跳到主要内容

数据治理原则:概念、框架和最佳实践

数据治理包括规定如何创建数据的策略和过程, 加工过的, 和分布式. 而且有大量的数据 由新技术产生 与物联网设备、人工智能和AR/VR一样,数据治理也不是一项轻松的工作.

到目前为止,研究表明组织有很大的改进空间. 在一个 IDC的报告 覆盖北美、欧洲和中国,受访者估计:

  • 他们的公司只收集了56%的可用数据.
  • 他们公司收集的数据中有43%没有使用杠杆. 

但是让电子游戏网址大全先回顾一下基础知识,然后再回到数据治理的挑战上来.

什么是数据治理?

数据治理是一组总体策略, 流程, 标准, 以及用于确保数据创建的指标, 加工过的, 分布式, 并根据组织的目标有效地使用. 

Gartner给出了另一种解释: 数据治理是对决策权和问责框架的规范,以确保评估中的适当行为, 创建, 消费, 数据和分析的控制.

为什么数据治理很重要

你可能听说过“数据就是新的石油”这句话.“但进一步观察,这种说法有点误导.

Data is 有价值的. 但在它被传输、处理和分发之前,数据最终只是原材料. 当数据被处理并分发给合适的人时,大多数数据的价值就显现出来了, 在正确的时间, 以正确的形式, 通过透明和合法的程序.

“未精炼的”数据可能代价高昂,因为它可能导致糟糕的决策, 法律问题, 和不必要的工作. 

数据治理帮助组织以更低的成本从数据中提取更多的价值. 例如, 数据治理的一个共同和基本目标是在不同的数据集之间建立一致性. 通过建立一致性, 企业可以1)避免根据不可靠的数据做出决定,2)减少做出决定所需的时间, 数据驱动的决策.   

简而言之,数据治理很重要,因为它有助于组织 从他们的数据中创造更多价值. 

数据治理是如何工作的

CIO资深作家 Thor olasvrud解释说,数据治理是“支持组织总体数据管理策略的功能.” 

他引用了数据管理协会(DAMA)的数据管理轮模型, 以数据治理为中心. 从该中心发出的辐条是: 

  1. 数据架构
  2. 数据建模和设计
  3. 数据存储及操作
  4. 数据安全
  5. 数据集成和互操作性
  6. 文档和内容
  7. 参考数据和主数据
  8. 数据仓库和商业智能
  9. 元数据
  10. 数据质量

尽管许多人把这些“辐条”看作是个人行动, 事实是,如果在筒仓中开发, 他们很可能会失败. 当数据治理作为一个整体并与数据集成策略紧密结合时,它的工作效果最好. 

数据操作的权威指南

数据治理的挑战

数据治理既是一个技术问题,也是一个人类问题. 

数据治理需求的主要驱动因素之一是如此之多的不同个体的增殖, 团队, 各部门以不同的方式使用不同的工具. 这使许多技术数据工程问题复杂化. 

有很多不同类型的 数据存储在不同的地方. 这些数据必须以一种企业可以使用的方式进行集成,以满足他们当前的需求. But those “current needs” rarely stay current; data governance must make room for when new data use cases are discovered.

用数据治理最佳实践克服挑战

数据治理团队需要对工具的创建方式进行标准化, 过程, 商店, 分析, 和共享数据. 这是一项艰巨的任务, 因此,这里有一些最佳做法,可以让你的努力更易于管理和有效:

  1. 选择利用现有元数据的工具. 许多通用的数据集成和数据争论工具都利用开放的元数据共享模型. 这允许您利用现有的元数据来看到数据治理的更大图景. 通过利用这种开放的元数据,可以在数据治理策略中充分体现生产者和消费者的双向流动. 
  2. 从小处开始,集中精力. 正如电子游戏网址大全前面所讨论的,数据治理既是一个技术挑战,也是一个人类问题. 因此,不可避免地要解决数据治理等式中人的问题. 变更管理专家, 玛丽格里高利, 引用了“你不可能一口就吃掉一头大象”的格言,并解释说“改变需要分解成小步骤。.” 进一步讨论数据质量措施, 格雷戈里说,“创造并支持一个真正引人注目的愿景是至关重要的. 确保有力地传达了这一点, 用看得见的行动来展示实现愿景的行动.”
  3. 遵循BARC的实施步骤. 商业应用研究中心推荐 以下实现步骤 数据治理程序:
    • 明确目标,了解利益
    • 分析当前状态和增量分析
    • 获得一个路线图
    • 说服利益相关者和预算项目
    • 开发和计划数据治理程序
    • 实施数据治理计划
    • 监视和控制
  4. 创建数据治理框架. 你的数据治理 框架 是你选择如何组织员工的结果吗, 技术, 以及确保数据集中七个核心属性的进程:

 

    1. 数据质量 —数据格式正确一致 
    2. 数据可用性——相关员工可以访问数据 
    3. 数据可用性——数据很容易获得,可以用您的工具使用. 
    4. 数据完整性——数据在整个组织中移动时不会被篡改. 
    5. 数据安全——根据数据的敏感性对其进行分类和保护 
    6. 数据可审计性——可以对数据进行审计以发现问题.
    7. 数据可观察性-系统对数据移动的广泛可见性  

创建数据治理框架的第一步是组织员工. 

了解如何构建数据治理的角色和职责, 麦肯锡有一个有用的最佳实践数据治理组织模型,如下图所示.

数据治理麦肯锡

关于数据治理和数据管理的说明

如果数据治理是架构,那么 数据管理 是建设. 

尽管有这种区别,许多人还是把数据管理和数据治理弄混了. 但理解这种差异是很有用的因为当它们有效结合时, 结果是以更低的成本获得了更有价值的数据.

选择授权数据治理的工具

数据质量是数据治理的根本动力. 没有质量,数据就无法可用、可用或安全. 而最难以确保数据质量的地方之一是摄入点. 当利用来自多个解决方案的元数据时,您的数据治理情况将变得更加完整.

与电子游戏厅, 您可以避免数据被吸收时经常发生的数据腐蚀和数据丢失. 在其他方面, 电子游戏厅使您能够检查移动中的数据,并自动检测和响应模式变化. 电子游戏厅智能数据管道产生重要的元数据,可以被治理解决方案用于监控数据的使用,从初始到分析.

 

尝试电子游戏厅免费

回到顶部

电子游戏网址大全使用cookie来改善您对电子游戏网址大全网站的体验. 单击“允许所有人同意”并继续访问电子游戏网址大全的网站. 隐私政策