朱永佳 蔡浩淼 宋俊典
摘 要
大数据的主要目标是提高业务竞争力并促进决策。为了实现这一目标，必须执行治理计划。在本文中，基于大数据治理提出了一种大数据治理评估方法，根据系统理论的主要维度建立了多准则层次结构，在实际应用中使用了该方法。
关键词
大数据;治理;系统理论;多准则;评估
中图分类号： D035;C912.63 文献标识码： A
DOI：10.19694/j.cnki.issn2095-2457.2020.15.005
Abstract
The main goal of big data is to improve business competitiveness and facilitate decision making.To achieve this，a governance plan must be implemented.In this paper，a big data governance evaluation method is proposed based on big data governance.A multi-criteria hierarchical structure is established based on the main dimensions of system theory. This method is used in practical applications.
Key Words
Big data;Governance;System theory;Multi-criteria;evaluation
0 引言
大数据被认为是“旨在通过高速捕获、发现、分析从海量数据中经济的获取价值的新一代技术和架构”[1]。
大数据治理被定义为“更广泛的信息治理计划的一部分，该计划通过调整多个功能的目标来制定大数据的优化、隐私和货币化有关的政策”[2]。实际上，信息治理框架通过扩展其范围以涵盖大数据治理来解决大数据问题。
信息治理的主要目标是使信息成为共享的、可靠的、高质量的决策资源。它具有与内容和实施过程相关的多个维度，包括确保有效使用信息以使组织能够实现其目标的流程、角色、策略、标准和措施。该信息被视为公司的资源，其治理需要一种结构和流程来管理其生命周期。虽然许多企业都在尝试使用大数据技术来提高其竞争优势，但很少关注治理方面及其评估。因此，组织面临的挑战是开发由政策、结构和流程（包括评估）组成的大数据治理机制。
评估治理需要考虑多方面，以应对不同的目标，因此评估必须基于多标准。将治理视为一个系统是研究的基础，其不同维度必须使用适当的标准进行评估。
1 方法
本文采用通用的评估过程，以考虑大数据治理的系统以及评估其不同组件所需的多准则。该方法的应用要求开发评估标准的通用层次和评估程序。
（1）大数据治理是一个系统
几个要素结合在一起，将大数据治理视为一个系统。第一个要素：大数据治理的目的是决策，既可以设定大数据领域的目标，也可以定义和调整相应领域的運营框架。此外，大数据的目标与相关的活动方式也需要演化。最后，大数据治理的主要维度包括：目标、环境、结构、活动和演化。第二个要素：大数据治理是公司为实现其目标而开发和实施的工作。因此，“大数据治理”工件具有系统规范形式的所有维度，因此，可以对其评估采用整体视图，这根据系统的基本维度来组织评估标准。
（2）通用的多标准层次结构
利用系统理论[6]，增加[3]中提出的标准，从而丰富[3]中提出的标准层次。从而获得图1所示的通用多标准层次结构，并将每个评估标准与相应的维度相关联。该层次结构的第一个维度（称为大数据治理的目标）使用多种标准进行评估，例如有效性、可操作性和经济可行性。第二个维度涉及大数据治理及其环境（包括人员、组织和技术）的一致性[4]。第三维结构由以下标准组成：完整性、简单性、可理解性和一致性。其他标准包括任务的可构造性和小组之间的沟通。第四个维度与大数据治理的活动有关，其特征是完整性、简单性、一致性、可信赖性，提供培训和性能。最后一个维度，进化具有健壮性、可扩展性、适应性、可修改性和学习能力。这些层次结构是评估方法的基础。
（3）评估程序
评估程序是基于Saaty[7]开发的层次分析法的应用。将要评估的维度（目标、环境、结构、活动和演化）和相关的标准进行组合，以形成定义为节点的有限集合的层次树，其中（i）非终端节点代表维度（称为领域，例如目标实现）和子维度（称为子领域，例如技术适应）。（ii）终端节点代表基本域（例如决策质量）。在评估特定域（例如目标、环境、结构等）时，权重归因于节点，从而导致定制树。对于每次评估，给树的终端节点一个等级。权重和等级使评估人员可以确定不同领域的得分，从而得出总得分。
（4）应用
对方法进行评估，分析与[5]中所述的国家养老金服务组织有关的案例研究。对比结果显示，案例研究主要强调层次结构的三个维度，分别是目标，结构和活动，而第四个维度则是演变。本文未提及大数据治理如何影响环境（人员，组织和技术）。后者侧重于主要数据结构和活动（元数据管理，数据质量管理，数据安全性和隐私保护），并涉及大数据治理的目标。
2 结论与进一步研究
在本文中，提出了一种在考虑各种标准的情况下评估大数据治理的方法，根据多标准和系统理论相结合，建立了基于层次分析法的评价程序，描述了层次结构在大数据治理中的应用。在未来的研究中，将集中在多种情况下应用该方法来探索。
參考文献
[1]Piai，S.，& Claps，M.（2013）.Bigger data for better healthcare.IDCHealth Insights.
[2]Soares，S.（2013），IBM InfoSphere：A Platform for Big Data Governance and Process Data Governance，MC Press，US.
[3]Prat N.，Comyn-Wattiau I.，Akoka J.（2015），A Taxonomy of evaluation Methods for Information Systems Artifacts，Journal of Management Information Systems，vol.32， n°3，p.229-267.
[4]Hevner A.R.，March S.T.，Park J.，Ram S.（2004），Design Science in Information Systems Research， MIS Quarterly，vol.28，n°1， p.75-105.
[5]Kim，H.Y.and Cho，J.-S.，（2018），Data governance framework for big data implem entation with NPS Case Analysis in Korea， Journal of Business and Retail Management Research，vol.12（3），pp.36-46.
[6]Skyttner L.（2005），General systems theory：problems，perspectives，practice.2nd editi on.World Scientific，Singapore.
[7]Saaty，T.L.（1994），Highlights and Critical Points in the Theory and Application of the Analytic Hierarchy Process，European Journal of Operational Research，74，426-447.
