“这都与数据有关。”
这个短语今天和我最近第一次听到大学毕业生时的情况一样真实。尽管从那时起引入了所有新技术（并且已经有很多），但我们IT工作的成功或失败往往会回到底层数据的质量。
我们现在比以往创造更多数据。大多数组织都在努力获得对数据的可见性和洞察力，特别是非结构化数据。此类数据（包括电子邮件，文档和图像文件）使组织面临更高的风险，安全漏洞和个人身份信息（PII）泄漏。这个问题正在加剧。我们的数据以同比49％的速度增长。
创建所有这些数据后，您需要管理它。同样重要的是，数据必须受到保护并保持安全。这些活动是为什么在需要时可以提供数据的原因。缺乏对这些细节的关注会延迟项目并推高IT成本。
不幸的是，我们很少了解我们的数据。我们组织中的大多数数据都是“黑暗数据”，这意味着我们存储它，但不知道它是什么。有时我们知道数据是什么，但它是冗余的，过时的或平凡的（ROT）数据。研究表明，组织仅对其存储的数据进行约15％的操作。非必要数据的存储和维护对预算造成巨大拖累。它增加了运营成本，限制了我们的现代化工作。此外，机构负责人通常会对数据保留计划和合规风险表示担忧。
我们的数据问题没有简单的解决方案。但是，一个很好的起点是开发企业数据治理策略。企业数据治理是总统管理议程的关键部分。它的学科跨越多个功能界限，包括信息技术，网络安全，记录管理，隐私，总法律顾问，人力资源等。简而言之，企业数据治理是一项团队运动。
企业数据治理的最佳实践
支持数据分类的技术是企业数据治理的重要推动者。但是，我认为有几项行动对成功更为重要。基于我在政府和行业的实际客户体验，我提供了以下数据治理最佳实践。
· 高管赞助至关重要。确保高级管理层的执行发起人是成功实施数据治理计划的关键。理想情况下，赞助执行官授权首席数据官在整个机构内工作。
· 创建数据治理委员会对于实施数据治理战略至关重要。该小组是来自整个组织的多学科团队。该小组确定数据风险，代理机构对现有法规的合规性以及如何最好地保留数据。
· 使用企业数据治理框架或成熟度模型有助于评估和指导计划。存在各种模型，例如ARMA International用于记录管理的原理和信息治理参考模型，其源自电子发现参考模型。最终，组织应该为自己的目的定制框架。
· 对不再具有价值的数据进行可靠的删除或修复至关重要。 定期和一致地消除数据碎片是最佳做法。通过较小的信息覆盖，组织可以更轻松地找到所需内容并从中获取业务价值。但是，您必须具有数据治理策略，并且能够证明您始终遵循这些策略以证明删除信息的合理性。
· 企业数据治理不是一个项目，而是一个持续的计划。它必须是必要的，持续的努力，如工作场所安全计划。必须定期进行审查以确保遵循该计划，并根据调查结果进行调整。努力永无止境。
不管理其数据的组织在进行真正的数字转换方面受到限制。我认为，如PMA所述，企业数据治理是我们国家迈向我们应得的数字政府的真正的第一步。我们走吧！
（部分内容来源网络，如有侵权请联系删除）
