数据治理是指收集与有效获取、管理和利用数据相关的做法、策略和角色，从而确保数据在组织内提供尽可能多的价值。数据治理确认了整个组织中企业数据的质量和安全性，决定了哪些人可以在何时使用哪些数据。数据管理和数据治理经常互换使用，但这是不正确的。数据管理更多地是指数据的技术管理，而数据治理是指组织内部的数据管理策略，例如谁可以在何时使用哪些数据。
公司最重要的资产是数据。这个名言清楚地表明了数据的价值。随着数字化程度的提高，每个企业都可以访问海量数据。合理使用这些数据可能是组织成功的决定性因素。为此，公司需要使其数据干净可靠。这正是数据治理的作用。
数据治理策略对于任何使用大数据的组织来说都是必不可少的，因为它阐明了您的企业如何从一致、通用的流程和责任中受益。它还突出显示了需要在您的环境中仔细控制的数据。数据治理将自动确保满足保留要求（例如，谁更改了哪些信息以及何时更改了哪些信息的历史记录），以确保法规遵从性。
成功的数据治理框架可产生高质量的数据，这将有助于组织做出更明智的业务决策。
简而言之，在组织内部实施数据治理涉及多项任务：
- 定义有用数据的类型及其质量标准
- 定义数据获取、清理、存储和检索的方法
- 为数据管理分配角色和定义责任
- 为数据的使用创建策略和工作流
- 持续监控数据实践并收集反馈
数据治理适用于各种组织。例如，一家电子商务公司可能拥有大量的客户数据。这些数据包括购买历史、买家偏好和评论。借助高效的数据治理系统，这家电子商务公司可以将这些有价值信息的收集、存储和检索标准化。然后，整个组织的各个部门都可以利用这些数据做出更明智的决策。例如，营销部门可以使用这些数据为客户制作高度个性化的广告和产品推荐。通过数据治理，电子商务公司可以确保数据的问责制。它增强了数据隐私并减少了数据泄露。
为什么企业需要数据治理？
尽管大多数组织确实以数字或物理方式存储了大量数据，但大多数数据都是非标准化的格式。此外，由于年龄、来源等原因，组织无法始终确定数据的可靠性。由于担心数据质量，员工或企业领导者往往不愿依赖这些数据进行决策。数据治理是使组织数据可靠的过程。它还确保整个组织都能获得高质量的信息。它使每个部门都能够根据这些数据做出决策。数据治理还推动了企业的数字化转型。
组织如何实施数据治理？
为大型组织实施数据治理似乎是一项复杂的任务。海量数据、分散的系统、参与数据创建和使用的人员众多，所有这些都使数据治理成为一项艰巨的任务。最好逐步进行数据治理。
第 1 阶段：为数据治理奠定基础
作为数据治理的基础，必须从最基本的角度出发，回答以下问题：
为什么
组织应首先确定其数据治理计划的愿景和使命。组织还必须确定数据治理计划的目标 — 增加收入、改善决策或提高透明度。此外，它还应确定如何衡量该计划的成功。清晰的愿景可以帮助员工和其他利益相关者了解这项数据治理计划将如何影响他们的日常工作以及如何提供帮助。
谁来做
分配角色和职责是至关重要的一步。此步骤定义了谁将主要负责实施数据治理框架所涉及的不同任务。通常，组织采用三层方法来组建数据治理团队。指导委员会、数据治理办公室和数据治理工作组是这种方法的三个主要组成部分。这些小组共同决定实施数据治理框架的后续步骤。
怎么做
数据治理团队首先需要分析组织的当前数据资产。每天都有大量数据流入和流出组织。试图将所有这些数据纳入数据治理框架的范围可能不是一个好主意。因此，数据治理团队必须选择一些要包含在框架中的特定数据资产。例如，电子商务公司最初可以选择在数据治理计划中仅包含购买历史。下一步是定义可接受的数据格式，并为整个组织制定数据工作流和策略。这是分阶段实施数据治理的蓝图。
第 2 阶段：实施数据治理计划
步骤 1：确保数据的可用性
数据治理团队应确保他们希望的标准化和控制的特定数据资产的可用性。在大型组织中，数据分散在不同的信息孤岛中，如客户服务系统、企业管理应用程序、销售记录，甚至合作伙伴系统。所有这些数据都应该可以在一处随时获得。组织可能需要为这些分布式数据资产设计集成机制。
步骤 2：确保数据完整性以实施数据治理
清洁、标准化和可靠的数据资产是数据治理框架的关键组成部分。为找到干净可靠数据的定义，首先要询问每天使用数据的团队。询问他们哪种数据格式对他们来说最有意义。根据他们的输入，开始如下所示的多步骤数据增强工作流程。
- 分析：只有数据资产的某些部分对业务决策有用。例如，客户的位置可能相关，而性别则不相关。首先要定义数据资产中的关键组成部分。然后消除所有不重要的部分。
- 解析和标准化数据：数据治理面临的最大挑战之一是数据格式的多样性。从命名约定到数据的属性，可能存在一些差异。数据治理框架应包括解析和标准化数据的技术。它可能包括添加数据标签、规范属性以及标准化命名约定。
- 丰富数据：数据治理团队应努力丰富数据资产。这可能涉及将数据的两部分或更多部分合并到一处。它还涉及用补充信息和元数据来补充数据。
第 3 步：强制执行问责制并遵守数据策略
数据治理工作不仅限于数据治理团队的成员。要使数据治理计划取得成功，整个组织都需要为此做出贡献。每个特定的数据资产都应有一个所有者，负责该特定数据的完整性。这些所有者在策略和工作流程的帮助下，应确保其数据资产始终保持高质量。这一步骤还要求改变组织的数据文化，以接受数据治理。不能把数据治理仅作为一个一次性的项目。这是一个持续的过程。
步骤 4：持续反馈和监控
数据治理的系统和工作流程需要持续的监控和反馈。这一点至关重要，因为数据治理框架是一个涉及人员和技术的混合系统。技术需要升级和错误修复，而人员需要不断的激励和提醒。反馈系统对于评估数据治理工作是否符合成功标准和目标至关重要。如果没有，则表明有必要对数据治理框架进行某些调整。
实施数据治理框架是一个反复的过程。只有通过持续的监测和反馈，才能改善这种状况。
数据治理团队和角色
数据治理是一个高度以人为本的概念。整个组织的多个团队对于实施数据治理框架至关重要。这些团队包括：
- 指导委员会：这是一个高级别的团队，负责推动和监督数据治理工作。指导委员会通常由财务、市场营销、销售或生产部门的高级管理人员组成。委员会必须包括一名来自公司内所有管理高层的利益相关者。该委员会包括有权分配预算、制定政策并将项目推向优先事项清单的领导层。
- 数据治理办公室：该中层管理委员会为数据治理工作提供指导。该团队的主要角色是数字治理主管、协调员和技术专家。该团队共同起草数据标准化政策、数据治理工作流和流程。他们还与 IT 部门合作，解决与实施数据治理相关的技术挑战。
- 数据治理工作组：该小组根据数据治理办公室的建议开展工作。该小组通常包括数据所有者、数据质量主管、数据管理员、数据架构师和分析师。数据治理确实是一项艰巨的任务，需要各个团队和个人之间的合作。
实施数据治理系统有什么好处？
实施数据治理系统有很多好处：
- 更好的业务决策：数据治理使决策者能够访问干净可靠的数据。它有助于做出坚定一致的决策。
- 提高员工效率：通过在整个组织中提供标准化数据，团队可以避免重复工作。每个人都可以从数据框架中受益，它提高了整体效率。
- 数据安全：数据治理为数据创造了更高级别的问责制。每个数据资产都将有一个所有者和一个明确的生命周期。这减少了数据泄露或数据滥用的机会。
- 数据货币化：通过数据治理，企业可以让收集和生成的有价值数据发挥作用。可靠、标准化和分类的数据可用于新的收入来源。
- 避免与数据相关的违规行为：在严格的数据保护法规下，许多组织发现控制其数据流具有挑战性，而且往往最终会违反数据保护法规。借助高度成熟的数据治理框架，每一项数据资产都能得到核实、管理，并为组织所有。
数据治理的挑战是什么以及应该如何应对这些挑战？
挑战 1：人员与远景
通常，在组织中，高质量数据的真正潜力被低估了。从长远来看，员工往往忙于运营活动，而忽略了数据治理计划的好处。
解决方案：对数据治理有明确的愿景和使命。
为了让人们了解数据治理计划的必要性和好处，他们应该彻底了解为什么要这样做。数据治理的使命和目标应该既实用又简单，而不是基于抽象的术语。
挑战 2：过度依赖技术团队
通常，组织将数据治理工作推给像 IT 这样的以技术为中心的团队。虽然 IT 团队确实参与了数据治理工作，但他们并不是数据治理战略的唯一利益相关者。
解决方案：将业务和 IT 部门的工作结合起来，实现数据治理。
消除 IT 部门实施和维护数据治理计划的负担，让业务团队参与进来。虽然 IT 部门提供了技术基础架构，但企业需要定义和实施流程和工作流，以便从数据中获得最大的业务收益。
挑战 3：数据孤岛和不一致的实施
数据孤岛是数据治理面临的巨大挑战。在许多组织中，数据可能由不同的团队拥有，并以各种格式存储。即使采用了数据治理框架，一些团队也可能无力面对，无法遵守标准。
解决方案：数据去中心化和文化转变。
实现数据治理的关键步骤是将数据从孤岛中移出，并将其放入集中的数据治理框架中。此外，数据治理不仅是一个项目，而且是一项持续的活动。因此，组织中应该形成一种支持高质量数据的文化转变。
挑战 4：数据治理实践和数据隐私
数据治理框架的好处之一是，跨团队可以获得高质量的数据。但是，如果管理不当，这种对信息的普遍访问可能会导致数据隐私问题。
解决方案：严格的数据所有权和问责制。
数据治理系统应该用适当访问权限来隔离不同级别的数据。例如，医疗保健行业客户的医疗记录应被视为敏感数据。通过数据治理系统利用客户数据的组织应适当地向其客户披露他们正在存储和使用的数据类型。数据不应该有任何二次使用。出于某种目的收集的数据不应用于完全不同的目的。
评论(0)