如何通过数据管理员提升数据质量

为了从数据中获得价值，数据管理员（Data Steward）必须了解业务需求并加以应用。当在为数据利益相关者提供最佳服务方面出现业务上需要澄清的状况时，数据管理员需要知道如何找出这些信息以及与找谁了解情况。然后这些数据受托人员协调业务目标与业务需求，从而更好地影响数据质量。数据管理员为了妥善保管数据资产应了解业务标准架构。数据治理，无论是正式的还是非侵入性的，都反映了这些结构，并为这些框架提供了背景和方向。当数据管理员误解了业务框架，进而采用了错误的数据治理方式时，数据质量就会受到影响。正如功夫、空手道、卡波耶拉、巴顿术等武术需要了解对手的背景，以最好地击败他们一样，数据管理员也应该遵循数据要满足目标的规则和概念。
在瞬息万变的市场中，各个公司的业务规范不同，尤其是在数据质量方面。客观数据质量测量阈值因机会和威胁而异。在这种情况下，数据管理员需要在业务标准方面具有灵活性，同时仍将生成的数据资产作为业务发展的一部分。随着数据质量要求的不断发展，公司如何才能找到并挽留住掌握其业务需求，并知道如何让数据满足业务用途的数据管理员，以下四项活动是成功的基础：

1. 描述数据管理员的角色

2. 寻找最适合数据管理角色的人员

3. 培养尊重他人问题和专业知识的合作文化

4. 进一步提高集体数据素养

一、描述数据管理员的角色

公司需要知道数据管理员的角色就是满足业务需求并提高数据质量。通常，数据管理员根据业务需求在整个数据生命周期中维护数据，并与数据所有者合作。然而，取决于公司的数据战略和数据治理实施情况。一家公司中的数据管理角色不一定与另一家公司的相同。例如，地球科学信息合作伙伴（ESIP）希望通过FAIR框架（使数据可查找、可访问、可互操作和可用）促进地球科学家之间的合作。为此，ESIP需要数据管理员来创建数据引用指南和统一的指标，供科学家在多个地球科学数据库中查找信息。数据管理员需要具备地球科学，以及图书管理相关的知识来规范和组织数据和元数据。另一方面，房地美（Freddie Mac）的目标是在Ready（奠定基础）、Set（识别并与管理者和利益相关者合作）和Go（按照约定执行数据治理计划）框架内实现数据管理的可信度。房地美的数据管理员需要与数据所有者建立并保持有效的关系和联系，就数据可用性和满足这些关键绩效指标（KPI）的指标进行咨询。房地美的数据管理员需要是一位善解人意的、了解公司文化的业务领域专家并具有出色的人际交往能力。作为团队的一部分，在通过定义清理数据的规则和策略，给用户提供高数据质量价值方面，ESIP 和房地美的数据管理员的职责存在重叠。然而，他们在具体目标和框架需要具有很大的差异来满足利益相关者的需求。

二、寻找最适合担任数据管理角色的人员

数据管理角色涵盖了一些总体能力，在特定的业务框架内，公司需要投资寻找管理数据的最佳人员。在较高的层次上，数据管理员需要知道可用的数据资产、如何定义它们以及它们服务于业务目的的程度。通常在防御性数据管理（确保遵守法规）和竞争性数据管理（利用商业机会）之间管理多项任务。但专业学科和IT专业知识的深度和应用上有所不同。全球数据战略公司的Donna Burbank将数据管理分为两种类型：业务和技术。业务数据管理员管理数据，他们具有业务领域方面的专业知识。他们执行日常数据清理任务，并维护数据质量以符合数据所有者的要求。技术数据管理员在所使用的数据系统方面具有专业知识。他们与业务数据管理员合作，提供技术支持，并拥有数据和IT知识，以自动化处理某些数据质量任务。许多数据管理角色适合各种业务和数据工程需求。因此，公司需要调查员工的业务范围和技术能力。继前面的例子，ESIP的数据管理员更倾向于掌握IT知识，尤其是语义和处理不同的地球科学本体概念。相比之下，房地美的数据管理员承担了更重要的业务角色。一名数据管理员，能够理解是什么造就了高质量的数据资产，并将其全套技能尽可能与数据管理员角色相匹配。

三、培养协作文化

为公司的数据管理员角色设置合适的人员，会对数据质量产生积极影响。但是，需要通过协作来提高数据管理员对业务资产和需求的理解、定义和工作的可信度。数据所有者、利益相关者、业务分析师、客户和其他人需要利用和信任管理人员的专业知识，以便为高数据质量的业务需求提供度量和验证。例如，银行的业务需要升级企业的国际支票数据处理。管理人员授权IT开发和更新数据管理系统。项目实施数月后，该系统错误地整合了货币汇率，导致在计算账户存款和取款时出现数据质量问题。高管们希望向IT部门报告的数据管理员能够识别并修复业务的数据质量。IT之外的会计师和业务人员以及需要与数据管理员协作的人员是否会相信他们的数据质量建议？在许多情况下，答案是否定的。一些IT程序员可能认为没有必要仔细理解业务需求，因为数据管理员为IT部门工作，做出最终的数据质量判断。即使是优秀的数据管理员也可能在发现数据质量方面存在失误，因为IT部门不会对其表示赞赏，也不太可能质疑对业务要求的遵守情况。这样的环境容易导致IT和业务之间产生不信任，在数据质量问题上相互指责，误读业务需求。为了缓解这种情况，Datanami的Alex Woodie写道，数据管理需要在业务和IT之间发挥作用，促进两者之间的协作，因为数据管理人员会跟踪输入的数据并向下游传输。在一种促进管理人员、IT和业务部门之间协作的文化中，通过减少痛点或开辟新的收入来源，流程开始变得更加高效。然后，IT业务关系获得了可信度。双方都通过执行调解人或权威机构提供和接受客观反馈。数据管理员看到了领导力和团队合作的重要性。随着业务规范的变化，他们可以调整或澄清业务需求，并推动提高数据质量。

四、进一步提高整个企业的集体数据素养

优秀的数据管理员，在组织进一步提高数据素养时，能够很好地理解和应用数据质量。具有较高数据素养的数据管理员可以阅读、处理、分析数据，并用数据进行争论。虽然基本的图形阅读和统计技能有助于数据管理员提高数据质量绩效，但组织需要超越这些基础知识， 提高集体数据素养，交流和应用上下文知识，来实现业务和数据战略。提高集体数据素养意味着提高数据管理员对数据上下文的理解，其中差距在于掌握数据并将其应用于业务需求。这种集体数据素养巩固了对所需管理角色、最适合数据管理工作以及业务和IT部门之间所需协作的理解。数据管理员通过遵循数据治理政策和程序来展示这种集体数据素养。例如，集体数据素养可以让管理员了解汇率在哪里传递、谁拥有汇率、要问什么以及如何沟通汇率。他或她可以有效地从设定银行间汇率和汇率的部门那里了解数据的去向以及数据的维护方式，而不是困在特定的IT和业务部门。集体数据素养为数据管理员提供资源来倾听和响应业务需求，在企业内建立可信度，并促进利益相关者之间的协作。它通过阐明业务标准并响应市场变化的对话来做到这一点。这样，随着业务的发展，数据质量会通过数据管理员来提高。

本文翻译自 Michelle Knight 的 How to Influence Data Quality Through Data Stewardship，仅供大家学习参考。