- 数据分析
- 数据治理
- 产品解决方案
- 行业解决方案
- 案例
- 数据资产入表
- 赋能中心
- 伙伴
- 关于
时间：2019-01-23来源：桑德海尔浏览数：566次
执行商业智能(BI)报告可能是不完整的、不一致的和/或不准确的，成为试图做出明智的业务决策的执行管理团队的一个关键问题。当出现问题时，应由IT部门来确定问题是什么、发生在哪里以及如何解决问题。这不是一项琐碎的任务。
以下面的场景为例，CEO应该从同一组数据中接收两份报告，但每一份报告都显示不同的结果。哪个报告是正确的？如果这是您的组织经历过的事情，那么您就知道接下来会发生什么-数据发现消防演习。
出现了一系列活动，暂停了所有其他优先事项。迅速组建了一个专门小组，对每一份报告进行深入研究。他们审查数据源、ETL进程和数据集市，以跟踪影响数据的事件。像上面这样的消防演习可能要花费数天的时间，如果不是数周的话，就可以找到错误。
在上述情况下，只在一份报告中实现了对一个ETL流程的新更新。当您将数据发现火灾演习的次数乘以对任何高管商业智能报告的数据质量关注的数量时，成本将继续上升。
数据可以同时来自多个系统，常同时发生的。在某些情况下，ETL负载本身可能会生成新数据。在所有这些过程中，IT仍然必须回答两个基本问题：这些数据是从哪里来的，以及这些数据是如何得到的？
准确的执行业务情报报告需要数据治理
随着数据量的快速增长，BI数据环境变得越来越复杂。为了管理这一复杂性，组织投入了大量复杂而昂贵的工具。但是，尽管有这样的投资，IT仍然无法跟踪BI环境中的海量数据。更多的技术是答案吗？
也许我们应该寻找答案的更好的问题是：我们如何避免这些数据发现火灾在未来？
我们认为有可能防止数据发现火灾，从适当的开始数据治理以及强大的数据沿袭能力。
为什么数据治理很重要？
1.受治理的数据促进数据共享。
2.数据标准使数据更加可重用。
3.数据定义的更大背景有助于更准确的分析。
4.一套清晰的数据策略和过程支持数据安全。
为什么数据沿袭很重要？
1.数据信任是通过建立其起源来建立的。
2.通过启用跟踪数据，简化了故障排除过程。
3.通过暴露过程中的潜在问题，降低了ETL数据丢失的风险。
4.业务规则(否则会被隐藏在ETL过程中)是可见的。
5.数据治理支持数据驱动的业务
在现代的、数据驱动的企业中，组织本质上是信息生产线-数据治理负责上述生产线的健康和维护。
这是企业数据管理套件这确保了数据质量，因此组织可以对其数据有更大的信任。它确保所创建的任何数据都被正确地存储、标记和分配所需的上下文，以防止其在生产线上移动时发生损坏或丢失-大大增强了数据发现。
除了提高数据质量、协助遵守法规以及简化跟踪数据沿袭等实践之外，健全的数据治理还有助于组织积极处理数据，利用数据来驱动收入。他们可以更快地做出更好的决定，并消除代价高昂的错误和数据泄露的可能性，这些错误和数据泄露将侵蚀他们的底线。
