- 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：2018-12-18来源：数据治理浏览数：888次
1、数据治理不是一种选择。这很重要。
没有数据治理，您无法获得一致，可靠和可重复的数据。数据治理的核心作用是确保跨组织一致地定义，处理和解释度量。
2、数据治理指导所有其他分析活动。
数据治理通知从分析软件实现到页面标记到报告设计的所有内容。其主要功能是：确保Web分析策略与战略业务目标之间存在明确的一致性。投入正确的时间，精力和资源。
3、数据治理是一个过程，而不是一系列任务。
数据治理是一组最佳实践或原则，有助于确保您创建和维护高质量的数据。这是一个积极的，持续的和可重复的过程，并且还在不断发展。
运行良好的数据治理流程可确保您拥有可靠且一致的数据集，以便分析和制定管理决策。它包括定期审计，对账，合规审查和质量控制活动。
4、数据治理原则上很简单，但执行起来很复杂。
是的，数据治理是一组数据处理实践，但你永远不能真正抹去人的因素。
这也是一组精心定义的职责，其中涉及CH 安格管理及合规性。这一复杂性的一个很好的指标来自一篇有启发性的文章，该文章列出了“解决争议的明确和记录的过程”，这是一个关键的成功因素！
5、数据治理方法支持合规性工作。
运行良好的治理工作提供了所需的审计和文档流程，以显示谁有权访问和查询数据，自创建数据以来所做的工作，并始终如一地执行数据管理策略。
6、您无法购买数据治理。它不是一种工具。
有许多工具可以帮助您存储和传达定义的业务规则，衡量数据质量并识别合规性问题。例如，基于Hadoop的工具可以加速甚至大量结构化和非结构化数据中的数据发现任务。Tableau可以帮助您轻松分析和可视化与治理相关的数据。
但是，市场上并没有提供这种速度，灵活性和多样化处理的一体化，现成的应用程序。这是有道理的，因为数据治理实际上是关于贵公司组织数据，流程以及分配给分析师和用户的责任的独特方式。
7、成功的数据治理基于积极主动的方法和态度。
数据治理驱动的态度变化之一是从被动转变为更主动的数据质量方法。确保内置并记录解决数据质量问题的方法。
8、不要忘记整体治理过程中数据准备的重要性。
分析数据治理最重要的一个方面是定义，记录和传达数据准备过程的策略。确保这些基本任务得到应有的重视。
9、成功的数据治理需要打破孤岛。
转向数据治理模型的公司通常必须打破使用功能流程的孤立组织。只有当流程在不同功能之间保持一致时，才能实现新的工作方式。变革管理投资极为重要。
10、充分利用您的IT人才。他们有很多东西可供选择。
您的IT员工可以处理许多与治理相关的任务，例如建立安全实践，评估风险和设计数据管理策略。潜在贡献的清单实际上要长得多 - 让它们起作用
