以下几方面内容：

   1. 技术架构规划：以业务需求为输入，从功能、性能、安全性、可靠性、可扩展性等方面，规划满足未来3-5年业务需求的技术平台架构。
   2. 集成架构设计：基于技术架构规划，设计当期项目的技术平台集成架构，设计技术平台各云服务东西南北向的集成关系，设计技术平台各服务的参数配置。
   3. 网络架构设计：规划技术平台的组网架构，对数据入湖（VPN、专线、Internet）存算、消费进行网络方案设计，结合企业网络IP规划，设计技术平台的VPC、子网方案，并给予网络访问最小化原则设计安全组规则。
   4. 部署架构设计：以集成架构为输入，设计可支持业务需求的技术平台各云服务的详细规格和数量，指导技术平台集成实施。
   5. 安全架构设计：从采存算管用的数据生命周期视角，规划整体的安全防护架构，设计满足当期项目需求的、覆盖各数据处理环节的安全方案。
   6. 数据集成方案设计：基于业务访问的时效性要求和数据特征（库表、API、消息、时间戳等），设计批量数据方案和实时数据集成方案。
5. 数据使能应用架构设计

   数据使能应用架构设计，描述了各种用于支持业务架构并对信息/数据架构所定义的各种数据进行处理的应用功能，以业务需求和业务场景为输入，设计应用的整体架构，包括前端、后端、数据库等各个组件和模块，以及它们之间的关系和交互方式，主要包含以下几方面内容：

   1. 需求收集与分析： 与客户进行会议和讨论，深入了解应用的需求、功能和问题，明确应用架构设计的核心目标。
   2. 技术选择和评估： 评估不同技术选项，选择适合项目需求的技术栈，考虑性能、可扩展性、安全性等因素。
   3. 用户界面（UI）设计： 设计用户界面，包括界面布局、交互设计、视觉设计等，以提供良好的用户体验。
   4. 前端与后端架构： 设计前端和后端的架构，包括页面结构、API设计、数据流动等。
   5. 数据库设计： 设计数据库结构、数据模型和关系，确保数据的有效存储和管理。
   6. 界面与功能交互： 设计用户界面与应用功能的交互方式，确保用户可以顺畅地操作和使用应用。
   7. 应用集成方案： 设计应用与其他系统和服务的集成方案，确保应用能够与外部系统协同工作。
6. 数据使能技术平台集成实施

   数据使能技术平台集成实施，主要包含技术平台部署、数据入湖的集成实施工作：

   1. 技术平台集成实施：根据数据使能技术架构设计方案，配置平台间各服务的集成关系和参数，对技术平台进行开通、部署实施；
   2. IT数据入湖集成实施：基于IT数据集成方案，通过华为云 CDM 、DRS等数据采集工具，实施数据库表、API、消息、文件等数据批量/实时入湖操作，完成相应的数据清洗、转换、作业配置等工作；
   3. OT数据入湖集成实施：基于OT数据集成方案，通过IIoT平台，完成边缘侧数据采集、中心侧数据汇聚的OT数据入湖操作。
7. 数据使能方案设计

   数据使能方案设计，主要包含以下几方面内容：

   1. 数据模型设计：根据信息架构设计输出的数据资产目录及逻辑模型，输出数据使能平台物理模型设计方案，输出数据使能平台SDI、DWI、DWR、DM分层设计方案，输出各层的作业调度方案。
   2. 数据标准设计：基于国家标准和行业、企业数据标准，对每一行数据、每一个字段的具体取值进行标准化，监控数据质量，提升数据可用性。
   3. 数据质量设计：基于数据质量六性设计数据质量检测规则，对业务指标和数据质量进行监控，帮助用户及时发现数据质量问题。
   4. 数据指标设计：基于业务架构设计输出的业务指标口径，输出技术指标的计算逻辑和数据依赖，指导技术指标开发。
   5. 数据服务设计：基于数据访问需求，设计Restful风格的数据服务API接口，包含入参、鉴权等参数。
8. 数据使能方案实施

   数据使能方案实施，主要包含以下几方面内容：

   1. 数据模型实施：将信息架构资产目录导入 数据治理 中心，进行可视化逻辑模型、物理模型开发、脚本开发、作业开发、作业调度、运维监控等实施工作。
   2. 数据标准实施：将设计阶段输出的数据标准配置到数据治理中心，关联到具体物理模型中的字段。
   3. 数据质量实施：配置数据质量检查规则，生产数据质量作业和质量报告。
   4. 数据指标实施：将技术指标计算规则配置到数据治理中心，关联报告层维度表和事实表，以可视化的形式生成集市层指标。
   5. 数据服务实施：基于数据服务设计方案，将技术指标封装成数据API，供应用侧消费。
9. 数据应用集成设计与实施

   数据应用集成设计是指以数据可视、分析决策为主要目的的应用系统，同时也可与生产系统联动形成业务实时协同，主要包含以下几方面内容：

   1. 应用场景设计：基于业务需求设计面向最终业务人员的应用场景，输出故事线、页面原型等。
   2. 应用技术栈设计：基于应用架构设计内容，对技术栈进行技术选型和设计，典型的技术选型包括BI类 数据可视化 应用、低码类应用、微服务类全码应用等。
   3. 应用集成开发实施：基于选定的技术栈，以应用场景设计为需求输入，通过工具集成、代码开发的方式发布数据应用。