数据多用途使用的标准化是数据治理的核心

重新认识数据治理

什么是数据治理？数据治理的好处？谁负责数据治理？数据治理框架和原则？数据治理工具的类型？数据治理框架如何运作？公司的数据治理通常失败的地方？如何使用最佳实践实施数据治理？

数据治理常见问题？

1、什么是数据治理？

数据治理是组织用来管理、利用和保护其数据的一组流程和过程。在这种情况下，数据可以引用公司数字或硬拷贝资产的子集。定义数据对组织意味着什么是核心数据治理最佳实践之一。一旦定义了数据的含义，您就可以制定以推动业务发展的方式使用数据的方法。

将数据治理视为组织数据的人员、内容、时间、地点和原因。

数据治理的另一个关键方面是保护公司和客户的私有数据。数据泄露几乎每天都在发生，政府不断颁布法律和监管框架，如HIPAA，GDPR和CCPA。数据治理的很大一部分是保护客户和公民的私人数据。良好的数据治理规划可构建控制措施来保护数据并帮助组织遵规守法。

2、数据治理的好处？

如果没有有效的数据治理，组织中各种系统中的不一致问题则难以得到解决。例如，客户帐户可能以不同的格式显示在销售、物流和客户服务系统中。这可能会使数据集成工作复杂化，或创建数据完整性问题，从而对商业智能 （BI）、企业报告或分析应用程序的准确性产生负面影响。此外，可能无法识别和修复数据错误，从而进一步影响 BI 和分析准确性。

采用数据治理最佳实践可帮助组织充分利用其数据，并避免因不一致而导致的运营或分析问题。以下是一些具体优势：

集中式策略和系统可降低与数据治理相关的 IT 成本

数据标准使得更好的跨职能决策和沟通成为可能

合规性审核更易于管理，合规性标准更易于维护

用于短期和长期规划（包括兼并和收购）的商业智能从数据中获取决策理由

数据增长得到有效的组织与管控

稳定安全的数据使符合新的数据隐私立法要求变得更加严谨。

但是，在实施数据治理计划或策略时，需要考虑许多陷阱和挑战。以下是一些需要考虑的事项：

任务： 数据治理需要成为公司级和对应范围的任务才能正确实施，要使其成为一个需要启动和管理的大型项目。

资源： 良好的数据治理需要来自不同团队的精力、时间和资源，这可能会分散其他工作的投入和效果。

协调： 数据治理是更大的IT治理策略的一部分，两者需要协调。

认同： 让员工关心数据治理可能很困难。用户需要激励和动力来遵循计划。

灵活性： 数据治理工作需要灵活地满足团队需求，并且对用户来说要有简单易用的体验。如果数据治理阻碍了工作，它将本末倒置、无法促进业务目标。

实现：选择数据操作工具来管理数据治理策略会让问题复杂化并让你陷入细节泥潭难以自拔。建议使用 Gartner 等资源找到适合您战略的正确工具。

综上，克服上述挑战是完全可能的，并且应向所有人开放，都可以参与实施数据治理。

但，这里做最重要的前提之一，便是明确各位在数据治理方面的责任。

3、谁负责数据治理？

全面的数据治理计划需要一些特定的角色、组和功能。以下是谁负责什么，以及他们应该拥有的能力：

首席数据官（CDO）是一个迅速崛起的角色。公司开始了解管理数据和实施数据治理框架的重要性，这意味着聘请CDO。CDO是数据治理战略的公司领导者，聘请CDO表明了对数据的承诺，并自上而下地支持数据，以认真对待数据治理规划。

数据所有者是对数据负有直接责任的人员。他们作为业务资产方参与数据的保护和质量。数据所有者将位于使用数据的团队中。例如，财务团队的成员里要包含做核算报告的人员。

数据所有者知道组织中的谁应该有权访问他们的数据，并要有针对性的对这些人进行数据访问的管理和审核，这是数据治理的基础。

数据专员是数据治理策略的拥护者。他们与数据所有者定期研讨并落实数据治理策略和程序，也须在数据治理方面培训新的数据所有者和员工。

数据治理委员会制定数据治理的政策和程序。该委员会与CDO合作，确定数据治理的人员，内容，时间，地点和原因。

4、数据治理框架和原则是什么？

数据治理的最常见目标是整个企业或组织的数据定义标准化。其他目标取决于特定数据治理规划的重点。在普遍接受的数据治理框架内，应建立对环境有意义的原则。

以下是数据治理原则，无论您的实现最终采用何种形式，您都应该遵循这些原则：

正直： 规划中的所有参与者都应诚实行事，并对数据治理已决策的约束要求，挑战和其他影响等事情持积极态度。

透明：在如何引入和实施实践和控制措施方面，流程应对参与者和审计师都清晰透明。

可审： 数据治理活动应是可审计的，并附有文档，以支持基于合规性的和操作性的审计要求。

问责： 您需要为跨职能部门和与数据相关的决策、流程和控制定义责任。责任不能落空。

管理： 了解、分配和委派治理管理活动，这些活动是个人贡献者和数据管理组的责任。

平衡： 在业务和技术团队、数据创建者和收集者以及使用或管理信息的任何人之间引入制衡机制。

标准：数据治理规划的重点应放在引入和支持企业数据的标准化上。

变更： 支持整个流程中的主动和被动变更管理活动，从处理数据到人员最佳实践。

遵守这些原则将帮助您为组织构建全面、可持续的数据治理计划。

5、数据治理工具的类型有哪些？

借助各种技术和软件工具，可以更轻松地实施数据治理计划。下面是应考虑使用的一些核心类型的数据治理工具。

数据编目： 使用自动数据发现工具创建目录以实现更好的组织和标准化的数据管理。

数据管理： 从多个源收集数据，并提供用于数据治理的主视图。

可视化： 部署一种工具，实现在统一界面和报告中可视化整个数据生态系统，供数据所有者使用。

数据沿袭： 通过自动解析数据源、应用程序、工具和源代码中的代码来跟踪数据沿袭。

策略管理： 通过软件自动执行策略和分配业务规则，以确保完全符合治理计划。

威胁检测： 在安全方面，部署相应软件，在数据受到损害或被盗之前提醒注意潜在威胁。

6、数据治理框架如何运作？

一旦您了解了数据治理的基本原则，并拥有了正确的工具，您就可以开始在组织内实施数据治理框架。

价值和成果

使数据治理与业务目标或成果保持一致。您将需要一个数据分析流程，以便您可以衡量进度和结果。

问责制和决策权

确保您的团队参与您的数据治理策略，并让 CDO、数据管理员、数据所有者和员工承担责任。明确定义谁可以对您的数据做出哪些决策。

组织信任

您能信任所有数据源吗？您是否在数据的整个生命周期内都能控制数据？

数据治理的信任模型构建了机制来考虑分布式数据生态系统，您应该努力了解数据输入的历史记录和沿袭，以便管理期望和结果。

透明度和道德

通过清晰、成熟的决策流程，保持有关数据治理的数据分析开放和可见，以便经得起外部审查。

风险与安全

您是否在数据治理策略中考虑风险和数据安全？风险和安全性是公司参与数据治理的两个主要驱动因素。除了任何业务成果之外，还应考虑它们。

教育和培训

您是否有一个计划来培训数据所有者和员工了解数据治理的基本原则？您是否培训新的数据管理员？建立持续的培训计划，以集中数据治理。

您的团队是否将数据治理视为自上而下的任务，是否认识到数据治理是构建业务与数据安全需要共融协作的努力？

这几个方面可以帮助您专注于数据治理的目标，并告知您将如何运营数据治理。

7、公司的数据治理通常失败在哪里？

许多组织在制定数据治理计划时会遇到一些挑战和潜在的故障点。以下是您应该准备克服的主要障碍。

将数据治理与 IT 策略集成

数据治理应被视为更大的 IT 治理策略的一部分并加以执行。这两项倡议需要相互配合，才能取得成功。分别查看数据治理和 IT 策略的组织将举步维艰。

员工和高管计划认同

任何形式的改变都很难，尤其让员工关心数据治理可能更加困难。用户需要激励和动力来遵循新的数据治理计划，而您需要高管自上而下的支持，以在全公司范围内采用数据。

治理灵活性和简单性

数据治理工作需要灵活地满足团队需求，并且对用户来说很简单。如果数据治理阻碍了工作，它将无法促进业务目标。这与员工的支持有关。使治理变得简单灵活，这样员工就不会将其视为障碍。

选择治理技术工具

选择技术和工具来管理数据治理策略可能既复杂又耗时。利用 Gartner 等资源和网络安全合作伙伴的专业知识来研究技术，并请求适合您战略的系统的参考。

8、如何使用最佳实践实施数据治理？

尽管存在上述挑战，但实施有效的数据治理可以顺利而高效。以下是您应该遵循的一些关键最佳实践。

为数据设置格式标准。此外，在后处理和数据引入大数据平台期间，使用技术来实施这些标准。您将从许多不同的来源提取数据，因此使数据规范化成为关键。

非托管数据的帐户。 存在于文件、文件夹和共享中的数据是您最有价值的数据，并且通常比托管数据面临更大的风险。确保数据治理策略涵盖非结构化数据。

映射业务目标以进行治理。 尽早执行此操作，并分配一名首席数据官 （CDO）。让 CDO 负责管理和实现数据治理目标。从大局出发，但在此过程中创建可管理的接触点。

在大多数领域专注于简单性。 数据治理不是组织大多数的主要工作。最大限度地减少对个人贡献者和团队的影响，并使步骤和最佳实践易于遵循。

建立治理团队角色。 数据所有者最接近他们创建和管理的数据。分配数据管理员与数据所有者合作，以获得指导并促进沟通。您的数据治理团队应具有跨职能能力，并有权推动数据治理计划。

对所有数据进行分类和标记。 为元数据建立标准，以促进您的业务目标并允许重用数据。标准化是治理的主要重点领域之一，如果没有数据分类和标记，将很难实现。

使用多个指标衡量进度。 您可以收集的指标越多越好。数据治理的几个关键指标可能是要保存的陈旧数据量、已分配数据所有者的文件夹数以及要创建的敏感数据量。

尽可能自动化。 自动执行工作流、审批流程、数据请求、权限请求以及任何其他可能使数据治理计划发挥作用的功能。自动化不仅可以节省时间和资源，还可以确保持续实施治理。

请参阅下面有关数据治理框架的一些常见问题。

问：框架在行业之间有何不同？

答：数据治理的基本框架与行业无关。最大的区别将在“为什么”中。在满足数据安全要求后，每个组织的目标和结果将是唯一的。

问：如何创建数据治理框架？

答： 我不会重新发明轮子。有很多不同的组织已经完成了创建框架的工作。但是，如果您要这样做，请确保首先回答有关数据的人员，内容，时间，地点和原因的问题。这将有助于告知如何 - 框架。

问：您如何解释数据治理的重要性？

答： 向高管层解释您需要聘请CDO并实施完整的数据治理计划可能很困难。如果他们不听您描述风险和安全问题，不断增加的数据存储成本或缺乏跨职能决策能力，那么您面前有一场艰苦的战斗。

问：数据治理框架旨在实现什么目标？

答： 数据治理不仅仅是数据安全。数据安全很重要，但数据治理计划也可以实现跨职能决策和业务分析。简而言之，数据多用途使用的标准化是数据治理的核心。

问：数据治理是一个计划还是一个项目？

答： 数据治理应被视为长期战略业务计划，而不是单个短期项目。实施数据治理需要对公司当前的数据策略和实践进行结构性更改，此外还需要重新定义数据处理人员的角色和职责。

实施强大的数据治理计划可确保组织内数据的安全性、标准化和完整性。通过选择正确的策略、合作伙伴和数据安全工具，您将能够创建数据治理计划，从而最大限度地提高数据的价值，同时保持数据的安全。